Neuro-fuzzy control and particle swarm optimization on horizontal axis wind turbine

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorTusset, Angelo Marcelo-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1204232509410955-
Autor(es): dc.contributorBalthazar, José Manoel-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9728054402919622-
Autor(es): dc.contributorTusset, Angelo Marcelo-
Autor(es): dc.contributorRibeiro, Mauricio Aparecido-
Autor(es): dc.contributorTadano, Yara de Souza-
Autor(es): dc.contributorGonçalves, Paulo José Paupitz-
Autor(es): dc.creatorLenz, Wagner Barth-
Data de aceite: dc.date.accessioned2022-02-21T22:19:48Z-
Data de disponibilização: dc.date.available2022-02-21T22:19:48Z-
Data de envio: dc.date.issued2019-07-17-
Data de envio: dc.date.issued2019-07-17-
Data de envio: dc.date.issued2019-06-11-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/4170-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/672752-
Descrição: dc.descriptionThe consumption of electric energy is increasing. This growth stimulates production that is entirely based on fossil fuels. However, for social, political or environmental reasons there is a need to change the energy source. Large, medium and low-scale generation by means of wind turbines is a viable solution. Similar to other generation methods, the wind turbine needs to be optimized and controlled to function as efficiently as possible. In this work a particle swarm optimization process optimized a profile of a wind turbine based on two stretching equations that had as objective the best coefficient of power for the average speed. We also used a fuzzy neuro controller based on the maximum for each ratio between speeds (𝑇𝑆𝑅). Three wind speed profiles were used to analyze the dynamics of the wind turbine. The controller was efficient and kept the rotation within the expected range. The results show that the controller prevented the generation above the maximum power, reducing the rotations by up to 12 [rad/s] above the maximum power, in cases of oscillation in the velocity of the view the control remained stable with a low standard deviation and reducing the power in at up to 8 [rad/s] for sine waves and up to 9 [rad/s] for random inputs.-
Descrição: dc.descriptionO consumo de energia elétrica vem aumentando. Esse crescimento estimula a produção que está inteiramente baseada em combustíveis fósseis. Entretanto, por razoes sociais, políticas ou ambientais há uma necessidade de mudar a fonte energética. A geração em larga, média e baixa escala por meio de turbinas eólicas é uma solução viável. Similar a outros métodos de geração, a turbina eólica precisa ser otimizada e controlada para funcionar da forma mais eficiente possível. Nesse trabalho um processo de otimização por enxame de partículas otimizou um perfil de uma turbina eólica baseado em duas equações de esticão que tinha como objetivo o melhor coeficiente de potência para a velocidade média. Também utilizou um controlador neuro fuzzy com base nos máximos para cada razão entre velocidades (𝑇𝑆𝑅). Três perfis de velocidade de vento foram usados para analisar a dinâmica da turbina eólica. O controlador se mostrou eficiente e manteve a rotação dentro da faixa esperada. Os resultados mostram que o controlador preveniu a geração acima da potência máxima, reduzindo a rotação em até 12 [rad/s] acima da potência máxima, em casos de oscilação na velocidade do vendo o controle se manteve estável com um baixo desvio padrão e reduzindo a potência em ao em até 8 [rad/s] para ondas senoidal e em até 9 [rad/s] para entradas aleatórias.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Mecânica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectTurbinas-
Palavras-chave: dc.subjectEnergia - Fontes alternativas-
Palavras-chave: dc.subjectControladores PID-
Palavras-chave: dc.subjectTurbines-
Palavras-chave: dc.subjectRenewable energy sources-
Palavras-chave: dc.subjectPID controllers-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA MECANICA-
Palavras-chave: dc.subjectEngenharia Mecânica-
Título: dc.titleNeuro-fuzzy control and particle swarm optimization on horizontal axis wind turbine-
Título: dc.titleNeuro-fuzzy controle e optimização por enxame de partículas em uma turbina eólica de eixo horizontal-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.