В новом тематическом исследовании исследователи из Техасского университета A&M в сотрудничестве с международными партнерами из энергетической отрасли использовали передовые методы анализа данных и идеи социальных наук для сравнения характеристик различных конструкций ветряных турбин.
«В настоящее время не существует метода проверки того, повысит ли новая технология производство и эффективность ветровой энергии на определенную величину», – сказал д-р. Ю Дин, профессор Майка и Шугара Барнса на факультете промышленной и системной инженерии имени Майкла Барнса ’64. «В этом исследовании мы предложили практическое решение проблемы, которая существует в ветроэнергетике уже довольно давно."
Результаты их исследования опубликованы в журнале Renewable Energy.
Ветровые турбины преобразуют энергию, передаваемую от воздуха, поражающего их лопасти, в электрическую энергию. По состоянию на 2020 год около 8.4% всей электроэнергии, производимой в США, приходится на энергию ветра. Кроме того, в течение следующего десятилетия Министерство энергетики планирует увеличить долю ветровой энергии в электроэнергетическом секторе до 20% для достижения амбициозных национальных целей в области климата.
В соответствии с этой целью произошел всплеск новых технологий, особенно в отношении лопастей, которые вращаются на ветру. Эти обновления обещают улучшение работы ветряных турбин и, как следствие, повышение выработки электроэнергии. Однако проверка того, вырастут ли эти количества, и насколько они увеличатся, является сложной задачей.
Одна из многих причин, затрудняющих оценку производительности, просто из-за огромных размеров ветряных турбин, которые часто достигают нескольких сотен футов в высоту. Тестировать эффективность этих гигантских машин в контролируемой среде, например в лаборатории, непрактично. С другой стороны, использование уменьшенных версий ветряных турбин, которые вписываются в лабораторные аэродинамические трубы, дает неточные значения, которые не отражают характеристики ветряных турбин реальных размеров. Кроме того, исследователи отметили, что воспроизвести множество погодных и атмосферных условий, которые происходят в открытом поле, сложно в лаборатории.
Следовательно, Дин и его команда решили собрать данные с внутренних ветряных электростанций для своего исследования, сотрудничая с отраслью, которая владеет ветряными электростанциями. Для своего анализа они включили 66 ветряных турбин на одну ферму. Эти машины были оснащены датчиками для непрерывного отслеживания различных параметров, таких как мощность, производимая турбинами, скорость ветра, направление ветра и температура. В целом исследователи собрали данные за четыре с половиной года, за это время турбины получили три технологических обновления.
Чтобы измерить изменение выработки энергии и производительности до и после обновления, Дин и его команда не могли использовать стандартные анализы до и после вмешательства, такие как те, что используются в клинических испытаниях. Вкратце, в клинических испытаниях эффективность определенного лекарства проверяется с помощью рандомизированных экспериментов с тестовыми группами, которые получали лекарство, и контрольными группами, которые не получали лекарство. Тестовая и контрольная группы тщательно отбираются, чтобы их можно было сопоставить в остальном, так что эффект лекарства является единственным отличительным фактором между группами.
Однако в их исследовании ветряные турбины не могли быть аккуратно разделены на тестовую и контрольную группы, как это необходимо для рандомизированных экспериментов.
«Задача, стоящая перед нами здесь, заключается в том, что даже если мы выберем« тестовые »и« контрольные »турбины, аналогичные тем, что делается в клинических испытаниях, мы все равно не можем гарантировать, что входные условия, такие как ветер, который ударяет по лопастям во время периода записи, были одинаковы для всех турбин ", – сказал Дин. "Другими словами, у нас есть набор факторов, помимо предполагаемых обновлений, которые также различаются до и после обновления."
Следовательно, Дин и его команда обратились к аналитической процедуре, используемой социологами для естественных экспериментов, называемой причинным выводом. Здесь, несмотря на смешивающие факторы, анализ все же позволяет сделать вывод, какая часть наблюдаемого результата вызвана предполагаемым действием, которое в случае турбин было модернизацией.
Для анализа, основанного на причинно-следственных выводах, исследователи включили турбины только после того, как их входные условия были согласованы. То есть эти машины были подвержены одинаковым скоростям ветра, плотности воздуха или условиям турбулентности в течение периода записи.
Затем, используя расширенную методологию сравнения данных, которую Дин разработал совместно с Dr. Руи Туо, доцент кафедры промышленной и системной инженерии, исследовательская группа уменьшила неопределенность при количественной оценке того, произошло ли улучшение характеристик ветряных турбин.
Хотя метод, использованный в исследовании, требует сбора данных в течение многих месяцев, Дин сказал, что он обеспечивает надежный и точный способ определения достоинств конкурирующих технологий. Он сказал, что эта информация будет полезна операторам ветроэнергетики, которым необходимо решить, стоит ли инвестировать в конкретную турбинную технологию.
«Ветровая энергия по-прежнему субсидируется федеральным правительством, но это не будет длиться вечно, и нам необходимо повысить эффективность турбин и повысить их рентабельность», – сказал Дин. «Итак, наш инструмент важен, потому что он поможет операторам ветроэнергетики определить передовые методы выбора технологий, которые действительно работают, и отсеять те, которые не работают."
В 2018 году Дин получил награду Texas A&M Engineering Experiment Station Impact Award за инновации в области данных и качественной науки, влияющие на ветроэнергетику.
Среди других участников исследования – Нитеш Кумар, Абхинав Пракаш и Адайибо Кио из отдела промышленного и системного проектирования, а также технический персонал сотрудничающей ветряной компании.
Это исследование финансируется Национальным научным фондом и промышленностью.