Intelligente flow-modeller kan få stor indflydelse på vindenergiprojekter

Stadig større vindmøller i stadig større vindmølleparker kræver øget fokus på nøjagtig modellering af atmosfærens turbulente flow gennem parkerne for at optimere energiproduktionen fra møllernes enorme rotorer.

I løbet af de seneste to årtier er der kommet stigende fokus på numeriske simuleringer af dette flot ved hjælp af Computational Fluid Dynamics (CFD).

Men selvom sådanne supernøjagtige numeriske teknikker kan give detaljerede oplysninger om interaktionerne mellem atmosfæren og vindmølleparkerne, kan teknikkerne ikke benyttes til design, optimering og anvendelse i realtid på grund af deres kompleksitet.

Det vil et nyt forskningsprojekt, som er ledet af Aarhus Universitet, nu forsøge at ændre:

”Nuværende ingeniørpraksis beror sig på lav-ordens strømningsmodeller, som hovedsageligt er deterministiske og baserer sig på flere simple fysiske antagelser under idealiserede forhold. Derfor kan modellerne ikke i tilstrækkelig grad forudsige luftflow og energiproduktion i de virkelige miljøer i vindmølleparkerne. Det kan forårsage større fejl og usikkerheder i optimeringsalgoritmer og kontrolstrategier i vindenergiprojekter,” siger lektor Mahdi Abkar, ekspert i flowdynamik og turbulens ved Institut for Mekanik og Produktion, Aarhus Universitet. 

Over halvdelen af den producerede elektricitet i Danmark kommer i dag fra vindkraft. Det er derfor en industri, der er værd at optimere i forhold til EU’s mål om klimaneutralitet i 2050.

Det nye forskningsprojekt, der støttes af Danmarks Frie Forskningsfond med et tilskud på 2,8 mio. kr., kan betyde et gennembrud i udviklingen af ​​flowmodeller, der således går fra at være fysikbaserede til ’fysik-informerede’ datadrevne modeller:

”Med dette projekt foreslår vi at forbedre hele rammen for modellering af vindmølleparker ved hjælp af fysik-informeret maskinlæring, som skal forudsige komplekse interaktioner mellem turbulente atmosfæriske luftstrømme, vindmølleparken og dens omgivende miljø. Det nye system vil indsamle og benytte big data i virkelige miljøer for på tæt hold at følge disse interaktioner, der bliver negligeret i moderne strømningsmodeller. Vores hypotese er, at et sådant system vil yde en nøjagtighed sammenlignelig med CFD-teknikker, men ved betydeligt lavere beregningsmæssige omkostninger,” siger Mahdi Abkar. 

Projektet, der starter i 2021 og løber i tre år, kan sætte en ny standard for fremtidig vindmølleparkdesign- og drift og, hvis det lykkes, være et revolutionerende tiltag i vindenergiindustrien, som Danmark har pioneret siden 1970’erne.

”Resultaterne af projektet kan have stor indflydelse på både den akademiske verden og vindenergi-industrien, og jeg ser et stort potentiale i brugen af maskinlæringsmodeller inden for dette felt. Superoptimerede vindmølleparker vil være et stort skridt i den grønne omstilling,” tilføjer lektoren.