A 14-year-long data set containing daily values of meteorological variables was used to train three artificial neural networks (ANNs) for daily, weekly averaged and monthly averaged global solar radiation prediction for Fortaleza, in the Brazilian Northeast region. Local climate is semiarid coastal. Day of the year, maximum temperature, minimum temperature, irradiance, precipitation, cloudiness, extraterrestrial radiation, relative humidity, evaporation and wind speed were adopted as predictors. The ANNs were developed by an in-house code and trained with the Broyden-Fletcher-Goldfarb-Shanno (BFGS) algorithm. Besides the lack of explicit predictors able to model El Niño and La Niña phenomena, which have strong influence on local weather, the accuracy of the predictions was considered excellent according to its values of normalized root-mean-square error (nRMSE) and good relative to mean absolute percentage error (MAPE) values. Both error metrics presented the smallest values for the monthly case study.
O presente trabalho consistiu na montagem e testes, na disciplina Energia Eólica do curso de Engenharia Mecânica, de uma bancada cujo objetivoé o levantamento de curvas de potência para diferentes pás de aerogeradores, com torção e comprimento da corda calculados pelo método do momento do elemento de pá (BEM). Desta forma as pás foram projetadas e construídas, o aerogerador foi montado e teve levantado seu gráfico de desempenho, que apresenta o coeficiente de potência gerado no eixo versus a velocidade específica na ponta da pá (lambda). Para a realização dos experimentos foi utilizado um ventilador de coluna com potência de 200 W, que gerou uma velocidade média do vento de 3,8m/s, medida com anemômetro portátil. Os testes foram realizados com uma turbina bipá em escala de 1:4, projetada e construída com o perfil S809, que obteve coeficiente de potência máximo de 20,57%. A curva de desempenho da turbina foi traçada, demonstrando sua boa adequação a projetos de aproveitamento de energia eólica. Palavras-chave: energia eólica, aerodinâmica, coeficiente de potência, teoria do momento do elemento de pá.The present article consists in the development of a new bench to measure the power curves of different wind turbine blades. The components were built and tested to assure adequate measurements and secure operation. The bench was used in the Wind Energy class of the Mechanical Engineering undergraduate and graduate programs. It allows the measurements of the power curves of different wind turbine blades. Using the blade element momentum method (BEM) to calculate the pitch angles and chord lengths, blades were manufactured and tested. The performance was determined by the power curves, which represent the power coefficient versus the tip speed ratio (lambda value). In the experiments, a 200 W fan generated an average wind speed of 3,8 m/s, measured with a portable anemometer. The tests were carried out with a two-bladed turbine, designed (S809 profile) on a 1:4 scale. These blades achieved a maximum performance coefficient of 20,57%. The performance curve was plotted, demonstrating the bench good adequacy to wind energy assessment projects. Keywords: wind energy, aerodynamics, power coefficient, blade element momentum theory. IntroduçãoA energia eólica vem se apresentando, nosúltimos anos, como uma das mais viáveis fontes de energia renovável, devido, principalmente,à sua natureza inesgotável e não poluidora. Dessa forma, o estudo de aerogeradores vem ganhando espaço nas discussões acadêmicas e na produção científica [1,2].Um dos fatores mais importantes na análise de um projeto de um aerogeradoré o estudo de sua curva de potência, ou curva característica. Esta consiste no gráfico da potência versus lambda, queé a velocidade específica na ponta da pá, ou o coeficiente de potência versus lambda, sendo o primeiro a razão entre a potência mecânica gerada no eixo do aerogerador e a potência eólica (fluxo de energia cinética).Uma forma de se comparar o desempenho real de um determinado aerogerador com o desempenho previsto ...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.