Redes neuronales para mejorar el rendimiento de las turbinas eólicas
Una investigación de la Escuela de Ingeniería de Vitoria-Gasteiz de la Universidad del País Vasco (UPV) ha empleado redes neuronales convolucionales para predecir características del flujo de aire en los perfiles aerodinámicos de aerogeneradores de gran potencia. Con ello ha demostrado que los dispositivos de control de flujo pueden ser estudiados mediante estas redes neuronales, con errores aceptables y una reducción del tiempo computacional en cuatro órdenes de magnitud. El estudio ha sido publicado por Scientific Reports de Nature.
La energía eólica es una importante fuente de generación de electricidad. Con el fin de mejorar el rendimiento de los aerogeneradores, se implementan dispositivos de control de flujo en los perfiles aerodinámicos, para mejorar la eficiencia aerodinámica de los rotores de los aerogeneradores: “Así, con el mismo aerogenerador se pueden producir más megavatios, el coste del megavatio hora se reduce, y eso trasladado, por ejemplo, a una turbina eólica situada en el mar resulta que el coste de implementación es ínfimo, pero la mejora aerodinámica puede rondar hasta en un 8 o 10%”, explica Unai Fernández Gámiz, profesor del Departamento de Ingeniería Nuclear y Mecánica de Fluidos de la UPV/EHU.