Micrositing d'un parc eòlic marí flotant
Visualitza/Obre
Memòria_TFG_MarcGiróAguilar.pdf (2,851Mb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/375392
Correu electrònic de l'autormarcgiroaggmail.com
Tutor / directorLópez Paricio, Roque
Tipus de documentTreball Final de Grau
Data2022-06-30
Condicions d'accésAccés restringit per acord de confidencialitat
(embargat fins 2027-06-15)
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Aquest treball es realitza amb l’objectiu d’assolir un escenari viable en la col·locació de turbines en un parc eòlic marí flotant a Gran Canària (layout), emprant un algorisme d’optimització matemàtic i posteriorment comparant el resultat amb un altre. Per fer-ho s’ha utilitzat l’algorisme genètic i s’ha emprat com a eina de programació el Matlab. Finalment la col·locació de les turbines utilitzant l’algorisme genètic ha resultat en un valor del LCOE de 69,38 €/MWh. Comparant-lo amb el cas base que es tracta d’una col·locació tradicional de turbines, el qual resulta amb un valor del LCOE de 74,38 €/MWh, l’algorisme proposat presenta una millora del 6,31 % respecte a aquest. Per altra banda, comparant el resultat obtingut amb l’algorisme implementat per l’IREC, en concret l’algorisme PSO, amb un valor del LCOE de 68,89€/MWh, es pot dir que l’algorisme PSO és un 0,65 % millor que l’algorisme genètic a l’hora d’optimitzar l’escenari d’estudi. També s’ha comprovat la viabilitat econòmica de la instal·lació, sent aquesta viable, ja que té un període de retorn de 9 anys. Per a pròxims estudis seria interessant realitzar un algorisme híbrid entre l’algorisme genètic i l’algorisme PSO per comprovar si milloren els resultats. Este trabajo se realiza con el objetivo de alcanzar un escenario viable en la colocación de turbinas en un parque eólico marino flotante en Gran Canaria (layout), empleando un algoritmo de optimización matemático y posteriormente comparando el resultado con el otro. Para ello se ha utilizado el algoritmo genético y se ha cogido como herramienta de programación Matlab. Finalmente, la colocación de las turbinas utilizando el algoritmo genético ha resultado en un valor del LCOE de 69,38 €/MWh. Comparándolo con el caso base, que se trata de una colocación tradicional de turbinas, que resulta con un valor del LCOE de 74,38 €/MWh, el algoritmo propuesto presenta una mejora del 6,31 % respecto al mismo. Por otro lado, comparando el resultado obtenido con el algoritmo implementado por IREC, en concreto el algoritmo PSO, con un valor del LCOE de 68,89 €/MWh, puede decirse que el algoritmo PSO es un 0,65 % mejor que el algoritmo genético a la hora de optimizar el escenario de estudio. También se ha comprobado la viabilidad económica de la instalación, siendo ésta viable ya que tiene un periodo de retorno de 9 años. Para próximos estudios sería interesante realizar un algoritmo híbrido entre el algoritmo genético y el algoritmo PSO para comprobar si mejoran los resultados. This work is carried out with the aim of achieving a viable scenario for the placement of turbines in a floating offshore wind farm in Gran Canaria (layout), using a mathematical optimization algorithm and then comparing the result with another. Genetic algorithm has been used to do this, and Matlab has been used as a programming tool. Finally, the placement of the turbines using the genetic algorithm has resulted in an LCOE value of € 69,38 / MWh. Comparing it with the base case which is a traditional turbine placement, which results in an LCOE value of € 74.38 / MWh, the proposed algorithm shows an improvement of 6,31 % over this one. On the other hand, comparing the result obtained with the algorithm implemented by IREC, specifically the PSO algorithm, with an LCOE value of 68.89 € / MWh, it can be said that the PSO algorithm is 0,65 % better than the genetic algorithm when it comes to optimizing the study scenario. Also the economic viability of the installation has been verified, being feasible as it has a return period of 9 years. For future studies, it would be interesting to perform a hybrid algorithm between the genetic algorithm and the PSO algorithm to see if the results improve.
MatèriesOffshore wind power plants, Wind turbines, Energia eòlica, Parcs eòlics, Parcs eòlics marins -- Disseny i construcció,, Aerogeneradors
TitulacióGRAU EN ENGINYERIA DE L'ENERGIA (Pla 2009)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Memòria_TFG_MarcGiróAguilar.pdf | 2,851Mb | Accés restringit |