ในการส่งเสริมวิทยาศาสตร์เพื่อความยั่งยืน วิศวกรได้แสดงวิธีที่กังหันสามารถทำงานร่วมกันเพื่อลดการตื่นขึ้นอย่างรวดเร็วและด้วยเหตุนี้จึงสร้างพลังงานมากขึ้น
อัลกอริธึมการควบคุมแบบใหม่สำหรับฟาร์มกังหันลมที่เปลี่ยนวิธีที่กังหันแต่ละตัวถูกปรับให้เข้ากับลมจะช่วยเพิ่มประสิทธิภาพโดยรวมของฟาร์มและผลผลิตพลังงานด้วยการเพิ่มประสิทธิภาพวิธีจัดการกับกระแสลมที่ปั่นป่วน
อัลกอริธึมซึ่งได้รับการทดสอบที่ฟาร์มกังหันลมเชิงพาณิชย์ในอินเดีย แต่นำไปใช้ได้ทุกที่ นำเสนอศักยภาพในการปรับปรุงฟาร์มกังหันลมที่มีอยู่โดยทันทีและไม่มีค่าใช้จ่าย นอกจากนี้ยังอาจช่วยให้สามารถสร้างฟาร์มกังหันลมได้ในพื้นที่ที่แน่นแฟ้นขึ้น ซึ่งจะเป็นการบีบพลังงานจากอสังหาริมทรัพย์ที่น้อยลง ซึ่งช่วยลดผลกระทบจากพลังงานลมจำนวนมาก
โดยรวมแล้ว ฟาร์มกังหันลมผลิตไฟฟ้าได้ประมาณ 380 พันล้านกิโลวัตต์-ชั่วโมงในแต่ละ ปีในสหรัฐอเมริกา หากฟาร์มกังหันลมของสหรัฐฯ ทุกแห่งใช้กลยุทธ์ใหม่และเห็นประสิทธิภาพเพิ่มขึ้นคล้ายกับที่พบในการศึกษาใหม่ จะเทียบเท่ากับการเพิ่มกังหันใหม่หลายร้อยตัวที่สามารถจ่ายไฟให้กับบ้านเรือนหลายแสนหลังให้กับโครงข่ายไฟฟ้าของประเทศได้ Caltech’s กล่าว John O. Dabiri (MS ’03, PhD ’05), Centennial Professor of Aeronautics and Mechanical Engineering และผู้เขียนอาวุโสของบทความเกี่ยวกับโครงการที่ตีพิมพ์โดยวารสาร Nature Energy เมื่อวันที่ 11 สิงหาคม
Dabiri กล่าวว่า “กังหันแต่ละเครื่องสร้างอากาศที่ไม่สม่ำเสมอหรือการปลุก ซึ่งส่งผลเสียต่อประสิทธิภาพของกังหันทุกตัวที่อยู่ใต้น้ำ” Dabiri กล่าว “เพื่อรับมือกับเรื่องนี้ กังหันลมฟาร์มกังหันลมมักจะถูกวางให้ห่างกันมากที่สุดเท่าที่จะเป็นไปได้ ซึ่งน่าเสียดายที่ใช้อสังหาริมทรัพย์เป็นจำนวนมาก”
หลังจากศึกษาปัญหามาหลายปี Dabiri และอดีตนักศึกษาระดับบัณฑิตศึกษา Michael F. Howland ผู้เขียนนำรายงาน Nature Energy และตอนนี้คือ Esther และ Harold E. Edgerton ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมโยธาและสิ่งแวดล้อมที่ MIT ได้พัฒนาอัลกอริทึมที่บังคับบุคคล กังหันลมจะหยุดทำเพื่อประโยชน์ของตนเองเท่านั้น กล่าวคือ เพิ่มการเข้าถึงลมให้สูงสุดโดยหันเข้าหาลมโดยตรง—และแทนที่จะทำประโยชน์มากขึ้นของการผลิตฟาร์มกังหันลม
การทดสอบและปรับแต่งอัลกอริธึมในโลกแห่งความเป็นจริงตลอดทั้งปีที่ดำเนินการในอินเดียตั้งแต่ปี 2563 ถึง พ.ศ. 2564 เกิดขึ้นได้โดย Varun Sivaram ซึ่งในขณะนั้นดำรงตำแหน่งประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของ ReNew Power บริษัทพลังงานหมุนเวียนที่ใหญ่ที่สุดของอินเดีย และ ซึ่งปัจจุบันเป็นที่ปรึกษาอาวุโสของ John Kerry ทูตพิเศษประธานาธิบดีสหรัฐฯ ด้าน Climate ในฐานะกรรมการผู้จัดการด้านพลังงานสะอาดและนวัตกรรม Sivaram ยังเป็นผู้เขียนร่วมใน กระดาษNature Energy
Sivaram ประทับใจกับการนำเสนอของ Dabiri ในปี 2017 ต่อคณะกรรมการบริษัทด้านพลังงานของแคนาดาเกี่ยวกับการใช้อัลกอริธึมเพื่อปรับปรุงประสิทธิภาพของฟาร์มกังหันลม เมื่อเขากลายเป็น CTO ของ ReNew Power ในปี 2018 Sivaram ได้ติดต่อเพื่อดูว่า Dabiri จะสนใจที่จะทำงานร่วมกันหรือไม่
“ฉันโทรหาจอห์นและถามว่าเราจะทำสิ่งนี้ได้ไหม และเขากล่าวว่า ‘ฉันมีนักศึกษาจบปริญญาที่ไม่ธรรมดาในตอนนี้ และฉันคิดว่านี่อาจเป็นโครงการที่สมบูรณ์แบบสำหรับพวกเราทุกคนที่จะจัดการ’”
ความสนใจของ Howland ในการควบคุมฟาร์มกังหันลมแบบกลุ่มเริ่มต้นขึ้นเมื่อเขาเป็นนักศึกษาระดับปริญญาตรีที่มหาวิทยาลัย Johns Hopkins ศึกษาฟิสิกส์ของการไหลของอากาศผ่านฟาร์มกังหันลม “ฉันสนใจที่จะพัฒนาแบบจำลองการคาดการณ์สำหรับฟาร์มกังหันลม ซึ่งสามารถนำไปใช้ในการปรับปรุงประสิทธิภาพได้” Howland กล่าว “แต่ราคาแพงอย่างเหลือเชื่อในแง่ของพลังประมวลผลในการจำลองฟิสิกส์เต็มรูปแบบของการไหลของบรรยากาศและฟาร์มกังหันลม”
ในระหว่างการวิจัยระดับปริญญาตรีของเขา Howland ได้สำรวจว่ามุมของกังหันไม่อยู่ในแนวเดียวกับลมทำให้เกิดผลกระทบอย่างมากต่อการปลุกอย่างไร
เพื่ออธิบายความสำคัญของการปรับเปลี่ยนดังกล่าว จะช่วยให้เข้าใจว่าไม่มีวิธีมากมายที่จะปรับแต่งประสิทธิภาพของกังหันลมได้อย่างง่ายดายโดยไม่ต้องติดตั้งฮาร์ดแวร์เพิ่มเติม ไม่ได้ออกแบบให้เอียงหรือมุมขึ้นและลงเปลี่ยนแปลงไป แต่สามารถหมุนไปด้านข้างเพื่อปรับการหันได้
“การศึกษาก่อนหน้านี้บางส่วนมุ่งเน้นไปที่การปรับเปลี่ยนแรงต้านที่เกิดจากการผลิตพลังงานของกังหัน” Howland กล่าว “การปล่อยให้ใบพัดหมุนอย่างอิสระมากขึ้นทำให้เกิดการปลุกที่เข้มข้นน้อยลง แต่กังหันที่มีการปรับเปลี่ยนการทำงานจะสร้างพลังงานน้อยลงเช่นกัน” ในทางกลับกัน การหันเหไม่ตรงแนวไม่เพียงลดความแรงของการตื่น แต่ยังเปลี่ยนเส้นทางผลกระทบที่ปลายน้ำ
หลังจากการศึกษาระดับปริญญาตรี Howland ได้ศึกษาระดับบัณฑิตศึกษากับ Dabiri ซึ่งตอนนั้นอยู่ที่มหาวิทยาลัยสแตนฟอร์ด ก่อนหน้านี้ Dabiri เคยทำงานที่ Caltech เพื่อศึกษาว่า ตำแหน่งของกังหันลมส่งผลต่อการส่งออกพลังงานอย่างไร ในปี 2019 Howland และ Dabiri ได้พัฒนาแบบจำลองคอมพิวเตอร์เพื่อพยายามปรับปรุงประสิทธิภาพของอาร์เรย์ที่เฉพาะเจาะจงของกังหันหกตัว จากนั้นทำการทดสอบสองสัปดาห์ที่อาร์เรย์เพื่อวัดประสิทธิภาพของกังหัน พวกเขาแสดงให้เห็นว่ากลยุทธ์การปฐมนิเทศทั่วทั้งฟาร์มซึ่งรวมถึงการหันเหไม่ตรงแนว สามารถปรับปรุงประสิทธิภาพโดยรวมได้ ปัญหาคือ พวกเขาได้ ปรับปรุง ประสิทธิภาพในฟาร์มนั้นจริง ๆ หรือไม่? หรือปรับปรุงให้ดีขึ้นบ้างเมื่อเทียบกับวิธีการควบคุมมาตรฐานอุตสาหกรรม?
เป็นไปไม่ได้ที่จะพูดโดยที่ไม่สามารถทดสอบกลยุทธ์ที่ไม่เหมาะสมที่เป็นไปได้ทั้งหมดและเลือกกลยุทธ์ที่ดีที่สุดได้โดยตรง ดังนั้น ทีมงานจึงมุ่งเน้นที่การพัฒนาแบบจำลองที่ได้รับการปรับปรุงโดยเฉพาะว่าการปรับมุมของกังหันลมส่งผลกระทบกับทั้งกังหันลมในแนวลมและประสิทธิภาพของกังหันที่ไม่ตรงแนวนั้นเป็นอย่างไร ที่สำคัญ ประสิทธิภาพของกังหันที่ไม่ตรงแนวนั้นขึ้นอยู่กับสภาวะลมในชั้นบรรยากาศที่ตกกระทบซึ่งไหลเข้าสู่ฟาร์ม การสร้างแบบจำลองผลกระทบร่วมของการปรับมุมและสภาพลมตกกระทบมีความสำคัญต่อการพัฒนาแบบจำลองที่แม่นยำซึ่งสามารถคาดการณ์กลยุทธ์การวางแนวฟาร์มที่ดีที่สุด
Howland อธิบาย “เนื่องจากผลกระทบจากคลื่นลมที่รุนแรงช่วยลดการผลิตพลังงานของกังหัน downwind ได้ “การสร้างแบบจำลองที่แม่นยำของพลังของกังหันที่หันเหไม่ตรงแนว ขึ้นอยู่กับกระแสลมในชั้นบรรยากาศ มักถูกมองข้ามในแบบจำลองที่ใช้สำหรับการเพิ่มประสิทธิภาพการควบคุมการไหลของฟาร์มกังหันลม นี่เป็นจุดเน้นสำหรับทั้งการพัฒนาแบบจำลองและการทดสอบการตรวจสอบของเรา”
จากการวิจัยดังกล่าว Howland, Dabiri และเพื่อนร่วมงานของพวกเขาได้พัฒนาอัลกอริธึมที่บังคับให้กังหันแต่ละตัว เริ่มต้นด้วยกังหันชั้นนำ ทำให้การหันเหของพวกมันไม่อยู่ในแนวเดียวกันสูงสุด 25 องศาเพื่อเพิ่มประสิทธิภาพโดยรวมของฟาร์มและส่งผลให้กำลังส่งออกสูงสุด
อัลกอริธึมใหม่สามารถปรับทิศทางของกังหันเพื่อเพิ่มผลผลิตโดยรวมของฟาร์มกังหันลมในอินเดียได้ระหว่าง 1 ถึง 3 เปอร์เซ็นต์ ทั้งนี้ขึ้นอยู่กับความเร็วของลม
“ไม่มีใครจำเป็นต้องสร้างหรือซื้ออะไรใหม่ๆ เพื่อเริ่มรับพลังจากฟาร์มกังหันลมในทันที” Dabiri กล่าว
อย่างไรก็ตาม ประโยชน์ที่แท้จริงคือ Howland และ Dabiri กล่าวว่ามีศักยภาพสำหรับอัลกอริธึมที่จะอนุญาตให้กังหันลมจัดกลุ่มใกล้กันมากขึ้นโดยจัดการกับปัญหาการปลุกอย่างแข็งขัน ไม่ว่าจะโดยการเพิ่มกังหันใหม่เข้าไประหว่างกังหันที่มีอยู่หรือโดยอนุญาตให้แผนการก่อสร้างในอนาคตบรรจุ กังหันมากขึ้นในแปลงที่ดินที่กำหนด
องค์ประกอบที่สำคัญที่สุดอย่างหนึ่งของอัลกอริธึมใหม่คือมีศักยภาพที่จะเป็นประโยชน์ได้ทุกที่ ตั้งแต่ฟาร์มกังหันลมนอกชายฝั่งในทะเลเหนือ ไปจนถึงฟาร์มกังหันลมที่กระจายอยู่ในทะเลทรายนอกเมืองปาล์มสปริงส์ รัฐแคลิฟอร์เนีย โดยทำนายกลยุทธ์ที่ดีที่สุดสำหรับ การปรับทิศทางการหมุนของกังหันแต่ละตัวไม่ตรงแนว “ไม่มีทางที่จะทำนายได้อย่างน่าเชื่อถือจนกระทั่งบทความนี้ มีเพียงการลองผิดลองถูกเท่านั้น” Dabiri กล่าว “ปัญหาคือ คุณไม่สามารถใช้เวลานานในการทดลองมากมายในฟาร์มกังหันลมที่มีภาระหน้าที่ในการผลิตพลังงานให้กับลูกค้า”
ในทางกลับกัน อัลกอริธึมของ Howland และ Dabiri ต้มไซต์ฟาร์มกังหันลมแต่ละแห่งให้เหลือเพียงพารามิเตอร์สำคัญสองสามตัวที่อธิบายทางคณิตศาสตร์ว่ากังหันจะสร้างขึ้นได้อย่างไร อัลกอริทึมจะคาดการณ์วิธีที่ดีที่สุดในการบรรเทาการตื่นนั้น ตัวอย่างเช่น ปัจจัยสำคัญประการหนึ่งคือฟาร์มกังหันลมอยู่เหนือพื้นดินหรืออยู่นอกชายฝั่ง เนื่องจากพื้นดินมีความต้านทานลมเสียดสีมากกว่าน้ำ และทำให้เกิดการตื่นขึ้นในระยะทางที่สั้นกว่า อัลกอริธึมนี้มีพื้นฐานมาจากฟิสิกส์ของการไหลของบรรยากาศและฟาร์มกังหันลม แต่จะใช้ประโยชน์จากข้อมูลฟาร์มกังหันลมในการดำเนินงานเพื่อเรียนรู้และปรับปรุงแบบจำลอง ซึ่งช่วยลดข้อผิดพลาดและความไม่แน่นอนในการคาดการณ์ได้อย่างมาก
องค์ประกอบสำคัญของโครงงานคือมันไม่ได้อยู่บนพื้นฐานของทฤษฎีเท่านั้น ค่อนข้างได้รับการทดสอบในโลกแห่งความเป็นจริงที่ฟาร์มกังหันลม ตามทิศทางของ Sivaram ReNew Power ลงทุนในหน่วย LiDAR (อุปกรณ์สแกนด้วยเลเซอร์) ที่วัดความเร็วลมและทิศทางที่ขึ้นกับความสูงในเหตุการณ์กระแสลมที่ส่งไปยังฟาร์มกังหันลม โดยนำเสนอข้อมูลที่ละเอียดซึ่งทำให้ Howland และ Dabiri สามารถปรับปรุงอัลกอริทึมได้ตามต้องการ . นอกจากนี้ ทีมวิศวกรยังก่อตั้งขึ้นในอินเดียและสเปนเพื่อร่วมมือกับ Howland และ Dabiri ในสหรัฐอเมริกา
“ในตอนท้าย ทุกคนตะลึงกับขนาดของความสำเร็จ นั่นคือ การปรับปรุงประสิทธิภาพที่ไม่มีค่าใช้จ่ายในแง่ของการลงทุนโครงสร้างพื้นฐานเพื่อให้บรรลุ” Sivaram กล่าว ReNew Power กำลังทำงานเพื่อขยายผลการวิจัยเพื่อปรับปรุงกองเรือกังหันลมที่เหลือ
ในขณะเดียวกัน ทีมงานวางแผนที่จะขยายการสาธิตภาคสนามเพื่อรับมือกับฟาร์มกังหันลมนอกชายฝั่ง ซึ่งนำเสนอความท้าทายและโอกาสใหม่ๆ
Dabiri กล่าวว่า “การปลุกมักจะยังคงอยู่ในระยะทางไกลกว่ามหาสมุทร ดังนั้นวิธีการใหม่เหล่านี้จึงมีความสำคัญมากยิ่งขึ้น” “ในขณะเดียวกัน ทรัพยากรลมนอกชายฝั่งก็มหัศจรรย์และยังไม่ได้ใช้ประโยชน์เป็นส่วนใหญ่ และเราสามารถออกแบบฟาร์มกังหันลมเหล่านั้นตั้งแต่ต้นโดยใช้แนวคิดเหล่านี้ ดังนั้นเราจึงไม่ถูกจำกัดด้วยรูปแบบกังหันลมที่มีอยู่ เช่นเดียวกับกรณีของฟาร์มกังหันลมที่มีอยู่บนบก”
การทดสอบอัลกอริธึมในโลกแห่งความเป็นจริงเกิดขึ้นได้ส่วนหนึ่งจากความพยายามของสำนักงานการถ่ายโอนเทคโนโลยีและหุ้นส่วนองค์กร (OTTCP) ของ Caltech ซึ่งช่วยให้วิศวกรในพาซาดีนาเจรจาความสัมพันธ์กับ ReNew Power ในอินเดียและ Siemens Gamesa Renewable Energy Innovation และเทคโนโลยีในประเทศสเปน (บริษัทที่ออกแบบกังหัน ReNew Power ดำเนินการ)
“การทำงานกับ OTTCP นั้นยอดเยี่ยมมาก” Sivaram กล่าว “สิ่งที่เราสร้างขึ้นนั้นเป็นข้อตกลงสามทวีปที่แปลกใหม่ซึ่งตอนนี้ฉันใช้เป็นแบบจำลอง”
Sivaram นั่งอยู่ในคณะกรรมการขับเคลื่อนของ Mission Innovation ซึ่งเป็นพันธมิตรด้านการวิจัยและพัฒนาระดับโลกที่ประกาศโดยประธานาธิบดี Barack Obama ในปี 2015 เพื่อจัดการกับการเปลี่ยนแปลงสภาพภูมิอากาศและทำให้พลังงานสะอาดมีราคาไม่แพงมาก
“นี่คือตัวอย่างที่เป็นจุดศูนย์กลางของฉันสำหรับวิธีที่เราต้องการทำความร่วมมือด้านการวิจัยและพัฒนาระหว่างประเทศ” Sivaram กล่าว “ถ้าเรามีหุ้นส่วนเช่นนี้อีกหลายร้อยคน เราจะเปลี่ยนโลก”
โปรเจ็กต์นี้ยังเป็นผลผลิตที่แท้จริงของการระบาดใหญ่ของโควิด-19 เนื่องจากวิศวกรจากสหรัฐอเมริกาและสเปนได้พบกันเพียงครั้งเดียว ณ งานเลี้ยงอาหารค่ำในเมืองแพซาดีนาที่จัดขึ้นในเดือนกุมภาพันธ์ 2020 เพื่อเริ่มต้นกิจการใหม่ของพวกเขา
“เราคิดว่าคงได้พบกันเป็นประจำเพื่อแบ่งปันบันทึกและหารือเกี่ยวกับแนวคิด” Dabiri กล่าว “โชคดีที่เราทุกคนสามารถปรับเปลี่ยนการทำงานผ่านการประชุมทางวิดีโอ โดยมีการประชุมออนไลน์หลายครั้งในแต่ละสัปดาห์ตลอดปี 2020, 2021 และ 2022”
บทความนี้มีชื่อว่า “การทำงานของฟาร์มกังหันลมแบบรวมตามแบบจำลองการคาดการณ์ช่วยเพิ่มการผลิตพลังงานในระดับสาธารณูปโภค” ผู้เขียนร่วม ได้แก่ Jesús Bas Quesada, Juan José Pena Martínez, Felipe Palou Larrañaga จาก Siemens Gamesa; และ Neeraj Yadav และ Jasvipul S. Chawla จาก ReNew Power Private Limited ในอินเดีย งานวิจัยนี้ได้รับทุนจาก National Science Foundation, Caltech, Stanford University, ReNew Power และ Siemens Gamesa
