Usando redes neurais generativas para representar geometrias de turbinas eólicas verticais com winglets

• Processo: 25/01697-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2026
• Área de conhecimento: Engenharias - Engenharia Mecânica
• Pesquisador responsável: Gabriel Bertacco dos Santos
• Beneficiário: João Pedro Vendrame Spagnuolo
• Instituição Sede: Faculdade de Engenharia (FEIS). Universidade Estadual Paulista (UNESP). Campus de Ilha Solteira. Ilha Solteira , SP, Brasil
• Assunto(s): Energia eólica
• Palavra(s)-Chave do Pesquisador: Energia Eólica | Parametrização geométrica | Rede adversária generativa | Redes neurais adversária generativas

Resumo

Diante da urgência da transição energética global, as turbinas eólicas de eixo vertical, principalmente as turbina Darrieus, surgem como uma alternativa interessante para geração de energia eólica sobre plataformas flutuantes em alto¿mar. No entanto, a viabilidade desta aplicação ainda encontra desafios, principalmente devido ao baixo desempenho aerodinâmico das turbinas Darrieus quando comparado às tradicionais turbinas eólicas de eixo horizontal. Para melhorar o desempenho das turbinas Darrieus, estudos de otimização aerodinâmica podem ser utilizados para indicar geometrias de pá específicas para esta aplicação. Em particular, a adoção de winglets pode reduzir o desprendimento de vórtices de ponta de pá e, consequentemente, a interação entre pá e esteira do escoamento, melhorando o desempenho aerodinâmico das turbinas Darrieus. No entanto, para incorporar winglets no processo de otimização, a parametrização geométrica deve ser capaz de representar o espaço de geometrias possíveis de forma robusta, o que não ocorre naturalmente ao se escolher uma parametrização baseada em parâmetros geométricos comuns, como o raio e o ângulo de curvatura da winglet. Neste caso, diferentes valores dos parâmetros geométricos de entrada produzem geometrias semelhantes ou mesmo idênticas, o que pode confundir o algoritmo de otimização, retardando ou até mesmo inviabilizando o processo de otimização. Como alternativa, redes adversárias generativas podem ser utilizadas para aprender um espaço latente que forneça uma representação compacta e ortogonal do espaço amostral. Assim, as variáveis latentes podem ser utilizadas como proxies no processo de otimização, facilitando a busca por soluções otimizadas em um processo de otimização amplo. Neste contexto, este projeto propõe desenvolver uma metodologia para o uso de redes adversárias generativas na parametrização de geometrias de pás de turbinas Darrieus com winglets.