123Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401123123ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Turbinas eólicas con esquema de realimentación congurable para mínimo impacto ambiental y máxima ecienciaRecibido (21/03/22 ) Aceptado (10/04/22) Resumen: El presente trabajo consta de un estudio de conguraciones de turbinas eólicas, analizando su eciencia y planteando etapas de optimización para las tecnologías de conversión de energía eólica. Lo que ha permitido establecer un modelo recongurable de turbinas adaptativas, bajo los criterios de mínimo impacto ambiental sobre la fauna, máxima eciencia energética y actualización dinámica a las nuevas tecnologías. El método consistió en la identicación de los parámetros del sistema eólico, su análisis y generalización de la arquitectura. Se obtuvo un conjunto de variables de optimización, que permitieron proponer técnicas innovadoras, para la adaptación del modelo congurable del sistema. El modelo desarrollado aporta una base para identicación de parámetros, diagnóstico en línea, etapas de optimización congurables sobre las turbinas eólicas instaladas, mejora la eciencia, remediación ambiental y regeneración de las condiciones de patrón de ujo y variables ambientales óptimas del sistema, además de reciclaje programado en la etapa de actualización tecnológicaPalabras Clave: Turbinas Eólicas, Optimización Dinámica, Sistemas Recongurables, Regeneración Ambiental.Wind Turbine with Congurable Feedback Scheme for Minimal Environmental Impact and Maximum Efciency Abstract: This work consists of a study of wind turbine congurations, analyzing their efciency and proposing optimization stages for wind energy conversion technologies. This has made it possible to establish a recongurable model of adaptive turbines, under the criteria of minimum environmental impact on fauna, maximum energy efciency and dynamic updating to new technologies. The method consisted in the identication of the parameters of the wind system, its analysis and generalization of the architecture. A set of optimization variables was obtained, which allowed proposing innovative techniques for adapting the congurable model of the system. The developed model provides a basis for the identication of parameters, online diagnosis, congurable optimization stages on the installed wind turbines, improves efciency, environmental remediation and regeneration of the ow pattern conditions and optimal environmental variables of the system, as well as recycling. programmed in the technological update stage.Keywords: Wind Turbines, Dynamic Optimization, Recongurable Systems, Environmental Regeneration.Sandoval Ruiz Cecilia EFacultad de Ingeniería, Instituto de Matemática y Cálculo Aplicado, Universidad de Carabobo, cesandova@gmail.comhttp://orcid.org/0000-0001-5980-292XValencia, Venezuelahttps://doi.org/10.47460/uct.v26i113.578
124Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401124124ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821I.INTRODUCCIÓNEn el campo de la energía eólica, [1] ha presentado un informe centrado en el desmantelamiento y reciclaje de las turbinas, donde se mencionan como últimas ten-dencias: la repotenciación y extensión del ciclo de vida de los equipos. Así mismo, [2] presenta una revisión del potencial para la recuperación de componentes. Lo que evidencia una necesidad de migración hacia sistemas recongurables, en el marco de las tecnologías emer-gentes y soluciones sostenibles, en todas las etapas de la industria eólica, a n de disminuir su impacto am-biental. En [3] se ha desarrollado un modelo de optimización basado en arquitectura LFSR (Linear Feedback Shift Register), interpretado como una unidad multi-etapa de bloques discretos de energía con realimentación lineal. La extensión del modelado ha sido considerado, en esta investigación, para aplicar la reconguración dinámi-ca de la estructura, adaptación de los coecientes del polinomio modelador, diagnóstico remoto y análisis de fallas.En este orden de ideas se plantea un sistema eólico con esquema de realimentación congurable, que com-prende el análisis del patrón de ujo de viento (laminar, turbulento), como un elemento de entrada al convertidor (ujo axial, radial o composición toroidal), toda vez que el efecto aguas debajo de los álabes pueda ser mitigado por el esquema de realimentación de energía residual: cinética, mecánica, térmica, eléctrica de la turbina.Por todo lo anterior, es de interés establecer la com-patibilidad entre el modelo de los sistemas eólicos, con conceptos de sistemas de potencia denidos por softwa-re y eólica cognitiva, para la conguración dinámica de los convertidores, en relación a las condiciones ambien-tales y patrones de viento. De manera tal de establecer la adaptación del sistema recongurable, basados en estructuras inteligentes. Lo que hace oportuno consi-derar técnicas de lazo en hardware y gemelos digitales [4], a través de dispositivos electrónicos conectados al sistema para su reconocimiento, cálculo y ajuste de pa-rámetros de interés en el modelo, que logren proveer al sistema de la adaptabilidad requerida.En [5] se presenta el diseño de un control para siste-mas recongurables, aplicable a las investigaciones en modelado de turbinas eólicas [6] y en el presente estu-dio aborda una nueva técnica de modelado para turbinas eólica recongurables – TER, donde se plantea el análi-sis de aportes de los módulos del sistema. Partiendo de la interpretación de bloques de energía en las turbinas eólicas, concepto que se extrapola al sistema eólico.Entre los módulos de optimización concatenados se consideran concentradores, acoplamientos mecánicos, módulos de direccionamiento, mecanismo de plegado, sistema de protección ambiental (fauna aérea), con-guración de álabes y adaptación de parámetros: altura, radio, perl aerodinámico, inclinación, ángulo de pitch, conguración del eje, patrón de ujo, alineación entre turbinas, etapa de almacenamiento y realimentación de energía. Así como una etapa de remediación ambiental, a partir del ltrado y regeneración dinámica del patrón de ujo de viento. Todo esto a través de una plataforma de actualización y reutilización de componentes, en tur-binas recongurables, así como los nuevos elementos que surjan de los avances cientícos en el área. De esta manera, tenemos que un aporte fundamental de la investigación es la estructura de concatenación de elementos del sistema eólico, a través de teoremas, ope-radores iterativos [7], aplicados al modelo matemático de las partes componentes, a n de establecer la rela-ción descriptiva con el sistema físico. Los componentes paralelos del esquema LFSR procesan la señal de entra-da, cada rama del arreglo corresponde a un módulo de optimización, donde destacan el concentrador de perl eólico, convertidor, mecanismos de protección de fau-na, soportes de levitación magnética – MagLev.Para el estudio del sistema se deben considerar téc-nicas de optimización en modelado de parques eólicos [8], [9], la interacción [10], modulación de patrón de ujo de viento y efecto de realimentación entre turbinas alineadas y sistemas de almacenamiento de energía de fuentes renovables [11] para realimentación en régimen permanente, lo que permite evidenciar la necesidad de modelos para sistemas compuestos, que en esta investi-gación se aborda como un arreglo eólico con estructura fractal LFSR.El objetivo de la investigación es denir un méto-do de modelado por correlación estructural, a través de ecuaciones descriptivas, basadas en la arquitectu-ra LFSR, considerando el desplazamiento de bloques discretos de energía y realimentación de energía, para las turbinas y componentes del sistema eólico, a n de soportar la conguración sobre hardware y la optimi-zación dinámica de la eciencia energética del sistema.Las técnicas de mitigación propuestas en esta inves-tigación para disminución del impacto ambiental de las turbinas eólicas, consta de tres ejes: (i) conservación de la fauna, mediante rejillas de protección, instalación mí-nimamente invasivas en los ecosistemas y regeneración de las condiciones del régimen de ujo de viento aguas abajo del arreglo eólico, así como control de vibracio-nes y ruido ambiental, inspirados en los mecanismos de vuelo de las aves nativa (ii) maximización de la e-ciencia energética del convertidor, a través de técnicas de optimización dinámicas, ajustadas a las condiciones
125Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401125125ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación Congurableambientales y temperatura, a n de hallar el mayor co-eciente de transferencia de energía cinética al meca-nismo y minimizar pérdidas de conversión del sistema eólico y (iii) reconguración modular de las etapas y componentes funcionales de las turbinas, para extender su vida útil, recuperar componentes y actualizarlos a nuevas tecnologías, así como el diagnóstico remoto del sistema para su inspección en tiempo real, adaptación y mantenimiento oportuno de los mecanismos.II.DESARROLLOA. Estudio de componentes del Sistema Eólico Congurable. El modelo planteado aplica procesamiento con-currente, a partir del rango de comportamiento lineal donde se superponen los efectos de la optimización de cada módulo, con el propósito de simplicar el proceso de identicación del sistema / conguración dinámica de parámetros sobre hardware en el FPGA optimizador, acoplando/desacoplando módulos de forma selectiva. Se busca el equilibrio entre el aporte de cada compo-nente, en la etapa inicial por componentes linealmente independientes, seguido de la entonación (sintonización na) del conjunto, a n de validar la conguración óp-tima del convertidor y conguración del arreglo cola-borativo.En la Figura 1 se plantea el esquema de modelado por etapas, se denen los módulos a estudiar (a través de un decodicador de habilitación) y se selecciona el método de estimación de coecientes del sistema, a tra-vés de una red neuronal articial – ANN. Para ello, se pueden establecer ganancias óptimas de acuerdo a da-tos conocidos de módulos especícos y habilitar etapas para su análisis, conguración dinámica y optimización de eciencia, ciclo rotores de geometría fractal Fibo-nacci por movimiento helicoidal, maximizar ganancia cinética y restablecimiento de condiciones óptimas del uido (en turbinas eólicas o turbinas marinas), aplican-do coecientes adaptativos para el modelo de congu-ración del hardware, considerando movimiento toroidal entre álabes congurables, turbinas sin hélices (sumi-deros de presión en espacio vacío central) accionadas por el vector de empuje, sistemas cerrados accionados por inducción, para interacción mínima con el entorno.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Figura 1. Esquema Conceptual de Eólica Recongurable
126Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401126126ISSN 2542-3401/ 1316-4821El decodicador permite habilitar el modo de con-guración de cada etapa o subred modeladora y los co-ecientes especícos del polinomio descriptor, con el propósito de simplicación. Finalmente, durante la eta-pa de operación se pueden integrar módulos en simultá-neo, para un ajuste complementario de las variables de control. Las salidas del optimizador son las señales de conguración de los módulos diseñados para optimiza-ción del arreglo eólico.Si bien la tecnología eólica congurable no está am-pliamente desarrollada, el modelado de etapas parame-trizables permitirá registrar el impacto de cada uno de los cambios en la conguración sobre el rendimiento total del sistema, con lo que se pueden reemplazar com-ponentes de ciertas etapas y optimizar de forma modu-lar el esquema diseñado del arreglo de convertidores eólicos. Para soportar posibles cambios, reemplazos y partes intercambiables como concentradores de perl de viento, elementos aerodinámicos, tecnología de so-portes, álabes y accesorios en las estructuras, se plantea el modelado dinámico de la planta y su optimización in situ. Actualmente existe un gran avance en el modela-do de álabes para turbinas así como muchos diseños de aerogeneradores (AG) que convierten la energía mecá-nica a eléctrica con una gran eciencia, a través del con-trol de pérdidas por fricción en el eje de acoplamiento, siendo de interés el estudio de nuevas tecnologías como rodamientos de levitación magnética (MagLev), los cuales pueden inuir considerablemente en la eciencia total de la máquina. B. Estrategia de Optimización con Tecnología FPGALa integración de tecnologías de alto costo compu-tacional representa un reto para los sistemas eólicos, donde se plantea la conguración del esquema de con-trol y optimización, a través de tecnología FPGA, para la extensión del concepto de hardware recongurable, hasta los componentes del arreglo eólico. De esta for-ma, se puede recongurar la arquitectura del modelo para aplicaciones de control y optimización (Ver Tabla 1), aplicando algoritmos adaptativos para el cálculo de coecientes dinámicos, a través de métodos de estima-ción por aproximaciones sucesivas, gradiente descen-diente, diferencias nitas, entre otros. De forma tal que los cambios en el sistema eólico puedan ser seguidos por el modelo matemático para la identicación de sis-temas, diagnóstico de condiciones por comparación con los parámetros de diseño del modelo, optimización y reconguración dinámica.Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Tabla 1. Aplicaciones del Modelo LFSR-ANN sobre FPGAConfiguración Parcial Dinámica del Dispositivo FPGA Configuración Dinámica del Mecanismo de la Turbina Eólica Etapa previa Parámetros variables Arquitectura Dinámica Aplicación Configuración Dinámica, Optimización, Repotenciación ↑Del Modelo al Sistema Concentrador LFSRC JÁLABES JEJE Coeficientes adaptativos Radio Acoplamiento Coef. Modelo Regulador Nro. álabes Soporte Nro. de ramas del LFSR Doble Flujo Axial/Radial Altura Posición Fibonacci Galois Geometría Diseño Modelo Modelo ↓ Del Sistema al Modelo Identificación de Sistema, Diagnóstico por modelo Algoritmo Adaptativo Parámetros físicos del mecanismo de la Turbina Eólica wi <= wi(t-1) + ∙e(t); calculando e(t) <= Tm(t) – Td(t) En [12] se denió una red neuronal fractal, entre sus principales ventajas se tiene la exibilidad para modelar sistemas compuestos, a través de subredes. Ahora bien, un aspecto importante consiste en denir una función de transferencia que permita establecer la relación entre variables físicas, siendo esto uno de los aportes del pre-sente trabajo, especícamente en el caso de las turbinas eólicas. Haciendo una consideración de la realimenta-ción de energía potencial al sistema. El modelo permite así denir sistemas de control de paso y velocidad va-riable, para adaptar el desempeño de la turbina eólica.En este trabajo se presenta el desarrollo de las ecua-ciones de soporte de operación LFSR, estableciendo la descripción la dinámica del proceso de conversión eólica. Así mismo, se propone un algoritmo de estima-ción de coecientes adaptativos orientado a hardware, al cual se le pueden incluir variantes especícas para los módulos de optimización de los sistemas eólicos, desde un planteamiento de etapas funcionales, con estructu-ra fractal, a n de aprovechar la auto-similitud entre el esquema de control, optimización, las estructuras del mecanismo y sus componentes, desde una interpreta-ción de cada parámetro, para simplicar las técnicas de optimización dinámica del recurso eólico, de manera de establecer la conguración más eciente según las condiciones ambientales y la carga del sistema, su co-
127Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401127127ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821rrespondencia en el modelo desarrollado, desde el nivel de osciladores acoplados [13], hasta los avances en tur-binas eólicas (Ver Tabla 2).Tabla 2. Técnicas de Optimización y Conceptos de Tecnologías Eólicas EstudiadasConceptos Adaptados Innovación Tecnológica Aporte en Criterios Ambientales Materiales y Estructuras Reconfigurables Control activo de flujo Estudio de perfiles basados en ecuaciones de variables físicas (viscosidad dinámica, cantidad de movimiento lineal) y métodos de volúmenes finitos [14]. Reutilización de materiales de los álabes de las turbinas. Regeneración del patrón de flujo de viento aguas bajo de la turbina. Concentradores de flujo Técnicas de turbina eólica aumentada por conductos [15], en lentes de viento recta, curvada y generadores de vórtice. Mejoras de eficiencia a través de estructuras cerradas para protección. Turbinas Híbridas Sist. Regenerativos Mecanismo de accionamiento mecánico: eólico - neumático (aire comprimido CAES) al eje de la turbina híbrida [16]. Almacenamiento por aire comprimido, con mínimo impacto ambiental. Turbinas doble rotor Turbinas secuenciales con etapas en contragiro, para anular el efecto entre si y obtener una salida de flujo laminar. Turbina externa crea un sumidero eólico. Turbina Interna que aprovecha los vórtices. Turbinas Concatenadas Etapa modular exterior Rotor de álabes interno Protección a las aves. Turbinas Bi-Rotor Eólica - Mareomotriz Bi-Rotor Mareomotriz Turbinas Reconfigurables Impresión 3D de componentes, parámetros configurables Modelo LFSR-Eólico [3] Turbinas Realimentadas LFSR de etapas secuenciales de la turbina. Tobera (Magnética o Wind Lens) – Turbina Eólica y Compresor realimentado. Se plantea el acoplamiento de los ejes para obtener las etapas de forma directa. Sistema de Realimentación de la turbina Modelos LFSR eólico-solar [2] Tobera - Turbina - Compresor. Eje de compresión para realimentación lineal de aire comprimido a la entrada de la tobera de la turbina multi-etapa Cometas Eólicas Turbinas eólicas flotantes (BAT dirigibles) Menor huella de carbono, no requieren cimientos de concreto, ni transporte de piezas. Configuración de la altura de la turbina eólica Son móviles y de simple implementación. No degrada el hábitat y no representa riesgo para las aves. Convertidores no rotativo Configuración inercial Resonancia de frecuencia, piezoeléctrico y vórtices [17] Balance de fuerzas inerciales, elásticas y aerodinámicas. Teoría de osciladores acoplados y conversión por resonancia aeroelástica. Turbinas Fractales Aplicación de concepto Fibonacci del LFSR Turbinas tipo tornillo [18] Co-generación eólica MPPT para control de asignación de carga Wind – Solar. Turbinas que aprovechan la convección por diferencia de temperatura [19]. Eólica / Aero-térmica Recuperación de calor ambiental. Lentes Eólicos Wind Lens, Turbinas con concentradores de flujo, las cuales alcanzan altos coeficientes de potencia [20-21] Concentrador por lentes de potencial eólico, aplicado por etapas LFSR. Turbinas Alineadas Realimentación en cada esquema bi-estable. Recuperación de energía cinética Turbinas direccionales HAWT/VAWT Modelo de Anillos de Vórtices, sin control de ángulo. Configuración geométrica de Flujo Toroidal por composición de flujo Radial/Axial incidente. Menos pérdidas de energía cinética, recirculación de flujo de viento, concepto de turbina regenerativa. C. Control Adaptativo y Optimización basados en ModeloEn [22] se aplican redes neuronales de tercera gene-ración SNN (Spiking Neural Network) a sistemas eóli-cos, en atención a las limitaciones de las redes MPL – Multiple Perceptron Layer y requerimientos del cálculo del número de capas y neuronas óptimo. Por otra parte, la aplicación de redes profundas para extraer caracte-rísticas con diferentes niveles de abstracción presenta desvanecimiento del gradiente, en relación al número de capas de la red neuronal, según se explica en [23], por lo son necesarios nuevos métodos y conceptos de modelado de sistemas eólicos, para alcanzar reducir los costos de actualización y desarrollo de las energía ver-des.Se deberá establecer los criterios de optimización, en base a una mejora del rendimiento del sistema, para alcanzar la eciencia óptima. A esta propuesta se pro-pone incorporar un observador de referencia, en base a comportamiento de elementos naturales, que permitan establecer los modelos de optimización (equilibrando todos los componentes), así como una conguración parcial de la arquitectura dinámica y parámetros del sis-tema, en relación a la matriz de hardware.El estudio de tecnologías (Ver Tabla 3) los perles aerodinámicos, los ángulos óptimos, posiciones del arreglo colaborativo de turbinas y elementos de con-versión eólica, modulación eólica por geometría fractal de los álabes y distribución pueden ser modelados de forma dinámica, a través de los coecientes de congu-ración, siempre que se disponga de los datos para el en-trenamiento, manejando el nivel de abstracción y pro-fundidad lógica de la red neuronal, para modelos con manejo de diversos niveles de abstracción.
128Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401128128ISSN 2542-3401/ 1316-4821Tabla 3. Adaptación de Tecnologías para maximizar la eciencia del convertidor eólicoSanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821TecnologíasPrincipioDescripcióndelapropuestadeinnovaciónTurbinasEólicasMarinasFlotantes(ondas)Mov.deolasΔHverticalColumnadeaireBi-rotorflujoaxialverticalgeneradoSeaprovechaeldiferencialdealturaΔHypresiónΔPparacrearunflujoverticalparalaturbinaControl LFSR de aproximaciones sucesivas de variable ángulos óptimosControldeángulogóndolaLasvariablesdeángulosseregistranenelLFSRdecontrolw=f(α)Ánguloα:mbits(MSB)góndola(LSB)pitch,seaproximandeMSBaLSBenLFSRyobservaP(KW)óptimayajustaα=f-1(w).ControldeángulopitchControldeánguloconcentradorSeevalúaelmodeloconrespectoaunafunciónobjetivodepotenciaylasrestriccionesestablecidasdevariablesambientales.Control MPPT para Almacenamiento intermedio (cambio UC x Energía Potencial elástica)MPPTconUCinercialAlgoritmoMPPTparacargarundispositivodealmacenamientoosistemaCAESyluegoacoplarelcircuitodecargaeléctrica.PWMtorque–potencia(KW)EnergíaCinéticaóptima(Ec.Conservacióndeenergía)Energíaregenerativaporalmacenamientomecánicoenpotencialelástico:Cilindroneumático(pistón),volantedeinercia,resorte.TurbinaHAWT-VAWTTurbinadeejeconfigurableConfiguracióndelpatróndeflujoAxial/Radial.III.METODOLOGÍAEl método de modelado se basa en la identicar la relación de parámetros físicos, ujo de energía y mo-delo neuronal, en una tabla de correspondencia entre los coecientes de conguración y habilitadores de ac-cionamiento, para el manejo selectivo de los módulos optimizadores y capas de la ANN, en el cálculo de los parámetros del modelo.Se inicia por la identicación de parámetros recon-gurables y análisis de eciencia de las turbinas de eje Horizontal HAWT / Vertical VAWT.-Se propone una red neuronal multicapa LFSR (LSTM) de aprendizaje profundo como técnica de iden-ticación del sistema, correlación del modelo y paráme-tros adaptativos.-Se plantea la correspondencia de parámetros para la identicación y análisis de fallas, de forma dinámica, a n de simplicar los procedimientos de inspección, diagnóstico y mantenimiento en línea del arreglo de tur-binas.-Se ha considerado una técnica de optimización con-catenada y diseño de turbinas recongurables de alta eciencia y bajo impacto ambiental.oLa estructura de etapas secuenciales: álabes planos y álabes cóncavos.oRelación Fibonacci en la distribución (distancia óptima) entre las turbinas de un arreglo de turbinas del parque eólico.oRegulador de ujo de entrada con escotillas de se-guridad para la protección de la fauna aérea. oDiseño de álabes livianos y exibles (cuerdas, se-mi-estructurado), para la conversión de energía por re-sonancia programable, entre la frecuencia de oscilación y la estructura.oComposición del arreglo binario (turbinas concate-nadas y turbinas alineadas).-Se plantea la reconguración de la masa (inercia) del mecanismo, a través de técnicas de conguración por campo magnético. Se considera el efecto aguas de-bajo de las turbinas, sobre el modelo del patrón de ujo de viento. En primer lugar, se inicia por el estudio de las etapas mecánica y eléctrica, analizando la interacción dinámi-ca de los bloques discretos de energía, en los elementos aerodinámicos de conversión, a n de establecer una relación de ganancia por elemento, etapas secuenciales y realimentación entre la etapa nal del convertidor y la inicial, donde se tiene un esquema que coincide con la arquitectura LFSR generalizada. Así se establece la relación de la señal de entrada de viento incidente y la salida de par mecánico en el eje de la turbina, expresada en (1). (1)Entre las alternativas de estimación de los coecien-tes de correlación se tiene ANN-Fractal, diferencias nitas [24]. A partir del modelo se pueden considerar técnicas de control de cargas. Control del rotor: Álabe telescópico, control del álabe: alerón, control de ángu-lo pitch individual. Solapa del álabe. Álabe adaptativo, control de torque, para ello se considera la denición de la arquitectura de la turbina, se plantea el diseño bajo el mismo modelo para las piezas funcionales, eje, álabes, soportes. La ecuación modeladora (1) ha sido reescrita en término de las etapas: eólica, mecánica y eléctrica del sistema eólico, para denir un conjunto de criterios de optimización de las turbinas recongurables, basa-das en el modelo matemático LFSR (Ver Tabla 4).=∗∗+∗−1
129Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401129129ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableTabla 4. Criterios de Diseño del Sistema Eólico Modelado por ANN-LFSRUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Modelado ANN Modelo: ()= ∑=1∙∑=1(∑∙()+(−1))+(−1)=1 +(−1) Variables del Optimizador: wk óptimo ángulo wind configuración wind lens, concentrador, modulador, tobera magnética. wj óptimo ángulo α (LSB) wi óptimo ángulo α (MSB) Criterios de Diseño Minimizar el Impacto Ambiental del Convertidor Elementos de protección, tales como rejillas de turbulencia. Se plantean rejillas piezoeléctricas y estructuras geométricas inteligentes, para conformación del patrón de flujo óptimo. Modelo de los sistemas físicos para análisis de interacción de los convertidores con las aves. Delimitación de la turbina para no causar impacto sobre la fauna que circula en los espacios naturales intervenidos. Mantenimiento preventivo por diagnóstico con ANN, reciclaje de álabes programado por software. Regeneración de flujo eólico aguas abajo del parque de aerogeneradores. Técnicas de filtrado de aire. Sistemas aero-térmicos, recuperación y control de índice de energía térmica disipada. Maximizar la eficiencia del arreglo eólico Control activo de flujo eólico (toberas magnéticas, wind lens). Modulación Eólica (nuevo concepto de geometría fractal, concatenación de LFSR de convertidores). Control de Pérdidas, técnicas de control de soportes con levitación magnética activos Realimentación de energía (Almacenamiento de energía eólica, CAES-Mecánica, Eléctrica). Reconfiguración del equipo Índice de Reconfiguración de partes del equipo > 80% basada en parámetros hardware del modelo. El soporte de la turbina eólica, donde se pueden considerar desde cometas eólicas (otantes), arreglos funcionales de captadores no rotacionales (materiales livianos y exibles), conversión piezoeléctrica de vibra-ción por presión de aire y posicionamiento dinámico, aplicando posicionador de inclinación y altura (exten-sión telescópica). De manera de denir una matriz de componentes modulares y elementos funcionales con-gurables, a partir de un modelo básico para la auto-or-ganización, basada en el modelo.En la Tabla 5 se observa la coincidencia a los di-versos niveles de abstracción del sistema. En el modu-lador eólico se encuentran elementos coincidentes con el convertidor, los soportes de ejes o discos (caso de eje vacío), acoplamientos magnéticos y perles aerodi-námicos. Para esto se enfoca el análisis de osciladores acoplados, interpretado bajo el enfoque de arquitectura LFSR: ganancias paralelas, elementos de almacena-miento entre etapas y realimentación lineal, resaltando la versatilidad de estudiar los álabes no como estruc-turas rígidas, sino como elementos exibles: cuerdas, membranas, donde se pueda incluir una conversión por diferencia de potencial.
130Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401130130ISSN 2542-3401/ 1316-4821Tabla 5. Niveles de Abstracción del Sistema EólicoTabla 6. Parámetros de la ANN Modeladora de la Turbina * Datos de la salida de potencia de la turbina obtenidos de la herramienta explorador de sistemas eólicos [25]. Los datos de entrada en entrenamiento de la MPL han sido normalizados. Cálculo de la Potencia de Viento por unidad de área. Expresión Matemática de la ANN:y(t)=0.76Sigm(-0.7(0.57*x(t)-0.73)+1.01(1.86*x(t)+0.83)-0.71)-1.84Sig-Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Coeficiente de Ganancia Descripción Realimentación Osciladores Acoplados: En las estructuras (álabes, ejes) se puede considerar la interacción de fuerzas sobre una partícula discreta. m∙k Elementos flexibles acoplados Potencial Elástico Entrada Elementos del Modelo Mecánico – Etapas LFSR Coef. Descripción Optimización Flujo de viento2 m Masa Centro de Inercia del eje k Acoplamiento Acoplamientos dinámicos / Etapas Operador Registro Sumador Balance de Fuerzas del Modelo de Osciladores Acoplados Masa-Muelle m ∙ a k ∙ x FG =∑∙+=1∑−∙(−1)=1 Interpretación mecánica1 Transmisión de. Energía Cinética Almacenen E. Potencial Fuerza Resultante =∑∙()∙+=1∑−∙(−1) =1 Energía Cuántica: Spines de energía orbitando respecto a un núcleo. QW Unidades discretas de energía Energía Residual Turbina Eólica de Flujo Axial, Radial o Toroidal: Corresponde al mecanismo del eje y álabes para aprovechamiento del flujo incidente. Ci Álabes de Captación Energía Cinética Kg Acoplamientos magnéticos F.E.M. KCAES Entropía Aire Comprimido KT Gradiente Térmico Energía Térmica KUC Ultra-Condensadores Energía Almacenada Arreglo Eólico: Cada turbina tiene una función que define la ganancia y el arreglo establece la interacción entre turbinas de acuerdo a la Alineación del diseño, con realimentación de flujo de viento. Ti Torque mecánico convertido Energía Eólica IV.RESULTADOSA. Caso de Estudio. Modelado LFSR-ANN de Turbinas EólicasTurbina Eólica Comercial de las siguientes caracte-rísticas: Diámetro 116.00 m y Potencia 5000 KW (para velocidad de viento > 12 m/s y densidad de aire referen-cia de 1.225 Kg/m3). Datos de la ubicación selecciona-da para el ensayo: Densidad de aire (ρ) 1.21 Kg/m3 y rango de velocidad de viento de 2.50 a 8.60 m/s. En la Tabla 6 se tiene el modelo de la turbina de eje horizontal con el generador eléctrico. Entrenamiento de la ANN Modeladora de Turbina1 Etapas MEC-ELE Convergencia del Entrenamiento de la ANN Capa Oculta 1 (Mec) Capa Oculta 2 (Eléctrica) Capa Salida 2 N Identidad 2 N Sigmoide 1 N Identidad Pesos Umbral Pesos C.O.2 Umbral Pesos C.S 0.57 1.86 -0.73 0.83 -0.7 1.01 -1.12 -2.12 -0.71 0.55 0.76 -1.84 Umbral 1.74 Resultados del entrenamiento gradiente descendiente Error 0.0108 -- cálculo VHDL de salida neurona X capa ocultaY: NXCOY <= w * ent_vv - umbral;
131Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401131131ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación Congurablem((-1.12(0.57*x(t)-0.73)- 2.12(1.86*x(t)+0.83)+0.55))+1.74 Tabla 7.A. Cálculo de Torque Mecánico como señal intermedia Tabla 7.B. Matriz de correlación de funciones con la ANN Modeladora de la etapa de conversión mecánica Tm. * Se resalta el Implicante del módulo de concentración sobre la etapa mecánica de la Turbina, es decir, el efecto del coeciente w_conc sobre el mecanismo de conversión.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Para el modelado de la etapa mecánica, se parte de los datos estimados para el cálculo de torque mecánico como señal de entrenamiento (target de la etapa mecá-nica), a n de establecer las relaciones con las variables de control físicas, como se presenta en la (Tabla 7).=1232 → =1232, =1.21 Kg/m33.1458.00 m2.50 a 8.60 m/sφ0.26V/rad/sKG23.31CP0.44J118.35 Kg m2F0.025 N m/rad/s0.21x106Nma 1.61 x106 NmEtapa OPT.ANN Modeladora del Mecanismo Turbina Capa Oculta Lineal –Capa Salida LinealwOPYwÁlabesuÁlabeswEjeuEjeSalida: TmwCONC.F(1, α1, τ1)F(, hf)F(Lm1)F(β)Modelo ConversorEléctricowMAGLEVF(2, α2, τ2)F(, hf)F(Lm2)wMPPTF(3, α3, τ3)F(, hf)F(Lm3)Donde v es la constante de viscosidad cinemática, α ángulo de pitch de cada álabe, τ esfuerzo cortante, v viscosidad absoluta, hf pérdidas por fricción, Lm mo-mento de inercia, β ángulo de góndola. Los acoplamien-tos entre el eje y los soportes son función de la etapa de optimización de soportes MegLev y la etapa MPPT para optimización de variables eléctricas. En [3] se es-pecica la selección del tipo de red por etapa, número de neuronas según los elementos mecánicos-eléctricos del conjunto, con el objetivo de establecer una tiene una ANN modeladora del mecanismo eje-turbina, donde se logra simplicar el procedimiento de estimación de coecientes y optimizar la complejidad computacional en la etapa de optimización reentrenando unicamente la subred sobre la cual se aplica el módulo de optimiza-ción. Se puede aplicar experimentos compuestos, para establecer una base de fallas y análisis estadístico de varianza para identicar la signicancia de cada factor (coecientes del polinomio modelador), a través de tér-minos independiente, (interación o por coecientes cua-dráticos, para otros esquemas de modelado).B. Análisis de Fallas de la Turbina a partir del modelo.El modelo permitirá la inspección dinámica del sis-tema a partir de la estimación de coecientes (modo identicación de sistema), comparando con los valores de diseño (Tabla 8). Una variación de los parámetros de diseño, puede ser aplicado para el diagnóstico, en relación al coeciente alterado por debajo del valor del modelo, así un valor menor corresponde a desgaste y por encima se interpretará como una condición anormal que genera recalentamiento.
132Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401132132ISSN 2542-3401/ 1316-4821Tabla 8. Análisis de Fallos por Coecientes del Modelo*Ante una condición de desbalance en el rodete, se requiere realizar ajustes del conjunto, corrección de fricción, soportes, inspección de descansos, etc.Tabla 9. Estructuras de Realimentación Consideradas para el modelo optimizador de los Convertidores de Energía EólicaSanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Análisis/ParámetroValordelCoeficienteTipo de Falla DetectadaFALLADIAGNÓSTICOMANTENIMIENTOModeloActualHIPOVALORHIPERVALORDGDesgaste de perfil de álabesInspección para reemplazoCondicionesAisladasdelmodelo:DGDAACFSDADesacoplado de trasmisiónAcoplado y AjusteswÁLABES30.280.21 ↓●ACAcumulación de materialLimpieza e InspecciónwEJE1.251.28 ↑●FSFalla de SoportesCorregir alineamientoAlgoritmo de detección y aislamiento de fallas del sistema: Ifw_idsist_álabe> w_diseño_álabethen: Rutina de Ajustes Mecánicos;Ifw_idsist_álabe<w_diseño_álabethen:RutinaporReemplazoxDesgasteElse:Pruebasdelógicayensayosdecampo;Endif;En [26] se presenta un algoritmo de detección de fa-llos, a partir de señales medidas, en este caso se propone a partir del modelo por comparación de coecientes y en el caso de los componentes modelados por polinomios característicos LFSR, en lugar de coecientes escalares, se deberá descomponer el análisis a los coecientes del polinomio. De esta manera, se pueden aislar fallas por análisis de componentes principales [27], especícas a partir de los rangos de desviación de los coecientes respecto al valor de diseño. Esto aporta una herramienta de inspección a través del modelo.C.Optimización Dinámica de Turbinas Eólicas por Esquemas de Realimentación Congurables.Un primer elemento para la optimización del sistema eólico corresponde a las estructuras de realimentación y los coecientes de los habilitadores de estos elementos en la ecuación modeladora, tal como se presentan en la descripción de la Tabla 9.ÁlabesdelaturbinaRealimentacióndeflujodevientoalmacenadoenlascámarasoregistrosentreálabesv(t-1)ModuladordepatrónRecirculacióndeflujodeviento,pormodulacióndepatróndeflujotoroidalAnillodevórticestoroidalUnaturbinadeanillosgeneradoresdepatróndeflujotoroidal(anillosdevórtices),externaquegenereunsumideroparaconcentrarelpatróndeflujohacialaturbinainterna.“elflujopoloidaldelvórticedisminuyelafricciónentreelnúcleoyelfluidoestacionariocircundante,loquelepermiterecorrerunagrandistanciaconunapérdidarelativamentepequeñademasayenergíacinética”,mejoralaeficienciaconrespectoaunflujodireccional.Recirculacióndeflujo.Sepuedengenerarentreunflujoamayorvelocidadqueunflujoestacionario.ParqueEólicoRealimentacióndeflujodevientoentreturbinasdelparqueeólico>15%enVAWT[10].Regeneracióndelpatróndeflujoaguasabajoparaproteccióndelasavesyminimizarelimpactoambientaldelaturbina.LíneaneumáticaRealimentacióndeflujodeairecomprimidoalaentradadelaturbinaVolantedeInerciaRealimentacióndetorquealmacenadoenvolantedeinercia(Lm).CAES–motorneumáticoRealimentacióndetorquedelsistemadeairecomprimidoporejedelaturbinaCAES–compresoreléctricoRealimentacióndetorquedelsistemadeairecomprimidoporpotenciaeléctricaRecuperadoresdecalorRealimentacióndecalorregenerativodelsistemadeconversióneólica(sistemaaero-térmico)CeldasdecombustibleProduccióndeH+verdeBateríaselectroquímicasrecargablesdeHidrógeno.Captacióndemoléculassuspendidasenelaire,filtradoyreaccionescatalíticasparadescomponerHidrógeno(H+)yobtencióndeconsumiblesparaceldasdecombustibles.Regeneracióndecalidaddelacomposiciónquímicadelaireparamejorarlascondicionesambientalesyseguridad.Se considera el efecto de cada coeciente de opti-mización sobre el modelo. Los coecientes de optimi-zación están relacionados con los pesos de la red mode-ladora para: (1) los elementos captadores (wÁLABES) para el caso del concentrador y (2) el acoplamiento de la turbina (wEJE). De esta manera, ante la posibilidad de
133Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401133133ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821optimización de la etapa mecánica, se activa el módu-lo optimizador, se ajusta el target de potencia de salida P, se calcula el par Tm, se estiman los coecientes del modelo de la planta y se ajustan las variables de control.En relación a los habilitadores de las etapas congu-raciones, se propone una matriz de ensayos (presentada en la Tabla 10) para caracterización del arreglo eólico, de forma de realizar un conjunto de medición de aporte de eciencia para cada una de los módulos de optimiza-ción, sus combinaciones y concatenación de las opcio-nes sobre el efecto total, para la locación de arreglo de eólico objeto de estudio. A través de los habilitadores, se pueden desacoplar las etapas del sistema, para el es-tudio de una función especíca, a n de obtener los co-ecientes de cada módulo de optimización del modelo.Tabla 10. Matriz de Conguración Dinámica y Esquema del Sistema Eólico.Optimización Relación de Eficiencia (wOPT) Diseño Conceptual del Esquema de Realimentación Reconfigurable Configuración NO convencional Traslación (libre) Muestreo de la calidad de aire, análisis de componentes en PPM del aire Medición de la temperatura, control de disipación de calor ambiental. Medición de campo electromagnético y efectos de F.E.M. Estudio del régimen / patrón de flujo de viento aguas abajo. Medición de Energías en las variables ambientales de entrada – salida. Etapa de Recuperación de Subproductos. Filtrado y descomposición de moléculas de componentes que alteran la composición del aire. Etapa de Recuperación de Energía Residual o Cinética, regeneración del patrón de flujo de viento aguas debajo de la turbina para disminuir el impacto sobre la trayectoria de vuelo de las aves. o Potencial, recuperación de energía almacenada en los elementos de inercia del sistema eólico. o Térmica, recuperadores de calor regenerativo para la regeneración de la temperatura ambiental. Etapa de Regeneración por conversión inversa del efecto de la turbina Etapa de Realimentación para reciclaje de recursos, energía, y componentes Traslación sobre órbita Traslación - Rotación Rotación Fractal Péndulo oscilante (osciladores acoplados) Fijo – Vibración Configuración Rotatoria (por eje) VAWT HAWT Savonius Orientado a Barlovento Giromill Darrieus Orientado a Sotavento Darrieus - Savonius Bipala Panémona Tripala Esférico Multipala Altura Rango Curva de H (wHmin - wHmáx) Configuración de álabes (aerodinámica) Replegables Bordes Dientes de Sierra Espiral Fibonacci Soportes Configurables LM Pasivo LM Híbrido LM Activo Nuevas tecnologías Generador Adaptativo CC (Inducción EM) AC síncrono AC asíncrono MPPT Configuración Eléctrica Δ Presión Realimentación entre captadores Arreglo TER Turbinas colaborativas Calor residual Recuperación de calor regenerativo CAES Realimentación aire comprimido Se han denido circuitos independientes en cada etapa de energía, esto con el objetivo de restablecer las señales y disminuir las pérdidas de conversión de los mecanismos, así mismo se busca proteger a la fauna en la interacción con los convertidor, a través de alterna-tivas de desacoplado inteligente de etapas del sistema, para mantener una rango seguro de operación (adap-tándose de forma eciente a los cambios de velocidad del viento, los ujos de aire turbulento y perturbación de la corriente de viento aguas abajo), en la etapa eóli-ca-neumática, de conversión de presión, cambio del eje de rotación de la turbina, a favor de prevenir colisiones con aves [28], turbinas sin hélices y motor neumático de accionamiento. Así mismo, se consideran los conver-tidores no rotativos, donde el ujo de viento es trans-formado en una variable alternativa, bajo principios de uido-dinámica, coecientes aerodinámicos, resonan-cia aeroelástica; parámetros electromagnéticos, electró-nicos y termodinámicos, bloques discretos de energía, mecánica cuántica y orbitales en relación a un núcleo o eje de conversión (Ver Tabla 11), a n de disminuir las pérdidas en los ejes y rodamientos, estableciendo una tecnología similar a los principios de la tecnología solar fotovoltaicos [29-30].
134Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401134134ISSN 2542-3401/ 1316-4821Tabla 11. Correlación de etapas de la Arquitectura LFSR1 Modelo del viento. Sea ρ la densidad del medio (aire), V es el volumen del cilindro de radio r y altura vΔt., que conforma el rotor de la turbina. Rcil es la resistencia del cilindro está dada por Rcil= 2πρv2r2 (para el concentrador cónico eólico). 2 Captadores del recurso eólico: Modelo Convencional: La potencia del viento por unidad de área en función de la velocidad está descrita por P = A 1/2 ρv3, siendo P[W] la potencia que atraviesa el área A[m2], ρ [kg/m3] la densidad del aire, y v[m/s] la velocidad del viento. Modelado por osciladores acoplados (French, 1974) para extender el alcance a diversos diseños. Cámaras entre álabes área (A) ci(π2r) y 3 Eje de la turbina modelado por elementos nitos. 4 Secuencia Inductiva. 5 Diferencia de Potencial entre elementos por la Fuerza Electromo-triz.Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821RecursoNaturalFlujodeentradaElementosdeconversióndelModeloLFSROperador(*)EtapasSumadorSolarPVFotonesÓrbitas(spin)CapasPVNúcleodeátomosEólico1Viento(v)2álabesωi:coef.conversiónCámaradealmacenamiento.3Eje:Discretoporacoplamiento.Gen.EMCinética4Bobinas(L)5EjeEstatorSe plantea el ajuste de parámetros como la inercia del montaje, viscosidad cinemática y dinámica, apli-cando principios de uido-dinámica, para mejorar la eciencia del convertidor. La incorporación de tecno-logía de levitación magnética [31] es soportada por el modelo y disminuye procedimientos de lubricación, mantenimiento y desgaste de componentes rotativos. La inspección remota con tecnologías emergentes [32-34], todas las técnicas de optimización y reciclaje so-portadas sobre tecnologías sostenibles [35] y modelos matemáticos [7].Finalmente, se dene una expresión del modelo con discontinuidad que representa la conversión y régimen de carga del sistema de almacenamiento , lo que permite independizar la salida convertida de las condiciones climáticas, con lo que se simplica el es-quema de control de las variables mecánicas. Un aporte importante es el modelado ANN-LFSR del concepto de almacenamiento continúo y régimen de conversión. De esta manera, se logra un sistema autónomo con control y amplias ventajas, para denir en detalle el sistema y etapas de optimización, con una función objetivo de mi-nimizar el impacto ambiental y maximizar la eciencia del arreglo eólico congurable, a partir de combinación de componentes.V.CONCLUSIONESGracias al estudio de las tecnologías de aerogene-radores y análisis de parámetros desde un enfoque de esquema realimentado, se ha logrado desarrollar un modelo de convertidores eólicos congurables, sobre el cual se pueden establecer las funciones de (i) mini-mización del impacto ambiental, a partir de modelo fí-sico de sistemas complejos de alineación en el vuelo de las aves, remediación e incorporación de elementos pasivos, rejillas de protección para la fauna aérea, y (ii) maximización de la eciencia, considerando coecien-tes uido-dinámicos en la transferencia de energía ci-nética al convertidor y control de pérdidas mecánicas y térmicas. Así como lentes eólicas para aumentar la pro-ducción de energía y regeneración de ujo, soporte por modelo ANN para la denición 3D de la geometría del concentrador de ujo de aire y la propuesta de etapas adaptativas; modulador / concentrador / regenerador de ujo eólico, así como la alineación congurable del arreglo de convertidores. Dada la capacidad instalada en tecnología eólica se-gún estimaciones de [36], resulta fundamental desarro-llar soluciones tecnológicas de modelos reciclables, lo que comprende desarrollos en el área de la estructura química de los materiales componentes e impresión 3D de estructuras por software con acoplamientos magné-ticos inteligentes. Se plantea el análisis de los esfuer-zos cortantes y rango de velocidad de deformación dv/dy en el diseño de álabes, para extender su vida útil y la conceptualización de etapas discretas de wind lens, turbina multi-etapa, multiplexores de acoplamiento di-námico entre etapas del modelo LFSR, ante el compor-tamiento dinámico se presenta el modelo adaptativo, con los coecientes calculados en el sitio (algoritmo adaptativo sobre hardware), para optimizar la respuesta del sistema eólico.
135Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401135135ISSN 2542-3401/ 1316-4821Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Igualmente, se ha propuesto el modulador de ujo toroidal en sistemas eólicos compuestos por estructu-ras concatenadas, tecnología de turbinas híbridas con-catenadas, alineadas y elementos moduladores de ujo eólico, lo cual es novedoso en esta área de estudios. Se estudian sistemas de convertidores no convencionales: sistemas planetarios con catenarias magnéticas de guías de inductores móviles desplazados por energía eólica, así como convertidores no rotatorios, como son siste-mas pendulares, por vibración, resonantes, vórtices y piezoeléctricos y etapa de compresión de aire por aco-plamiento de eje para realimentación de energía. Otro aspecto, corresponde al reciclaje de componen-tes, basados en el modelo matemático desarrollado y la conguración adaptativa de las etapas y componentes, según las condiciones de viento incidente al arreglo eó-lico, acoplado de concentradores, ltros regenerativos, elementos de levitación magnética. Lo que se combina con el soporte de optimización dinámica [3], análisis de fallas [37], diagnóstico de turbinas a través de modelo, vehículos aéreos no tripulados (drones) de inspección técnica y monitoreo de variables ambientales, para mi-nimizar el impacto ambiental del sistema eólico.Se aporta un modelo físico interpretado, como una construcción teórica de sistemas complejos, para turbi-nas eólicas HAWT/VAWT, lo que permite congurar la estructura mecánica y los parámetros asociados. A par-tir de ejes de optimización en base a control de ujo activo para maximizar eciencia y minimizar impacto ambiental por cambios en las trayectorias y patrones de ujo a la salida del arreglo eólico, control óptimo, con-trol neuro-difuso [38] y seguimiento del punto de máxi-ma potencia MPPT para la etapa de torque mecánico Tm y potencia, estudio de régimen de almacenamiento inteligente y realimentación programable, arquitectura de estructuras otantes sobre supercie oceánica, para optimizar carga, exibilidad del sistema y aislación e-ciente, implementando para conversión eólica la técnica de columnas de aire que permita obtener mayor poten-cia convertida en el cambio de dirección del eje, geo-metría y tecnología del rotor congurable, a través de ujo inducido por estructuras dinámicas, moduladores de ujo y diferencial de altura, presión y control activo de ujo-eólico. REFERENCIAS[1]WindEurope Sustainability – Cec – EuCIA. “Acce-lerating Wind Turbine Blade Circularity”. 2020 [2]C.Psomopoulos, K. Kalkanis, S. Kaminaris, G. Ioan-nidis, & P. Pachos. “A Review of the Potential for the Recovery of Wind Turbine Blade Waste Materials”. Recycling, vol. 4, no. 1, pp. 7. 2019 https://www.mdpi.com/2313-4321/4/1/7[3]C. Sandoval-Ruiz, “LFSR Optimization Model ba-sed on the Adaptive Coefcients method for ERNC Recongurable Systems”. Ingeniare, vol. 29, no. 4, pp. 743-766, 2021[4]B. Bossou, M., Lagrioui, et. al. “Observer backs-tepping control of DFIG-Generators for wind turbines variable-speed: FPGA-based implementation”. Re-newable Energy, vol. 81, pp. 903-917. 2015.[5]H. Sun, C. Qiu, L. Lu, X. Gao, J. Chen, & H. Yang. “Wind turbine power modelling and optimization using articial neural network with wind eld experimental data”. Applied Energy, vol. 280, 115880. 2020.[6]C. Sandoval-Ruiz. “Fractal Mathematical over Ex-tended Finite Fields Fp[x]/(f(x))”. Proyecciones Journal of Mathematics, vol. 40, no. 3, pp. 731-742. 2021. doi.org/10.22199/isnn.0717-6279-4322.[7]C. Sandoval-Ruiz “LFSR-Fractal ANN Model applied in R-IEDs for Smart Energy”. IEEE Latin Ame-rica Transactions, vol. 18, no. 4, pp. 677-686. 2020. ht-tps://doi.org/10.1109/TLA.2020.9082210 [8]C. Sandoval-Ruiz, “Quantum architecture: Oscila-dores acoplados, dinámica y ERNC”, Perspectiva, vol. 1, no. 19, pp. 86-99. 2022. Disponible en [on line] ht-tps://www.produccioncienticaluz.org/index.php/pers-pectiva/article/view/38184[9]K. Prasad, V. Kumar, G. Swaminathan, & G. Loga-nathan. “Computational investigation and design opti-mization of a duct augmented wind turbine (DAWT)”. Materials Today: Proceedings, vol. 22, pp. 1186-1191. 2020. https://doi.org/10.1016/j.matpr.2019.12.116[10]H. Jang, D. Kim, Y. Hwang, I. Paek, S. Kim, & J. Baek. “Analysis of Archimedes Spiral Wind Turbi-ne Performance by Simulation and Field Test”. Ener-gies, vol. 12, no. 24, pp. 4624. 2019. https:// dx.doi.org/10.3390/en12244624[11]N. Keramat, G.Naja, T. Tavakkoli, B. Ghobadian, & E. Mahmoodi. “Mathematical modeling of a horizon-tal axis shrouded wind turbine”. Renewable Energy, vol. 146, pp. 856–866. 2020. https://dx.doi.org/10.1016/j.re-nene.2019.07.022[12]G. Richmond-Navarro, P. Casanova-Treto, & F. Hernández-Castro. “Efecto de un difusor tipo wind lens en ujo turbulento”. Uniciencia, 35(2), 1-18. 2021.[13] Universidad de Chile. “Explorador Eólico”. 2021. http://ernc.dgf.uchile.cl:48080/inicio.[14]C. Sandoval-Ruiz. “Smart systems for the protec-tion of ecosystems, ora and fauna”. Universidad Cien-
136Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-3401136136ISSN 2542-3401/ 1316-4821cia y Tecnología, vol. 25, no. 110, pp, 138-154. 2021.[15]C. Sandoval-Ruiz. “Arreglos Fotovoltaicos Inte-ligentes con Modelo LFSR-Recongurable”. Revista Ingeniería, vol. 30, no. 2, pp. 32-61. 2020. https://doi.org/10.15517/ri.v30i2.39484.Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821