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 CongurableUNIVERSIDAD, 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 recongurables, 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 reconguración dinámi-ca de la estructura, adaptación de los coecientes del polinomio modelador, diagnóstico remoto y análisis de fallas.En este orden de ideas se plantea un sistema eólico con esquema de realimentación congurable, 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 denidos por softwa-re y eólica cognitiva, para la conguración dinámica de los convertidores, en relación a las condiciones ambien-tales y patrones de viento. De manera tal de establecer la adaptación del sistema recongurable, 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 recongurables, 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 recongurables – 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, perl aerodinámico, inclinación, ángulo de pitch, conguración 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 recongurables, así como los nuevos elementos que surjan de los avances cientícos 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 perl 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 denir 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 conguración sobre hardware y la optimi-zación dinámica de la eciencia 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 Congurableambientales y temperatura, a n de hallar el mayor co-eciente de transferencia de energía cinética al meca-nismo y minimizar pérdidas de conversión del sistema eólico y (iii) reconguración 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 Congurable. 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 simplicar el proceso de identicación del sistema / conguración 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 conguración óp-tima del convertidor y conguración del arreglo cola-borativo.En la Figura 1 se plantea el esquema de modelado por etapas, se denen los módulos a estudiar (a través de un decodicador de habilitación) y se selecciona el método de estimación de coecientes del sistema, a tra-vés de una red neuronal articial – ANN. Para ello, se pueden establecer ganancias óptimas de acuerdo a da-tos conocidos de módulos especícos y habilitar etapas para su análisis, conguración dinámica y optimización de eciencia, 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 coecientes adaptativos para el modelo de congu-ración del hardware, considerando movimiento toroidal entre álabes congurables, 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 Recongurable 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 decodicador permite habilitar el modo de con-guración de cada etapa o subred modeladora y los co-ecientes especícos del polinomio descriptor, con el propósito de simplicación. 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 conguración de los módulos diseñados para optimiza-ción del arreglo eólico.Si bien la tecnología eólica congurable no está am-pliamente desarrollada, el modelado de etapas parame-trizables permitirá registrar el impacto de cada uno de los cambios en la conguración 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 perl 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 eciencia, 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 inuir considerablemente en la eciencia 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 conguración del esquema de con-trol y optimización, a través de tecnología FPGA, para la extensión del concepto de hardware recongurable, hasta los componentes del arreglo eólico. De esta for-ma, se puede recongurar la arquitectura del modelo para aplicaciones de control y optimización (Ver Tabla 1), aplicando algoritmos adaptativos para el cálculo de coecientes 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 identicación de sis-temas, diagnóstico de condiciones por comparación con los parámetros de diseño del modelo, optimización y reconguración dinámica.Sanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, 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 AplicaciónConfiguración Dinámica, Optimización, Repotenciación ↑Del Modelo al Sistema ConcentradorLFSRCJÁLABESJEJECoeficientes adaptativosRadioAcoplamientoCoef.ModeloReguladorNro. álabes SoporteNro. de ramas del LFSR Doble Flujo Axial/RadialAlturaPosiciónFibonacciGaloisGeometríaDiseñoModeloModelo↓ Del Sistema al Modelo Identificación de Sistema, Diagnóstico por modelo Algoritmo AdaptativoParámetros físicos del mecanismo de la Turbina Eólica wi <= wi(t-1) + ∙e(t); calculando e(t) <= Tm(t) –Td(t)En [12] se denió 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 denir una función de transferencia que permita establecer la relación entre variables físicas, siendo esto uno de los aportes del pre-sente trabajo, especícamente en el caso de las turbinas eólicas. Haciendo una consideración de la realimenta-ción de energía potencial al sistema. El modelo permite así denir 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 coecientes adaptativos orientado a hardware, al cual se le pueden incluir variantes especícas 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 simplicar las técnicas de optimización dinámica del recurso eólico, de manera de establecer la conguración más eciente 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 CongurableUNIVERSIDAD, 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 ReconfigurablesControl 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. TurbinasHíbridas Sist. RegenerativosMecanismo 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 ConcatenadasEtapa modular exterior Rotor de álabes internoProtección a las aves.Turbinas Bi-RotorEólica -MareomotrizBi-Rotor Mareomotriz Turbinas Reconfigurables Impresión 3D de componentes, parámetros configurables Modelo LFSR-Eólico[3]Turbinas RealimentadasLFSR 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-etapaCometas 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 eólicaMPPT para control de asignación de carga Wind –Solar.Turbinas que aprovechan la convección por diferencia de temperatura [19].Eólica / Aero-térmicaRecuperación 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 direccionalesHAWT/VAWTModelo 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 eciencia 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 conguración 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 perles 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 coecientes de congu-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 eciencia del convertidor eólicoSanadoval et al., Turbinas Eólicas con Esquema de Realimentación CongurableUNIVERSIDAD, 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 identicar la relación de parámetros físicos, ujo de energía y mo-delo neuronal, en una tabla de correspondencia entre los coecientes de conguración 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 identicación de parámetros recon-gurables y análisis de eciencia de las turbinas de eje Horizontal HAWT / Vertical VAWT.-Se propone una red neuronal multicapa LFSR (LSTM) de aprendizaje profundo como técnica de iden-ticación del sistema, correlación del modelo y paráme-tros adaptativos.-Se plantea la correspondencia de parámetros para la identicación y análisis de fallas, de forma dinámica, a n de simplicar 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 recongurables de alta eciencia 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 reconguración de la masa (inercia) del mecanismo, a través de técnicas de conguración 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 coecien-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 denición 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 denir un conjunto de criterios de optimización de las turbinas recongurables, 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 CongurableTabla 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:wkóptimo ángulo windconfiguración windlens, concentrador, modulador, tobera magnética. wjóptimo ángulo α (LSB)wióptimo 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 estructurasgeométricasinteligentes, 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 denir 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 perles 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 CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821Coeficientede Ganancia DescripciónRealimentaciónOsciladores Acoplados: En las estructuras (álabes, ejes) se puede considerar la interacción de fuerzas sobre una partícula discreta.m∙kElementos flexibles acopladosPotencial ElásticoEntradaElementos del Modelo Mecánico – Etapas LFSR Coef.DescripciónOptimización Flujo de viento2mMasaCentro de Inercia del eje kAcoplamientoAcoplamientos dinámicos/ EtapasOperadorRegistroSumadorBalance de Fuerzas del Modelo de Osciladores Acoplados Masa-Muellem ∙ ak ∙ x FG=∑∙+=1∑−∙(−1)=1Interpretación mecánica1Transmisión de.Energía Cinética AlmacenenE. PotencialFuerza Resultante=∑∙()∙+=1∑−∙(−1)=1Energía Cuántica: Spines de energía orbitando respecto a un núcleo.QWUnidades discretas de energíaEnergía ResidualTurbina Eólica de Flujo Axial, Radial o Toroidal: Corresponde al mecanismo del eje y álabes para aprovechamiento del flujo incidente. CiÁlabes de CaptaciónEnergía CinéticaKgAcoplamientos magnéticos F.E.M.KCAESEntropíaAire ComprimidoKTGradiente Térmico Energía TérmicaKUCUltra-CondensadoresEnergía AlmacenadaArreglo Eólico: Cada turbina tiene una función que define la ganancia y el arreglo establece la interacción entre turbinas de acuerdo a la Alineacióndel diseño, con realimentación de flujo de viento. TiTorque 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 Turbina1Etapas MEC-ELEConvergencia del Entrenamiento de la ANN Capa Oculta 1 (Mec)Capa Oculta 2 (Eléctrica)Capa Salida2 N Identidad2 N Sigmoide 1 N Identidad PesosUmbralPesos C.O.2UmbralPesos C.S0.571.86-0.73 0.83-0.7 1.01-1.12 -2.12-0.710.550.76 -1.84Umbral 1.74Resultados 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 Congurablem((-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 coeciente 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).=1232→=1232,=1.21 Kg/m33.1458.00m2.50 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-pecica 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 simplicar el procedimiento de estimación de coecientes 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 identicar la signicancia de cada factor (coecientes del polinomio modelador), a través de tér-minos independiente, (interación o por coecientes 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 coecientes (modo identicación 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 coeciente 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 Coecientes 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 CongurableUNIVERSIDAD, 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 coecientes y en el caso de los componentes modelados por polinomios característicos LFSR, en lugar de coecientes escalares, se deberá descomponer el análisis a los coecientes del polinomio. De esta manera, se pueden aislar fallas por análisis de componentes principales [27], especícas a partir de los rangos de desviación de los coecientes 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 Congurables.Un primer elemento para la optimización del sistema eólico corresponde a las estructuras de realimentación y los coecientes 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 coeciente de opti-mización sobre el modelo. Los coecientes 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 CongurableUNIVERSIDAD, 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 coecientes del modelo de la planta y se ajustan las variables de control.En relación a los habilitadores de las etapas congu-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 eciencia 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 especíca, a n de obtener los co-ecientes de cada módulo de optimización del modelo.Tabla 10. Matriz de Conguración Dinámica y Esquema del Sistema Eólico.OptimizaciónRelación de Eficiencia (wOPT)Diseño Conceptual del Esquema de Realimentación Reconfigurable Configuración NO convencionalTraslación (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 ResidualoCinética, regeneración del patrón de flujo de viento aguas debajo de la turbina para disminuir el impacto sobre la trayectoria de vuelo de las aves. oPotencial, recuperación de energía almacenada en los elementos de inercia del sistema eólico. oTérmica, 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 -RotaciónRotación Fractal Péndulo oscilante (osciladores acoplados) Fijo –VibraciónConfiguración Rotatoria(por eje) VAWTHAWTSavoniusOrientado a BarloventoGiromillDarrieusOrientado a SotaventoDarrieus -SavoniusBipalaPanémonaTripalaEsféricoMultipalaAltura Rango Curva de H (wHmin-wHmáx)Configuración de álabes (aerodinámica)ReplegablesBordes Dientes de Sierra Espiral Fibonacci Soportes ConfigurablesLMPasivoLM HíbridoLM Activo Nuevas tecnologías GeneradorAdaptativoCC (Inducción EM) AC síncrono AC asíncrono MPPTConfiguración Eléctrica Δ PresiónRealimentación entre captadores Arreglo TER Turbinas colaborativas Calor residual Recuperación de calor regenerativo CAESRealimentación aire comprimido Se han denido 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 eciente 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, coecientes 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 CongurableUNIVERSIDAD, 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 eciencia 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 dene 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 simplica 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 denir en detalle el sistema y etapas de optimización, con una función objetivo de mi-nimizar el impacto ambiental y maximizar la eciencia del arreglo eólico congurable, 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 congurables, 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 eciencia, considerando coecien-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 denición 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 congurable 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 coecientes 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 CongurableUNIVERSIDAD, 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 conguración 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 congurar la estructura mecánica y los parámetros asociados. A par-tir de ejes de optimización en base a control de ujo activo para maximizar eciencia 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 supercie 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 congurable, 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 – Cec – 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 Coefcients method for ERNC Recongurable 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 articial 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.produccioncienticaluz.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-Recongurable”. 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 CongurableUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 123-136)ISSN-e: 2542-3401, ISSN-p: 1316-4821