Wave energy forecast using soft computing techniques for control

Jorge Manuel Marques Silva

Key information

Authors:

Jorge Manuel Marques Silva (Jorge Manuel Marques Silva)

Supervisors:

Susana Margarida da Silva Vieira (Susana Margarida da Silva Vieira); Duarte Pedro Mata de Oliveira Valério (Duarte Pedro Mata de Oliveira Valério); João Carlos de Campos Henriques (João Carlos de Campos Henriques)

Published in

01/17/2024

Abstract

Devido aos impactos negativos dos combustíveis fósseis, há um interesse crescente em fontes de energia renovável. As ondas do mar são um recurso promissor e podem contribuir para o fornecimento de energia limpa. A coluna de água oscilante (CAO) é provavelmente o conversor de energia das ondas mais fiável. Para ser economicamente viável, o desempenho do sistema de conversão de energia — uma turbina de ar acoplada a um gerador elétrico — deve ser maximizado. A maioria das estratégias de controlo concentra-se no desempenho da turbina e não do gerador. Assim, para aumentar a energia fornecida à rede foram propostas duas estratégias: controlo por modelo inverso fuzzy otimizado por algoritmos genéticos (GA-FIMC) e controlo preditivo baseado em modelo (MPC) usando previsão de pressão do ar. Para avaliar a previsão, três algoritmos foram testados com dados reais: least-squares support vector machines (LS-SVM), e modelos autorregressivo (AR) e autorregressivo de média móvel (ARMA). A central de energia das ondas do Mutriku (Espanha) foi estudada para avaliar as estratégias que visaram maximizar a potência média (turbina ou gerador) de uma CAO equipada com a turbina bi-radial. Os modelos mostraram erros de previsão semelhantes, entre 8% e 25% para horizontes de 1 a 3 segundos. Os modelos regressivos exigiram menor esforço computacional, portanto, o simples modelo AR foi escolhido para MPC. Em comparação com a estratégia de referência baseline, ambas as abordagens melhoraram apenas ligeiramente a potência média da turbina, mas quanto à potência média anual do gerador, GA-FIMC e MPC (com previsão a 16 segundos) forneceram melhorias de 9% e 8%, respetivamente. A energia do gerador é o produto final, sendo mais importante para as empresas de distribuição de energia. Em última análise, GA-FIMC demonstrou ser a melhor opção, pois aproveitou melhor a energia do gerador e ofereceu uma resposta mais suave, comparando com MPC. Due to the negative impacts of fossil fuels, there is a growing interest in renewable energy sources. Ocean waves are a promising resource and can significantly contribute to the clean energy supply. The oscillating water column (OWC) is probably the most reliable wave energy converter. To be economically viable, the performance of the power take-off system — an air turbine coupled to an electrical generator — must be maximized. Most control strategies focus on the performance of the turbine rather than the generator. Therefore, to enhance electrical energy delivered to the grid, two strategies were proposed: a genetic algorithm-optimized fuzzy inverse model control (GA-FIMC) and a model predictive control (MPC) using short-term air pressure prediction. To assess prediction accuracy, three algorithms were tested with real data: least-squares support vector machines (LS-SVM), autoregressive (AR) and autoregressive moving average (ARMA) models. The Mutriku wave power plant (Spain) was case-studied for evaluating the control approaches, which focused on maximizing average power (turbine or generator) from an OWC equipped with the innovative biradial turbine. The forecasting models showed similar prediction errors ranging from 8%–25% for horizons of 1–3 seconds. Regressive models were more cost-effective in computational effort, so the simpler AR model was chosen for MPC. Compared to a reference baseline strategy, both control approaches only slightly improved average turbine power, but as for yearly-accumulated generator power, GA-FIMC and MPC (with a 16-second forecast) provided improvements of 9% and 8%, respectively. Generator power is the end product, thus more important for energy industry stakeholders, such as utility companies. Ultimately, the GA-FIMC demonstrated to be the best option for the Mutriku OWC power plant, as it best exploited generator power and provided a smoother response compared to MPC.