การเพิ่มประสิทธิภาพการผลิตพลังงานสะอาดจากลม ด้วยการออกแบบ ช่วยเพิ่มรายได้ และลดความต้องการที่ดินเพื่อผลิตพลังงานจากลม
Optimizing Design Results in Increased Revenue, Decreased Land Requirements
ปัญญาประดิษฐ์ของ NREL สร้างประโยชน์ต่ออุตสาหกรรมผลิตพลังงานสะอาดจากลม
อุตสาหกรรมผลิตพลังงานสะอาดจากลมอาจได้รับประโยชน์จากการใช้ปัญญาประดิษฐ์ (AI) ในการออกแบบโรงงานผลิตไฟฟ้าจากพลังงานลม อ้างอิงจากบทความใน Nature Energy ที่เขียนโดยนักวิจัยจากห้องปฏิบัติการพลังงานทดแทนแห่งชาติ (National Renewable Energy Laboratory – NREL) ของกระทรวงพลังงานสหรัฐ
นักวิจัยได้พัฒนา AI-based surrogate model ที่เรียกว่า Wind Plant Graph Neural Network (WPGNN) ซึ่งได้รับการฝึกฝนเกี่ยวกับการจำลองแผนผังโรงไฟฟ้าพลังงานลมที่สร้างขึ้นแบบสุ่มมากกว่า 250,000 รูปแบบ ภายใต้สภาพบรรยากาศ การออกแบบโรงงาน และการทำงานของกังหันต่างๆ ข้อมูลการจำลองถูกสร้างขึ้นโดยโมเดลอื่นที่พัฒนาโดย NREL นั่นคือเครื่องมือ FLOw Redirection and Induction in Steady State (FLORIS) จากนั้น AI ก็นำข้อมูลดังกล่าวมาพิจารณาการออกแบบโรงไฟฟ้าพลังงานลมที่เหมาะสมที่สุด AI อำนวยความสะดวกในการคำนวณแผนผังโรงงานในอุดมคติและการดำเนินงานเพื่อให้ได้ผลลัพธ์ที่แตกต่างกัน เช่น ลดความต้องการที่ดิน และเพิ่มรายได้
การวิจัยมุ่งเน้นไปที่กลยุทธ์ที่เรียกว่า Wake Steering ซึ่งจะปรับปริมาณพลังงานที่โรงงานสามารถผลิตได้อย่างเหมาะสมโดยการควบคุมการเริ่มต้นการเคลื่อนที่จาก upstream turbine ออกจาก downstream turbine
การใช้ AI ช่วยให้นักวิจัยสามารถระบุผลกระทบที่ Wake Steering จะมีต่อวัตถุประสงค์ที่แตกต่างกัน 3 ประการ ได้แก่ การใช้ที่ดิน ต้นทุน และรายได้
ก่อนหน้านี้คุณประโยชน์ของ Wake Steering ได้รับการแสดงให้เห็นแล้วในระดับโรงงาน แต่การศึกษาส่วนใหญ่ยังมีข้อจำกัดในด้านขนาดพื้นที่และอยู่ในช่วงของวัตถุประสงค์การปรับให้เหมาะสมที่พิจารณาอยู่ WPGNN ใช้โดยทีมงาน NREL นำเสนอปฏิกิริยาโต้ตอบ Wake Steering อย่างมีประสิทธิภาพเป็นกราฟกำกับ ซึ่งช่วยให้สามารถตรวจสอบการตั้งค่าที่เหมาะสมที่สุดสำหรับทั้งตำแหน่งของกังหันและการเอียงของ nacelle ในกลุ่มพลังงานลมทั่วประเทศ
“ก่อนหน้านี้ การศึกษาการเพิ่มประสิทธิภาพ Wake Steering เฉพาะไซต์นั้นยากมาก แต่การแสดงกราฟใน WPGNN ได้ปรับปรุงความสามารถของเราอย่างมากในการแสดงเลย์เอาต์ที่ยืดหยุ่น การเปลี่ยนทิศทางลม และดำเนินการเพิ่มประสิทธิภาพตามการไล่ระดับสี” Ryan King ผู้เขียนร่วมของ บทความเรื่อง “การเพิ่มประสิทธิภาพโรงไฟฟ้าลมโดยใช้ปัญญาประดิษฐ์เพื่อการประเมินการใช้ที่ดินและผลประโยชน์ทางเศรษฐกิจของ Wake Steering ทั่วประเทศ”
ความพยายามในการตัดขวางเกี่ยวข้องกับนักวิจัยจากศูนย์วิเคราะห์พลังงานเชิงกลยุทธ์ของห้องปฏิบัติการ ศูนย์วิทยาศาสตร์คอมพิวเตอร์ และศูนย์เทคโนโลยีลมแห่งชาติ
King เป็นนักวิทยาศาสตร์อาวุโสในศูนย์วิทยาศาสตร์คอมพิวเตอร์ ในขณะที่ Andrew Glaws ผู้เขียนร่วมเป็นนักวิจัยในสาขาคณิตศาสตร์ประยุกต์ที่นั่น พวกเขาเขียนบทความนี้ร่วมกับเพื่อนร่วมงานสองคนที่ออกจาก NREL แล้ว ได้แก่ Dylan Harrison-Atlas และ Eric Lantz Lantz เคยเป็นผู้จัดการฝ่ายวิจัยกลุ่มที่ NREL ปัจจุบันดำรงตำแหน่งผู้อำนวยการสำนักงานเทคโนโลยีพลังงานลมของกระทรวงพลังงาน
การใช้ลมเป็นแหล่งพลังงานหมุนเวียนคาดว่าจะมีความสำคัญมากขึ้นในการลดการปล่อยคาร์บอนในภาคพลังงานของประเทศ แต่อุปสรรคยังคงมีอยู่เนื่องจากชุมชนบางแห่งได้จำกัดพื้นที่ที่สามารถสร้างกังหันลมได้ สถานการณ์จำลองที่ได้รับคำแนะนำจาก AI ถือเป็นการติดตั้งโรงงาน 6,862 แห่ง ทั่วประเทศ โดยมีกำลังการผลิตไฟฟ้าสะสม 721 กิกะวัตต์ โดยมีเป้าหมายที่จะลดการปล่อยก๊าซคาร์บอนจากภาคพลังงานได้ 95% ภายในปี 2593
การนำกลยุทธ์การควบคุมทิศทางแบบ Wake Steering มาใช้สามารถลดความต้องการที่ดินสำหรับโรงไฟฟ้าพลังงานลมในอนาคตได้โดยเฉลี่ย 18% และมากถึง 60% ในบางกรณี ทั่วประเทศ การประหยัดที่ดินรวมประมาณ 13,000 ตารางกิโลเมตร ซึ่งเทียบเท่ากับ 28% ของการปล่อยพลังงานลมในสหรัฐอเมริกา
การบังคับทิศทางแบบ Wake Steering มีประโยชน์เพราะว่าการกระจายกังหันออกไปมักจะไม่เพียงพอที่จะหลีกเลี่ยงการสูญเสียการปลุก และโรงไฟฟ้าพลังงานลมบางแห่งก็ขาดพื้นที่ที่จำเป็นในการขยายเพิ่มเติม นอกจากนี้ โรงไฟฟ้าพลังงานลมที่ได้รับการปรับให้เหมาะสมสำหรับการบังคับเลี้ยวจะช่วยให้กังหันมีความเข้มข้นมากขึ้น จึงเป็นการตอบสนองความต้องการของชุมชนท้องถิ่นบางแห่งในการจำกัดจำนวนที่ดินที่อุตสาหกรรมได้รับอนุญาตให้ใช้ การติดตั้งกังหันมากขึ้นโดยใช้พื้นที่ที่เล็กลงจะช่วยเพิ่มความยืดหยุ่นจากมุมมองการวางแผนสถานที่ ซึ่งอาจทำให้นักพัฒนาใช้ประโยชน์จากการประหยัดจากขนาดสำหรับโครงการขนาดใหญ่ได้
นักวิจัยยังพบว่าการใช้ระบบบังคับทิศทางแบบ Wake Steering ช่วยลดต้นทุนพลังงานสำหรับการนำลมมาใช้อย่างต่อเนื่อง AI ช่วยให้นักวิจัยค้นพบความแตกต่างในระดับภูมิภาคซึ่งควรใช้กลยุทธ์ได้ดีที่สุด
“เราพบว่าพื้นที่ต่างๆ ของประเทศคล้อยตามประโยชน์ของการบังคับเลี้ยวไม่มากก็น้อย และผลลัพธ์ของผลประโยชน์เหล่านั้นสามารถรับรู้ได้ในรูปแบบที่แตกต่างกัน” Glaws กล่าว “นี่อาจเป็นสิ่งสำคัญในการช่วยให้เข้าใจว่าเราควรลงทุนในเทคโนโลยีใหม่นี้อย่างไรและที่ไหน”
ทรัพยากรการประมวลผลประสิทธิภาพสูงของ NREL ช่วยให้นักวิจัยสามารถฝึกอบรม WPGNN ได้ สำนักงานเทคโนโลยีพลังงานลมของ DOE ให้ทุนสนับสนุนการวิจัย