Multi-objective optimization of a vertical axis wind turbine rotor for self-supply applying metaheuristics

Abstract

RESUMEN: En esta tesis se presenta una metodología de modelado basada en aprendizaje máquina para interpolar la Velocidad de Arranque y la Velocidad Característica de un rotor Savonius de turbina eólica de eje vertical en función de sus parámetros de diseño. Los modelos propuestos son incorporados dentro de un proceso de optimización multi-objetivo para obtener un diseño no-dominado con una mejora del 18.28% en la Velocidad de Arranque y un 2.96% menos que el rotor con la mayor Velocidad Característica en el conjunto de datos. Esta metodología evita 300000 evaluaciones de la función de desempeño, que de otro modo tendrían que evaluarse físicamente debido a la falta de modelos analíticos o numéricos para relacionar la Velocidad de Arranque con los parámetros de diseño de un rotor. Se presenta por primera vez la utilización de la Velocidad de Arranque como una métrica desempeño en un problema de optimización para rotores VAWT, así como su interacción con la Velocidad Característica.

ABSTRACT In this thesis a modeling methodology based on machine learning is presented for interpolating the Cut-in speed and Tip Speed Ratio of a Vertical Axis Wind Turbine Savonius rotor based on its design parameters. The proposed models are incorporated within a multi-objective optimization process to obtain a non-dominated rotor with a 18.28% improvement in Cut-in Speed and a 2.96% less than the rotor with the highest Tip Speed Ratio in the dataset. This methodology avoids 300000 fitness function evaluations, that otherwise would have to be physically performed due to the non-existing analytical or numerical models to describe Cut-in speed in terms of design parameters. The use of Cut-in speed as a metric of performance in an optimization problem for VAWT rotors is introduced for the first time, as well as its interaction with the Tip Speed Ratio.