Otimização do Layout de Parques Eólicos Offshore para Produção de Energia Elétrica e Hidrogênio Renovável
A energia eólica é uma fonte renovável e limpa proveniente da energia cinética dos ventos, sendo aproveitada para diversas finalidades como a geração de eletricidade por meio de aerogeradores. Esses aerogeradores podem ser instalados tanto em terra onshore quanto no mar offshore, porém os instalados no mar aproveitam ventos mais constantes e a maior disponibilidade de espaço físico para turbinas maiores. No entanto, os projetos offshore enfrentam elevados custos de investimento e operacionais. Uma maneira de reduzir esses custos e tornar os investimentos em parques eólicos offshore mais atrativos é considerar a produção conjunta de energia elétrica e hidrogênio renovável. Este trabalho apresenta uma metodologia para minimizar os custos de investimento e operacionais para produção de hidrogênio renovável a partir de fazendas eólicas offshore. Tal metodologia é composta por duas etapas para minimizar o CAPEX e OPEX da implementação da fazenda eólica offshore e a produção de hidrogênio renovável onshore. Na primeira etapa, formula-se um modelo matemático como um problema de otimização não linear inteiro misto para determinar o layout dos aerogeradores eólicos offshore, considerando restrições de balanço de potência e de radialidade. Na segunda etapa, utiliza-se esse layout para determinar a potência do eletrolisador da planta de produção de hidrogênio, analisando um horizonte de 24 horas e considerando a variação da potência dos aerogeradores em função da velocidade do vento. A metodologia foi testada para determinar o layout de uma instalação com 31 aerogeradores offshore conectadas a uma subestação de 66 kV no mar. A modelo matemático foi implementado na linguagem de programação AMPL e resolvida pelo solucionador KNITRO. Considerando as não linearlidades dos problemas de otimização abordados em cada etapa, os resultados encontrados pelo AMPL foram comparados com técnicas de inteligência computacional Flower Pollination Algorithm (FPA) e Particle Swarm Optimization (PSO) para analisar a qualidade da solução encontrada. Espera-se que este trabalho possa auxiliar os planejadores de energia no processo de expansão da energia eólica offshore.