Análisis y diseño de estructuras de soporte de aerogeneradores marinos mediante modelos numéricos asistidos por redes neuronales informadas por la física

Referencia: PID2023-151635-I00

Entidad financiadora: Ministerio de Ciencia e Innovación (Agencia Estatal de Investigación) y FEDER.

Programa: Convocatoria de 2023 de «Proyectos de Generación de Conocimiento» del Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia, del Plan Estatal de Investigación Científica, Técnica y de Innovación 2024-2027.

Número de investigadores participantes: 7

Importe total del proyecto: 121.250,00 €

Entidades participantes: Universidad de Las Palmas de Gran Canaria

Duración: 01/09/2024- 31/12/2027

Investigadores responsables: Luis A. Padrón Hernández y Juan J. Aznárez González

Más información: aquí

Abstract

La energía eólica y, en particular, la eólica marina, es una de las alternativas de futuro más prometedoras para contribuir al objetivo de reducción de las emisiones de CO2. Es de esperar que en los próximos años la eólica marina flotante se incorpore al mercado, pero la mayoría de los aerogeneradores marinos que se instalan en la actualidad están cimentados directamente en el lecho marino, empleando mayoritariamente monopilotes, aunque las estructuras tipo jacket constituyen una tipología alternativa con el aumento de la profundidad media de los proyectos. El diseño de estas estructuras de soporte presenta aún gran cantidad de retos.

Así, el objetivo general de este proyecto es contribuir al desarrollo de nuevas herramientas de modelización y nuevas soluciones para el
análisis y diseño de las estructuras de soporte de aerogeneradores cimentados sobre el lecho marino. Para ello, se plantean varias
líneas.

Se propone una línea que tiene como objetivo general el desarrollo de los modelos numéricos para el análisis dinámico de las estructuras de soporte de aerogeneradores marinos y la elaboración de estrategias de diseño automático de las mismas. Para ello, se plantea el desarrollo de modelos no-lineales de interacción dinámica pilote-suelo tipo Beam-On-Nonlinear-Winkler-Foundation (BNWF) para el estudio de cimentaciones de aerogeneradores marinos mediante monopilotes y grupos de pilotes, y su integración en modelos integrales del sistema completo, para su aplicación al estudio de las características dinámicas de estos dispositivos, y de su respuesta ante cargas ambientales y sísmicas. Al mismo tiempo, se plantea el desarrollo e implementación de una metodología numérica para el diseño automático de estructuras de soporte para aerogeneradores marinos mediante la combinación de algoritmos de búsqueda metaheurísticos y redes neuronales como modelos subrogados para las distintas comprobaciones estructurales a realizar. La metodología
resultante será empleada en ubicaciones concretas de las Islas Canarias y Europa, para el diseño de estructuras de soporte tipo jacket, por su potencialidad para alcanzar profundidades mayores que las estructuras tipo monopilote.

Paralelamente, se propone una segunda línea para investigar la aplicación de técnicas basadas en redes neuronales informadas por la física (PINNs) a los problemas mencionados. Las PINNs se basan en el aprovechamiento del conocimiento sobre las ecuaciones de gobierno del problema (en general, en forma de ecuaciones diferenciales no lineales en derivadas parciales), junto con las condiciones de contorno y, en su caso, las condiciones iniciales, para el entrenamiento de las redes. Así, se propone investigar la aplicación de estas técnicas basadas en PINNs a dos ámbitos diferentes del problema: a) el desarrollo de modelos subrogados basados en PINNs para sustituir la evaluación numérica rigurosa pero costosa de las Funciones de Green y otros aspectos numéricos que forman parte de los modelos basados en el Método de los Elementos de Contorno u otros métodos numéricos relacionados, y b) la utilización de PINNs para la evaluación eficiente de parámetros concretos de la respuesta estructural del sistema y del cumplimiento de exigencias relacionadas con
las comprobaciones necesarias en cuanto a estados límite último, de servicio y/o de fatiga. Se espera que la incorporación de las PINN mejore la eficiencia y rango de aplicación de los modelos numéricos desarrollados.