Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/49168
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Gilberto Medeiros Ribeiropt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1681880375960859pt_BR
dc.contributor.advisor-co1Pedro Olmo Stancioli Vaz de Melopt_BR
dc.contributor.referee1Rodney Rezende Saldanhapt_BR
dc.contributor.referee2Adriano Alonso Velosopt_BR
dc.contributor.referee3Luiz Chaimowiczpt_BR
dc.contributor.referee4Divanilson Rodrigo de Sousa Campelopt_BR
dc.contributor.referee5Segen Farid Estefenpt_BR
dc.creatorTúlio Marcondes Moreirapt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9554936427715137pt_BR
dc.date.accessioned2023-01-26T17:26:04Z-
dc.date.available2023-01-26T17:26:04Z-
dc.date.issued2022-06-28-
dc.identifier.urihttp://hdl.handle.net/1843/49168-
dc.description.abstractNos últimos anos, a necessidade de aumentar a capacidade instalada total de fontes renováveis de energia (eólica, solar, bioenergia e hídrica) tem recebido reconhecimento mundial como forma de mitigar os efeitos danosos causados pelas mudanças climáticas resultantes do uso extensivo de combustíveis fósseis. Embora a utilização de fontes ren- ováveis como a energia solar e eólica tenha expandido, a energia das marés permanece praticamente inexplorada. Até hoje, apenas dois grandes projetos de barragens mare- motrizes foram construídos, a saber, La Rance (França) e Lake Sihwa (Coreia do Sul), com 240 MW e 254 MW de capacidade instalada, respectivamente. Um problema recorrente entre as várias propostas de barragens maremotrizes (e.g., Swansea Bay Tidal Lagoon, Severn Barrage, Cardiff Tidal Lagoon) tem sido os altos custos de eletricidade, que estão fortemente relacionados à estratégia operacional utilizada ao estimar a produção de energia desses sistemas. Portanto, esta tese pretende preencher lacunas na literatura, propondo métodos generalistas que possibilitem a primeira operação automática (em tempo real) e otimizada de barragens maremotrizes. Isso permitiria reduzir os custos de energia elétrica por meio (i) da maximização da energia elétrica produzida e (ii) da redução do custo operacional com a operação automática desses sistemas, permitindo que essa tecnologia seja mais atrativa economicamente. Dada uma simulação precisa das estruturas hidráulicas que compõem uma barragem maremotriz, conseguimos alcançar os objetivos apresentados com (a) modificações nos métodos estado da arte, permitindo a operação em tempo real e com con- trole independente de vertedouros e (b) uma nova abordagem com Aprendizado por Reforço Profundo (DRL) projetada para operar barragens maremotrizes. Como estudo de caso para o nosso trabalho, focamos na modelagem 0D de dois projetos: La Rance Tidal Barrage (já construída) e o projeto da Lagoa de Swansea no Reino Unido (SBL). Por meio de técnicas paramétricas e de leis de afinidade, uma representação 0D para La Rance é criada e validada em relação a dados medidos pela Electricité de France (EDF) – companhia responsável pelo operação de La Rance, desde sua construção. O modelo 0D parametrizado é então operado de forma ótima com nosso método DRL, gerando resultados quantitativos e uma estratégia de operação comparáveis às observadas em La Rance. Ao melhor de nosso conhecimento, esta é a primeira validação de um modelo 0D e da estratégia de operação de TRS em comparação a uma TRS construída. Além disso, a parametrização das estruturas de La Rance permitiu uma descrição generalizável do modo operacional de bombeamento das turbinas, que é implementado no modelo 0D de SBL. Mostramos que, utilizando o modelo 0D de SBL com bombeamento, ambos os métodos (a) e (b) desenvolvidos alcançam uma geração de energia superior ao upper bound do estado da arte (cenários onde as previsões de maré são iguais às medições) em 2,68% e 3,14%, respectivamente (levando a um aumento do lucro anual de até 967.267£, para SBL), enquanto operam a TRS em tempo real. Adicionalmente, o método DRL (b) alcança esse objetivo sem necessitar de previsões de maré, enquanto performa uma operação dinâmica das turbinas em modo de bombeamento, incluindo cenários com queda positiva (auxiliada pela gravidade) – essas duas últimas características são observadas em medições de La Rance, e até então não nenhum método de controle de TRS havia sido capaz de realizar essa tarefa.pt_BR
dc.description.resumoIn recent years, the need to increase the total installed capacity of renewable energy sources (wind, solar, bioenergy and hydro) has received worldwide recognition as a means to mitigate the damaging effects of climate change that result from the extensive use of fossil fuels. While significant progress has been made in expanding solar and wind resources, tidal energy remains practically untapped. As of today, only two successful large Tidal Range Structure (TRS) projects have been built, namely, La Rance (France) and Lake Sihwa (South Korea), with 240 MW and 254 MW of installed capacity, respectively. A recurrent issue among the several proposals for TRS (e.g. Swansea Bay Tidal Lagoon, Severn Barrage, Cardiff Tidal Lagoon) has been the high electricity costs, which are strongly related to the operational strategy utilised when estimating TRS energy yield. Therefore, this thesis’s project intents to fill gaps in the literature by proposing general methods that enable the first real-time optimised operation of TRS. This would allow for reducing the costs of electricity through (i) energy maximisation of TRS and (ii) operational cost reduction (automatic TRS), allowing this technology to be more economically attractive. Given an accurate simulation of the hydraulic structures that compose a TRS, objectives (i) and (ii) are solved either through: (a) improvements to the state-of-art approach from the literature, enabling real-time control of TRS with independent sluice operation, or (b) utilising a Deep Reinforcement Learning approach (DRL) designed to operate TRS. As a case study for our work we focused on the 0D modelling of two TRS projects: the constructed La Rance Tidal Barrage and the Swansea Bay Tidal Lagoon (SBL) pathfinder project. Through parametric and affinity laws techniques, a 0D La Rance model representation is created using measured data from Electricité de France (EDF) – the utility company responsible for operating La Rance since its construction. The parametrised 0D model is then optimally operated with our DRL method, yielding comparable quantitative results and strategy to observed measurements in La Rance. To the best of our knowledge, this is the first validation of a 0D model and TRS operational strategy against a constructed TRS. Furthermore, the development of the 0D La Rance model enabled a generalisable description of pump operational modes, which is implemented into the 0D model of the SBL. We show that, by using the SBL 0D model with pumping, both our developed (a) and (b) methods achieve energy generation superior to the state-of-art upper bound (scenarios where tidal predictions equal tidal measurements) by 2.68% and 3.14%, respectively (yielding a revenue gain up to 967, 267£ per year, for the SBL), while operating the TRS in real time. The DRL (b) method, however, manages this feat without requiring tidal predictions, performing fine-tuned operation of turbines in pump mode and pumping even with positive (gravity-assisted) head differences – these last two characteristics are observed in La Rance’s measurements, but so far no TRS control method had been able to accomplish this task.pt_BR
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológicopt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageengpt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃOpt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nd/3.0/pt/*
dc.subjectTidal energypt_BR
dc.subjectTidal range structurespt_BR
dc.subjectDeep reinforcement learningpt_BR
dc.subjectProximal policy optimisationpt_BR
dc.subject.otherComputação – Tesespt_BR
dc.subject.otherAprendizado por reforço profundo – Teses.pt_BR
dc.subject.otherEnergia maremotriz – Tesespt_BR
dc.titleAutomatic flexible control of tidal range structurespt_BR
dc.title.alternativeControle automático e flexível de estruturas maremotrizespt_BR
dc.typeTesept_BR
dc.identifier.orcidhttps://orcid.org/0000-0003-4159-1495pt_BR
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
Tese_TulioMarcondesMoreira_PDFA.pdf16 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons