Σχεδίαση αεροτομών για την κατασκευή πτερυγίων σύγχρονων ανεμογεννητριών βέλτιστων ως προς τις αεροακουστικές εκπομπές

Τσικριτέας, Ανδρέας; Tsikriteas, Andreas

dc.contributor.author	Τσικριτέας, Ανδρέας	el
dc.contributor.author	Tsikriteas, Andreas	en
dc.date.accessioned	2022-12-07T08:25:07Z
dc.date.available	2022-12-07T08:25:07Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56355
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24053
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/3.0/gr/	*
dc.subject	Βελτιστοποίηση	el
dc.subject	Optimization	en
dc.subject	Ανεμογεννήτριες	el
dc.subject	Θόρυβος	el
dc.subject	Σχεδίαση	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Wind turbines	en
dc.subject	Design	en
dc.subject	Machine learning	en
dc.title	Σχεδίαση αεροτομών για την κατασκευή πτερυγίων σύγχρονων ανεμογεννητριών βέλτιστων ως προς τις αεροακουστικές εκπομπές	el
heal.type	bachelorThesis
heal.classification	Βελτιστοποίηση	el
heal.classification	Μηχανική μάθηση	el
heal.classification	Υπολογιστική Ρευστομηχανική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-07-22
heal.abstract	Ο θόρυβος που παράγεται από τις ανεμογεννήτριες είναι μία σημαντική περιβαλλοντική επίπτωση που πρέπει να λαμβάνεται υπόψιν κατά την εγκατάσταση ενός αιολικού πάρκου. Η παρούσα εργασία στοχεύει στην σχεδίαση του εξωτερικού τμήματος των φτερών από δύο πρότυπες σύγχρονες ανεμογεννήτριες, βέλτιστες ως προς τις ακουστικές εκπομπές. Κατά μήκος του εξωτερικού τμήματος του πτερυγίου, το σχήμα των αεροτομών είναι το ίδιο οπότε τελικά ο στόχος είναι η βελτιστοποίηση των αρχικών αεροτομών FFA241 και DU240. Θεωρήσαμε μόνο τις δύο συνιστώσες του αυτοεπαγώμενου θορύβου, εκείνη λόγω τυρβώδους και εκείνη λόγω στρωτού οριακού στρώματατος ακμής εκφυγής (LBL-TE, TBL-TE) οι οποίες εξαρτώνται κυρίως από τη γεωμετρία της αεροτομής. Ο μετα-ευριστικός αλγόριθμος PSO χρησιμοποιήθηκε προκειμένου να γίνει η ελαχιστοποίηση της αντικειμενικής συνάρτησης του ισοδύναμου επιπέδου θορύβου με αλλαγή του σχήματος των αεροτομών μέσω της παραμετροποίησης Parsec. Τα αποτελέσματα δείχνουν ότι το μέγιστο της πτώσης του θορύβου μπορεί να φτάσει το 8% με σημαντική μείωση στην αεροδυναμική απόδοση. Περιορίζοντας την μείωση της αεροδυναμικής απόδοσης, η μείωση θορύβου αγγίζει το 1-1.5%. Ακόμα, η γεωμετρία των βέλτιστων αεροτομών διαφέρει ανάλογα με το αν χρησιμοποιείται Α-στάθμιση στο φάσμα του θορύβου κατά την βελτιστοποίηση. Τελικώς, έγινε εκπαίδευση 2 γραμμικών μοντέλων παλινδρόμησης και μοντέλα νευρωνικών δικτύων ώστε να φανεί η δυνατότητα πρόβλεψης του θορύβου και των συντελεστών (CL, CD), με χρήση δεδομένων από προηγούμενες βελτιστοποίησεις. Τα μοντέλα μας δίνουν την δυνατότητα κατανόησης της σχέσης μεταξύ των μεταβλητών εισόδου Parsec και του θορύβου και μπορούν να χρησιμοποιηθούν αντικαθιστώντας τους κοστοβόρους αεροδυναμικούς και αεροακουστικούς κώδικες. Δείχθηκε πως αντικαθιστώντας τα φυσικά αεροδυναμικά και αεροακουστικά μοντέλα με το νευρωνικό δίκτυο οδηγούμαστε σε παρόμοιες βέλτιστες γεωμετρίες και τελικά φάσματα. Επιπλέον, το πολύ χαμηλό υπολογιστικό κόστος του μοντέλου μας επιτρέπει να διερευνήσουμε και να συντονίσουμε καλύτερα τις παραμέτρους του αλγόριθμου βελτιστοποίησης PSO.	el
heal.abstract	Noise produced by wind turbines is an important environmental impact that must be considered in wind farm installations. The present work aims to design the outer section of the blades of two prototype contemporary wind turbines optimized for noise emissions. Along the outer blade section the airfoil shape does not change, so finally the target is to optimize the shapes of the initial airfoils FFA241 and DU240. We considered only two of the self-noise components, the turbulent and laminar boundary layer noise (TBL-TE and LBL-TE), that are mainly dependent on the geometry of the airfoil. The meta-heuristic optimization algorithm PSO was employed minimizing the objective function of the equivalent noise level by changing the airfoil shape through a Parsec parameterization. Results showed that the maximum noise reduction may reach 8%, but at the expense of aerodynamic performance. Setting as a constraint that the aerodynamic performance should not be decreased, the benefit in noise is reduced to 1-1.5%. Moreover, the optimum airfoil designs are essentially different when the A-weighted spectra are used for noise minimization. Finally, a training of 2 linear model regressors and neural network regressors was made in order to predict the noise and the coefficients (CL, CD), using data from previous optimizations. Models give us a better understanding of the relation between the PARSEC parameters of the airfoil geometry and the output noise and can also be used in substitution of the costly aerodynamic and aeroacoustic code. It was demonstrated that replacing the physical aerodynamic and aeroacoustic models with the neural network results in similar optimized airfoil geometries and noise spectra. In addition, the low cost of the machine learning model permits a thorough investigation of the PSO parameters and a better calibration of the algorithm.	en
heal.advisorName	Βουτσινάς, Σπυρίδων	el
heal.advisorName	Προσπαθόπουλος, Ιωάννης	el
heal.committeeMemberName	Σπυρίδων, Βουτσινάς	el
heal.committeeMemberName	Ριζιώτης, Βασίλης	el
heal.committeeMemberName	Αναγνωστόπουλος, Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Ρευστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	70 σ.	el
heal.fullTextAvailability	false