Yüksek LisansAçık Erişim

Rüzgar Türbini kanadının genetik algoritmayla optimizasyonu

Bu tez size mi ait?

Bu kayıt toplu arşivden geldi. Sizinse profilinize bağlayın.

2016
0 görüntülenme
0 i̇ndirme

Özet (TR)

Bu çalışmada karşıdan rüzgar alan yatay eksenli bir rüzgar türbin kanadı tasarımında seçilen kanatlar profillerinin toplam verime etkisi genetik algoritmayla optimizasyon metodu kullanılarak incelenmiştir. Rüzgar türbinleri tasarımında kullanılan kanat elemanı momentum (BEM) teorisi genetik algoritma optimizasyon metodu kullanılarak yatay eksenli rüzgar türbinine ait kanat tasarımı ve optimizasyon aracı geliştirilmiştir. Geliştirilen optimizasyon aracı türbin kanat elemanlarına ait kanat profillerinin dizilimlerini genetik algoritma optimizasyon metodu kullanarak optimize etmektedir. Seçilen kanat elemanı sayısı ve seçilen profil tiplerinden dolayı oldukça fazla sayıda kanat dizilim kombinasyonu oluşmaktadır. Deneme yanılma yontemlerinin veya bütün kanatlar dizilim kombinasyon hesaplarının oldukça çok zaman alması, bu tür hesapları yapabilen bir yazılımın oluşturduğu hesaplama süresi ve maliyeti nedeniyle optimizasyon algoritmasına ihtiyaç duyulmaktadır. Günümüzde giderek ucuzlayan bilgisayar işlemci maliyetleri bu tarz problemlerde yaygın olarak kullanılmaya başlanan ve kısa sürede efektif sonuçlar veren genetik algoritmayla optimizasyon metodunun kullanılmasını teşvik etmektedir. Kullanılan kanat profillerinin aerodinamik bilgileri, deneysel kaldırma ve sürükleme kuvveti katsayısı değerleri airfoiller için yapılmış aerodinamik bir veri tabanından alınmıştır. Bu çalışmada ilk olarak rüzgar türbin kanadı elemanları farklı kısımlar için aynı profıl kesidi kullanılarak incelenmiştir. Daha sonra farklı kısımlar için farklı kesitler uygulanmış ve çıkan sonuçlar birbiri ile karşılaştırılıp içlerinden en iyi olan üç kısıma ayrılmış tasarım referans olarak seçilmiştir. Üç kısıma ayrılmış ve kanat elemanı metoduyla yapılan hesaplara genetik algoritmayla optimizasyon metodu adapte edilmiştir. Geliştirlen yazılım önce rastlantısal olarak kanat boyunca oluşan profil dağılımlarını ve ilk bireyleri oluşturur. Daha sonra genetik algoritma bu oluşan bireyler ve mutasyonlarla en iyi toplam verime sahip kanada ait profil dağılımını arar. Tasarım sonuçlarının birbiriyle kıyaslanabilmesi ve profil seçiminin verime etkisinin kolay inceleyebilmek için tek parametreli optimizasyon yapılmıştır. Diğer değerler gerek sonuçların birbiriyle karşılaştırılmasını sağlamak amacıyla 20kW güç üretebilen, sabit kanat boyu, rüzgar hızı, devir sayısı, türbin çalışma aralığı ve uygulanan hesap yöntemleri değiştirilmemiştir. Tek tip kanat profiline sahip rüzgar türbinlerinin, konvensiyonel olan üç bölüme ayrılmış ve her bölüm için bir profil tipi tanımlanmış türbinlerden daha düşük verim ve daha az enerji ürettiği görülmüştür. Daha sonra konvensiyonel türbin değerlerinin iyileştirilmesi için genetik algoritmayla optimizasyon metodu uygulanmış ve konvensiyonel türbinlerden daha verimli bir türbin elde edilmiştir. Elde edilen sonuçların karşılaştırması sonuçlar bölümünde grafiklerle gösterilmiş ve açıklanmıştır. Genetik algoritmayla yapılan optimizasyon sonucunda elde edilen en iyi sonuca ait kanat profil dağılımı makro yardımıyla SolidWorks yazılıma aktarılmıştır. Kanat profilleri SolidWorks yazılımına noktalar olark aktarılmış, bu noktalar daha sonra profil hatlarına ve en son olarak da üç boyutlu çizim haline getirilmiştir. Elde edilen kanadın geometrisi daha sonra sayısal akışkanlar dinamiği yazılımı olan FLUENT'e aktarılmıştır. Yazılım yardımıyla tasarım noktasında kanadın analizi yapılmıştır. Yapılan analizlerde kanat üzerinde oluşan basınç dağılımı, türbinden elde edilen güç ve kanat arkasında oluşan vorteksler incelenmiştir.

Yazar

Kutan Demirci

Bu Yayına Nasıl Atıf Yapılır

Kutan Demirci (Yüksek Lisans Tezi). Rüzgar Türbini kanadının genetik algoritmayla optimizasyonu, 2016, İstanbul Technical University.

Anahtar Kelimeler

Lisans

Tüm Hakları Saklıdır

Bu eser belirtilen lisans koşulları altında paylaşılmaktadır.

İstanbul Technical University tezlerinden daha fazlası