עיצוב הרוח של Wind Farm Layout Design

תכנון חוות רוח הוא הרבה יותר מורכב מאשר פשוט הצבת טורבינות במיקום רוחי.האתגר הבסיסי הוא לארגן טורבינות כך שהם ללכוד את האנרגיה המקסימלית האפשרית מן הרוח תוך צמצום טורבינות ההשפעות השליליות יש אחד על השני.כאשר הרוח עובר דרך טורבינה, זה יוצר התעוררות סוערת עם מהירות רוח מופחתת.

מעבר להפרעות מתעוררות, מהנדסי הפריסה חייבים לקחת בחשבון את הרוח המקומית עלה – הפצת מהירויות הרוח וכיוונים ברחבי האתר. Turbines להציב אופטימלית כיוון רוח אחד עשוי להופיע בצורה גרועה כאשר רוחות טרנסים. Terrain מוסיף שכבה נוספת של קושי: גבעות, רכסים ועמקים ערוץ ועמקים להאיץ את הרוח בדרכים מורכבות.

עבור חווה רוח בינונית עם 50 טורבינות ורק קומץ של עמדות מועמד, מספר הפריסה האפשרי הוא אסטרונומי - הרבה מעבר למה שניתן להיות חזק כוח רב עוצמה.כל הפריסה חייבת להיות מדמיינת באמצעות דינמיקת נוזל חישובית או להעיר תוכנה דוגמית, אשר הוא חישובי יקר יותר אלגוריתמים קלאסיים כמו אלגוריתמים גנטיים, אופטימיזציה של חלקיקים, ושיטות מבוססות ⁇ משמשים בדרך כלל, אבל לעתים קרובות הם מתמזגים על פני השטח המהיר יותר מאשר טמפרטורות גדולות יותר מאשר טמפרטורות גבוהות יותר מאשר טמפרטורות גבוהות יותר.

מדוע שיטות אופטימיזציה קלאסיות נאבקות

גישות קלאסיות לאופטימיזציה של עיצוב החווה רוח בדרך כלל ליפול לשתי קטגוריות: שיטות מבוסס ⁇ ואלגוריתמים חיפושיים היררניים. שיטות מבוסס Gradient דורשות פונקציה אובייקטיבית חלקה, שונה, אבל בעיית פריסת רוח היא מאוד לא-convex והפסקתי. שינויים קטנים בעמדה טורבינות יכולים להוביל לשינויים פתאומיים בהפרעות מתעוררות, יצירת נוף מתוח עם הרבה שיאים מקומיים ועמקים.

שיטות היירויות כמו אלגוריתמים גנטיים וסימולות annealing חזקות יותר לבעיות שאינן קוניאק. הם חוקרים את מרחב הפתרון באופן רחב יותר על ידי שמירה על אוכלוסייה של פריסת מועמדים או על ידי לעתים קרובות לקבל פתרונות גרועים יותר כדי להימלט מלכודות מקומיות.גם כך, שיטות אלה בקנה מידה גרוע.כל דור או היסוס דורש הערכה של כל פריסת מועמד באמצעות סימולציה מתעוררת, אשר יכול לקחת דקות הפריסה עם 100 טורבינות ומורכב באמת יכול לקחת רק שבועות אחד או באמת יכול לקחת את זה יכול לקחת את זה יכול לקחת את זה באמת יכול להיות רק לאחר מכן.

התעשייה גם נעה לכיוון טורבינות גדולות יותר וחוות גדולות יותר.חוות רוח Offshore עכשיו עולה באופן שגרתי על 100 טורבינות והם דוחפים לעבר כמה מאות. המורכבות של בעיית הפריסה גדלה בערך באופן חד-משמעי או גרוע יותר עם גודל החווה כי כל טורבינות אינטראקציה עם כל טורבינות אחרת באמצעות התעוררות.אלגוריתמים קלאסיים פוגעים חומה: הם פשוט לא יכולים למצוא פתרונות איכותיים עבור מתקנים בקנה מידה גדול בתוך מסגרת זמן מקובל.

כיצד מחשוב קוונטי מתקרב אופטימיזציה שונה

מחשוב קוונטי משתמש ב-qubits שיכולים להתקיים בסופרפוזיציה של מדינות, ומאפשר להם לייצג ולעבד פתרונות מועמדים רבים בו זמנית. עבור אופטימיזציה, שתי פרדימות קוונטיות עיקריות הופיעו: קוונטים אנמנלינג ואלגוריתמים מבוססי שער.שני הגישות יש פוטנציאל לחקור נופים של פתרונות ביעילות יותר מאשר שיטות קלאסיות עבור סוגים מסוימים של בעיות.

קוונטית אנמנלינג, המיושמת על ידי חברות כמו D-Wave, מיועדת במיוחד אופטימיזציה.זה ממפה את הבעיה על מערכת גופנית אשר מתפתחת באופן טבעי לתצורה של אנרגיה נמוכה.המערכת מתחילה בסופרפוזיציה של כל המדינות האפשריות והיא "לאט לאט" לעבר מדינה שמקודמת את הפתרון הטוב ביותר. כי מערכת הקוונטים יכולה לעבור מחסומים אנרגיה במקום לטפס עליהם באופן קלאסי, היא יכולה למצוא את הספקטרום של אנרגיה מתקדמת במיוחד עבור זרם אנרגיה מחוסמת.

מחשבים קוונטיים מבוססי שער, כגון אלה שפותחו על ידי IBM, גוגל ואחרים, מציעים חישוב כללי יותר אבל הם מאתגרים יותר ליישם אופטימיזציה. הגישה הנפוצה ביותר היא ה-VQE הקוונטי הקוונטים Eigensolver (VQE), אשר משתמש בלולאה קוונטית היברידית-קלאסית. A קוונטית מכינה פתרון ניסוי, אמצעי האנרגיה שלה (או עלות), ומזינים כי לאופטימיזציה קלאסית שמתאימה לדרגים יותר למתחרים קוונטיים למתחרים אלה, בעוד שמשתנים מחדש של חומרה יותר מאשר מעגלים קוונטיים חזקים יותר מאשר לרעשים גמישים.

המונחים: different

אנמנלינג קוונטית הוחלה במספר גדל והולך של בעיות אופטימיזציה בעולם האמיתי, כולל אופטימיזציה לפורטפוליו, הפסקת תנועה וגילוי סמים.עבור פריסת החווה של רוח, הבעיה היא מוצפנת כבעיה של אופטימיזציה בינארית לא מוגבלת (QUBO) או מודל איסינג.כל מיקום טורבינות אפשרי מיוצג על ידי משתנה בינארי המציין אם טורבינות הוא ממוקם שם.

העבודה המוקדמת של חוקרים ב D-Wave ומוסדות אקדמיים הראו כי קוונטי אנמפרלינג יכול למצוא פריסות עם לכידת אנרגיה גבוהה יותר מאשר היוריסטים הקלאסיים על בעיות מבחן קטנות.לדוגמה, מחקר של 2021 מאוניברסיטת טורונטו השווה אלגוריתם קוונטי לאלגוריתם גנטי עבור פריסות של 16-טרפוחיות על רשת פשוטה.הגישה הקוונטית מצאה פתרונות טובים יותר ומתכנסת מהר יותר.

המונחים: invisible Layout

עבור פריסות רציניות יותר שבו טורבינות ניתן להציב בכל מקום בתוך גבול, שיטות וריאציות מבוסס שער עשויות להיות טבעיות יותר.במקום משתנים בינאריים, עמדות טורבינות ניתן לקודד כפרמטרים רצופים במעגל הקוונטי.העיגול נועד כך שדידדת הפלט שלו מייצרת עמדות הנמשכות מהתפלגות הסתברות.המטם הקלאסי מאמת את הפרמטרים לשינוי זה לכיוון עמדות הפצה עם תפוקה גבוהה יותר והפסדים נמוכים יותר.

גישה זו נחקרה על ידי חוקרים ב- IBM Quantum וכמה אוניברסיטאות.A 2023 preprint הראה אופטימיזציה של פריסה מבוססת VQE עבור חווה 10 טורבנית והשווה אותה לאופטימיזציה של חלקיקים קלאסית של חוטי דם.השיט הקוונטית תואמת או עלה על התוצאות הקלאסיות על מספר תרחישים רוח.המחברים ציינו כי צוואר הבקבוק הראשי היה מספר הערכות מעגלים הנדרשים, אשר גדל עם מספר טורבינות היסוד טענו כי הוא מדויק יותר מאשר את הגישה של חומרת, כי ניתן לחקור את ה-E מאשר את ה-מידה יעילה יותר מאשר את הפתרון הקליקפית של ה-מידה יותר מאשר את ה-ה.

טכניקה קוונטית נוספת רלוונטית לאופטימיזציה של החווה הרוחית היא האלגוריתם של גרובר, המספקת מהירות קוואדרטית לחיפוש לא מובנה. בעוד פחות החל ישירות מאשר נשימה או VQE, האלגוריתם של גרובר יכול לשמש כדי להאיץ את ההערכה של פריסות המועמדות במסגרת חיפוש היברידית. לדוגמה, במקום לפשט את כל פריסה מועמד, חיפוש גרפי-הרגיש יכול לזהות את התצורה המהירה ביותר של לחם זה עדיין עשוי להיות מוצג יותר.

פרויקטים של מחקר וטייס

היישום של מחשוב קוונטית לפריסת חווה רוח עדיין בשלב המחקר, אבל כמה פרויקטים בולטים כבר מייצרים תוצאות קונקרטיות. בשנת 2022, המעבדה הלאומית לאנרגיה מתחדשת (NREL) שותפו עם D-Wave כדי לחקור קוונטית אנמנלינג עבור אופטימיזציה צמחית בחו"ל.המחקר הראשוני שלהם מודל חווה 25-טרפנית וגילה כי הפריסה קוונטית של אנחלים המיוצרת עם עד 5 אחוזים של אנרגיה גבוהה יותר כדי ללכוד את רמת חיים גבוהה יותר של אלגוריתם של 5 אחוזים של אלגוריתם של אלגוריתם של גידול גנטי גבוה יותר של 5 אחוזים.

בנפרד, תוכנית הדגל הקוונטי של האיחוד האירופי מממנת פרויקט בשם QOPT הכולל חבילת עבודה על אופטימיזציה אנרגיה מתחדשת. חוקרים מאוניברסיטת דנמרק ואוניברסיטת אוקספורד מפתחים אלגוריתמים קוונטיים היברידיים במיוחד עבור פריסת החווה הרוח.הגישה שלהם משתמשת בפתרון קלאסי עבור ההיבטים המתמשכים של הבעיה (טורבינה פעולה) ו- קוונטית אנמפרלר עבור שילוב של תחומי עניין (אשר מציע טיפול אופטימיים באיכות גבוהה יותר) עם תוצאות עבור 50 טורבינות מוקדמת).

במגזר הפרטי, חברות כמו Windlab ו- ו- ו-Instas החלו לחקור מחשוב קוונטי באמצעות שותפויות עם ספקי חומרה קוונטיים. , ו-Instas, אחת מחברות טורבינות הרוח הגדולות בעולם, הודיעה על שיתוף פעולה עם IBM בשנת 2023 כדי לחקור אלגוריתמים קוונטיים עבור אופטימיזציה רוח ועיצוב טורבינות. בעוד פרטים נשארים קנייני, החברה ציינה כי היא רואה מחשוב קוונטי כמאפשר מפתח לדור הבא של חוות רוח אולטרה-פר.

יתרונות ומגבלות של גישות קוונטיות

היתרונות הפוטנציאליים של מחשוב קוונטי עבור פריסת חווה רוח משכנעים.קודם, אלגוריתמים קוונטיים יכולים לחקור את מרחב הפתרון יותר ביסודיות, להפחית את הסיכון להתיישב עבור פריסה תת-אופטימית. שנית, עבור בעיות גדולות, שיטות קוונטיות עשויים לדרוש פחות הערכות תפקוד, אשר מתורגמת ישירות לאופטימיזציה קצרה יותר של זמן ריצה ועלויות חישוביות נמוכות יותר.

עם זאת, מגבלות משמעותיות נשארות.חומרה קוונטית יש ספירות qubit מוגבלות וסובלים מרעש ודהירות.ד-וייב האחרון של אננחלר יש רק יותר מ-5,000 נקודות, אבל אלה qubits אינם מחוברים לחלוטין, כלומר הבעיה חייבת להיות ממפה על גרף ספארי (צ'ימרה או פדוסטרולוגיה של פיס).תהליך זה יכול להיות יקר מדי ולהפחית את שיעור השגיאה גבוהה עדיין יכול להיות מגובה, אך ורק עבור מורכבות גבוהה.

הגבלה נוספת היא הקושי של קידוד משתנים רצופים.עמדות טורבינות אמיתיות הן רציף, לא דיסקרטיות. בעוד שקידוד בינארי ברשת הוא אפשרי, הוא מציג שגיאות של הסתברות.רשתות Finer דורשות יותר qubits, במהירות גבוהה יותר יכולות החומרה הנוכחיות.

  • (FLT:0) Advantages: 1FLT 1 מהיר יותר חקר נופים מורכבים, בריחה טובה יותר מהאופטימה המקומית, פוטנציאל לדרגות טובות יותר עם גודל החווה, התאמה טבעית לבעיות משולבות ומגבילות.
  • (FLT:0) התחייבויות: 10) ספירת qubit מוגבלת וקישוריות, רעש ודהירות בחומרה הנוכחית, קושי במשתנה מתמשך, צורך במומחיות קוונטית וגישה חומרה מיוחדת.

עתיד היברידי: אינטגרציה קלאסית וקוטב

בהתחשב במצב הנוכחי של חומרה קוונטית, הדרך המעשית ביותר קדימה הוא אופטימיזציה קלאסית-quantum היברידית.במסגרת זו, בקר קלאסי מטפל בחלקים של הבעיה כי הם קלים למחשבים קלאסיים - כגון התעוררות מודלים, עיבוד נתונים שטח, ואכיפה מגבילה - בעוד מטביעה את המצע הכמעט-משלבי הקשה ביותר למעבד הקוונטי והפתרמיקוליום, תוך כדי פתרון סגור, עם מנוע חיפוש קוונטי או פתרונות אופטיים.

גישות היברידיות כבר בשימוש בפרויקטים של הפגנה.למשל, פרויקט QOPT שהוזכר קודם לכן משתמש בפתרון קלאסי עבור מודל ההתעוררות ו annealer קוונטי עבור בעיית בחירת טורבינות. על ידי שבירת בעיית הפריסה הכוללת לתוך תת-בעיות קטנות יותר, יותר מתוחכמות יותר, הגישה ההיברידית שומרת על דרישות משאבים קוונטיים לניהול תוך מתן פתרונות טובים יותר מאשר שיטות קלאסיות בלבד.

ככל שהחומרה הקוונטית מתקדמת, האיזון יכול להשתנות לקראת מעורבות קוונטית ישירה יותר.כאשר qubits לוגיים מתוקנת להפוך זמין, או כאשר ספירת qubit להגיע לעשרות אלפים, זה יהיה אפשרי לרוץ מעגלים וריאציות גדולים יותר וכדי לפענח בעיות עם נאמנות גבוהה יותר. בנקודה זו, מחשוב קוונטי יכול להפוך למנוע העיקרי של אופטימיזציה של רוח, עם מחשבים קלאסיים לשרת רק כמו מעבדי קלט ופלט.

מסקנה

מחשוב קוונטי עדיין אינו כלי בוגר עבור אופטימיזציה של עיצוב החווה רוח, אבל המסלול ברור.מחקרים בקנה מידה קטן מוקדם מראים באופן עקבי כי אלגוריתמי הקוונטים יכולים להוציא זרמי היסטרים קלאסיים על בעיות פשוטות וכי היתרונות האלה הופכים בולטים יותר ככל עלייה בגודל הבעיה. השילוב של יכולת של קוונטית אנמלינג לברוח אלרמיה מקומית ושיטות שונות עם פרמטרים מתמשך נותן מהנדסי תיבות גדל עבור אינטראקציות מורכבות, להגדיר מגבלות עיצוביות שטח.

הנתח הכלכלי גבוה.5 עד 10% שיפור באנרגיה לכידת מאופטימיזציה טובה יותר יכול לתרגם ישירות בעלות מופחתת של אנרגיה (LCOE), מה שהופך את הרוח לתחרותית יותר עם דלקים מאובנים. בעוד התעשייה בונה אי פעם חוות גדולות יותר, הן על החוף והן על החוף, המגבלות של אופטימיזציה קלאסית יהפכו לחייבות יותר.

אימוץ מעשי צפוי לעקוב אחר עקומה הדרגתית.כיום, חברות אנרגיית רוח מובילות חוקרות מחשוב קוונטי באמצעות שותפויות מחקר בקנה מידה קטן של מחקרים על-פי-הראייה. בשלושה עד חמש שנים הבאות, אנו יכולים לצפות לראות זרמי עבודה קוונטיים-קלאסיים היברידיים המשמשים בתכנון של חוות חדשות, במיוחד את ההתקנים הגדולים והמורכבים ביותר. בתוך עשור, אם חומרה קוונטית תמשיך לשפר בקצב הנוכחי שלה, הקוונטי יכול להפוך לאופטימיזציה של רוחית ברמה העולמית, כדי להאיץ את ההתפתחות העולמית.