A publicação a seguir é baseada na tradução livre da obra cientifica dos pesquisadores Kalliopi Papadopoulou da Escola de ciências puras e aplicadas da Universidade Aberta do Cipre, Cipre, Christos Alasis da Piraeus University of Aplly Sciences de Atenas, Grécia, e George A. Xydis do Departamento de Desenvolvimento de Negócios e Tecnologia, Universidade Aarhus, Herning, Dinamarca, publicada no volume 39 da Environmental Progress & Sustainable Energy do American Institute of Chemical Engineers.
Os números em vermelho e colocados entre parênteses correspondem a referência bibliográfica disponível no final deste artigo.
Link da publicação original:
https://aiche.onlinelibrary.wiley.com/doi/full/10.1002/ep.13296
Título em inglês:
On the wind blade’s surface roughness due to dust accumulation and its impact on the wind turbine’s performance: A heuristic QBlade-based modeling assessment.
Título traduzido:
Sobre a rugosidade da superfície da pá de vento devido ao acúmulo de poeira e seu impacto no desempenho da turbina eólica: Uma avaliação de modelagem baseada em QBlade heurística.
Resumo
O desenvolvimento de projetos eólicos requer um bom conhecimento da produção de energia que depende da aerodinâmica do rotor e do seu potencial de aproveitamento da energia eólica. Foi observado que o acúmulo de poeira nas superfícies das pás do rotor pode afetar seriamente o desempenho geral do parque eólico (WF) e levar a graves perdas de energia. No presente trabalho, as rugosidades superficiais que ocorrem nas superfícies das pás eólicas devido ao acúmulo de poeira e seu possível efeito no desempenho do aerogerador são os temas estudados. Para tanto, foi realizada uma avaliação da modelagem heurística por meio da amplamente utilizada ferramenta de código aberto QBlade. Todos os dados disponíveis referem-se ao acúmulo de poeira em quatro áreas distintas, nas quais se estudou a evolução do fenômeno e seu efeito no desempenho aerodinâmico quanto à produção de energia. Foi revelado que para velocidades de vento baixas (<10 m / s) não foi observado efeito significativo na potência aerodinâmica. Isso tem levado todos os fabricantes, tomadores de decisão e operadores de parques eólicos a compreender fenômenos que influenciam o desempenho da turbina eólica, que foram negligenciados até agora.
PALAVRAS-CHAVE acúmulo de poeira, QBlade, rugosidade superficial, turbina eólica.
As tecnologias de energia renovável estão desempenhando talvez o papel mais crucial e muito debatido no sistema de energia moderno. No final de 2018, a capacidade global total de energia eólica atingiu quase 600 GW.(1) No entanto, um problema significativo que as turbinas eólicas enfrentam são os agentes de contaminação. Normalmente, a eliminação de poeira nas pás das turbinas eólicas, sujeira, gelo e alguns insetos se acumulam nas pás e geram rugosidade em vários graus. Isso é mais profundamente importante para as turbinas eólicas de eixo horizontal modernas e amplamente utilizadas, e não tanto para as turbinas eólicas de eixo vertical. Esses elementos de rugosidade, dependendo de seu tamanho, localização e densidade, perturbam o fluxo e reduzem a potência produzida pela turbina.
O objetivo principal deste trabalho foi estudar o efeito do transporte e descarte de poeira na produção de eletricidade em turbinas eólicas (pás eólicas). Para avaliar esse fenômeno, um aerofólio padrão NACA 5518 foi utilizado para esse fim na ferramenta de software QBlade. O estudo consiste em uma série de simulações para três locais diferentes na Grécia e um em Chipre. Na Grécia, há uma alta concentração de poeira quando transportado frequentemente do Saara, e esse fato ocorre várias vezes ao longo do ano. É claro que os parques eólicos instalados no Saara e nos países do Norte da África enfrentam esse problema com muito mais frequência do que no Sul da Europa, como a Grécia ou Chipre, nos quais este estudo se concentra. Por exemplo, para uma turbina eólica instalada em Hurghada no Egito, por um tempo operacional com acumulação de poeira de 9 meses, a perda de potência média pode ser superior a 50% (2, 3). Está comprovado que a rugosidade da superfície, número de Reynolds, levantamento, e os coeficientes de arrasto estão interagindo uns com os outros. Os principais resultados são limitados para provar que a rugosidade da superfície da pá do rotor pode afetar o desempenho energético geral e para avaliar a saída de potência e as perdas de potência para condições selecionadas de velocidade e orientação do vento. Os dados sobre a concentração de poeira foram derivados do modelo SKIRON da Universidade de Atenas (4). O modelo SKIRON foi desenvolvido inicialmente na Universidade de Atenas – atualmente operado a partir daí – e de acordo com sua configuração operacional com base na atmosfera, terreno e superfície do mar (como dados de topografia, vegetação e textura do solo) podem fornecer concentração de poeira perto do solo, carga de poeira, deposição seca e úmida de aerossóis e fontes de poeira, entre outros campos de saída.
O efeito da poeira acumulada na superfície das pás depende cada vez das especificações da turbina, da velocidade, da altitude da nacela em relação ao solo e do tipo de regulagem de potência (seja inclinação ou estol). A altura da nacela e do rotor em turbinas reguladas pelo passo são maiores do que pelas reguladas pelo estol; o impacto do acúmulo de poeira sobre o desempenho da turbina eólica regulada pelo pitch é geralmente menor do que o regulado pelo estol (5). A rugosidade da superfície da lâmina depende do local (poeira), principalmente com base nos parâmetros climáticos, como velocidade do vento, número de tempestades de areia em cada mês, acúmulo de areia, insetos e grãos de areia, direção do vento, umidade relativa, especificações de lâmina, chuva e crosta de sal (6). A concentração de poeira, sujeira, areia, gelo e insetos podem ser reduzidos com manutenção sistemática e trabalho de limpeza da WF. É um custo extra que deve ser levado em consideração desde o início da construção do parque eólico para o produtor independente de energia (7). A rugosidade da superfície da pá reduz a eficácia do aerofólio para extrair a energia útil do vento e também leva à diminuição a produção de energia das turbinas. O grau de impacto da rugosidade no desempenho do aerofólio depende da natureza da rugosidade, do tamanho relativo à espessura da camada limite, do número de Reynolds e do tipo do aerofólio (8,9). Ren e Ou (10) estudaram o comportamento aerodinâmico da lâmina, sob condições de superfície lisa e áspera ao operar por meio de um fluxo coeso não comprimido.
Há uma série de ferramentas de software que têm sido utilizadas em relação aos estudos de vento avançados, como a ferramenta de software WAsP para o desenvolvimento de vários atlas, (11,12) ou outros tópicos complexos (13,16). No entanto, pouco foi feito com o uso de QBlade. Koç e cols (17) compararam os resultados de CFD e QBlade em pequenas turbinas eólicas, enquanto Marten e cols (18) validaram o novo código de projeto aerolástico da ferramenta. No acúmulo de poeira, no entanto, a ferramenta QBlade ainda não foi testada. O foco deste trabalho é provar – verificando a teoria com dados da vida real – que os níveis de degradação aerodinâmica estão relacionados ao acúmulo de poeira nas superfícies das pás de vento. O objetivo era identificar sob qual velocidade do vento, o acúmulo de poeira pode ser tolerado, sem ter um impacto significativo na produção de energia.
2 METODOLOGIA
2.1 Coleta de dados e o modelo SKIRON
Os dados coletados do modelo SKIRON são apresentados nesta seção e os gráficos e tabelas relevantes com a concentração média de poeira por hora por mês para as cidades de Sitia, Thiva, Alexandroupoli na Grécia e Lemesos (Limassol), em Chipre (Figura 1) são apresentados.
Figura 1 – As áreas para as quais os dados foram derivados do modelo SKIRON [Figura colorida pode ser visualizada em wileyonlinelibrary.com].
A acumulação de poeira aumenta com o movimento em direção às partes meridional e oriental da Grécia e em direção a Chipre, como pode ser observado a partir dos dados de acumulação de poeira nas duas cidades localizadas a sul e leste da região mais ampla, Limassol e Sitia. Além disso, durante os meses de agosto e setembro, o acúmulo de poeira é baixo (praticamente zero) devido aos ventos de verão predominantes na área (ventos etesianos) (Figura 2). É óbvio que em Limassol, Chipre, a acumulação de poeira é maior do que em qualquer área da Grécia, como mencionado acima, devido à proximidade com a região MENA.
Figura 2 – Acúmulo de poeira médio por hora e anual ao longo do ano de 2014 [a figura colorida pode ser visualizada em wileyonlinelibrary.com].
2.2 QBlade e plano de trabalho
O desenvolvimento do QBlade começou em 2009 como parte da dissertação de doutorado de George Pechlivanoglou no HFI da TU Berlin (19). A motivação era criar uma ferramenta única que abrangesse todas as funcionalidades necessárias para o projeto e simulação de turbinas eólicas aerodinâmicas sem a necessidade de importar, converter ou processar dados de qualquer outra fonte.
No fluxograma (Figura 3), a interação do design, a ferramenta e os conjuntos de dados foram descritos. O usuário seleciona os dados mensais e a rugosidade da turbina eólica. O modelo orienta o usuário para C L e C D para o mês específico, gerando perfis de previsão. O usuário insere as características das pás da turbina eólica e a concentração de poeira esperada. Então, a simulação está gerando os resultados. A simulação começa inicializando o modelo do blade projetando-o no QBlade.
Figura 3 – Fluxograma ilustrando a metodologia seguida.
Não há muitas informações relacionadas à geometria das partículas de poeira. Uma camada irregular de poeira, presume-se que é criada na superfície da lâmina. Partículas de poeira estão aumentando a rugosidade da superfície. O aumento da rugosidade superficial é processado na parte computacional reduzindo o número de Reynolds (Re). Re é um número adimensional que representa o comportamento do ar, com base na razão das forças inerciais para as forças viscosas. A variação do número de Reynolds para simular o impacto do solo pode ser vista inicialmente como uma forma imprecisa de ser levada em consideração em relação ao impacto, uma vez que Re é um valor local calculado em função da velocidade do rotor da turbina, posição radial, indução axial, velocidade de entrada e atmosfera condições. No entanto, com base em tentativa e erro, a variação do número de Reynolds para simular o impacto de sujeira foi considerada necessária. Com base no conjunto de dados disponíveis (μgr de poeira por m² de superfície), a altura média, h a, da camada de acumulação irregular é estimada. Esta altura é representativa da altura de rugosidade, k. Com base na abordagem de Adams et al (20), a rugosidade equivalente do grão de areia, ε s, é estimada como na Equação (1).
A expressão mais comumente usada para o modelo de rugosidade que se aplica à rugosidade de grãos de areia, em um ponto x, de acordo com Schlichting (21) é:
e como C f está inversamente relacionado a Re, conforme a rugosidade aumenta, Re diminui. O comportamento aerodinâmico do aerofólio foi medido e a relação entre rugosidade, resultados de eficiência e o número de Reynolds foi associada, provando que o arrasto é reduzido enquanto a sustentação máxima é aumentada (22). Também se sabe que números de Reynolds maiores têm, em geral para aerofólios finos, um efeito positivo na sensibilidade à aspereza da pá (23) e é aqui que este estudo se relaciona com o acúmulo de poeira. Também está provado que a curva dos coeficientes de sustentação-arrasto revela que a rugosidade é um fator de influência importante sobre o coeficiente de sustentação no ângulo de ataque de aproximadamente 10 °, onde normalmente o coeficiente de sustentação descerá e o coeficiente de arrasto aumentará por causa da aresta de ataque áspera em pequenos ângulos de ataque (AoA ou Alpha) (24). Portanto, o plano de trabalho incluiu a correlação de poeira com um número de Reynolds, vinculando dados reais aos dados de entrada do QBlade, em seguida, escolher um aerofólio adequado, configuração e análise de comportamento aerodinâmico e, subsequentemente, design e simulação do rotor. NACA 5518 foi usado neste caso. De acordo com Ram et al, (25,26) os aerofólios projetados pelo NACA são considerados adequados para operar em um ambiente de vento de alta intensidade, pequeno AoA, fator de interferência (fator de indução axial), α. Para o estudo, foi selecionado um NACA 5518 (Figura 4).
Figura 4 – NACA 5518 no ambiente de trabalho de design de lâmina horizontal QBlade [figura colorida pode ser visualizada em wileyonlinelibrary.com].
O estudo foi focado em simulações de corrida com números Re selecionados para determinar C l, C d, C p, α e investigar uma possível degradação aerodinâmica em termos de potência aerodinâmica P em função da velocidade do vento V (em cada uma das quatro áreas), onde C l, C d, C p são os coeficientes de sustentação, arrasto e potência, respectivamente. Os dados usados como entrada para QBlade foram: vários números Re, número de Mach (constante e igual a 0,05), simulações de fluxo (com um AoA de −5 ° a 25 ° e um passo de 1 °) e simulações não dimensionais, com λ de 1 a 10 (e uma etapa de 0,5), viscosidade cinemática, v, igual a 1,647 ∙ 10−5m 2s e densidade do fluido p ρ, igual a 1,225 kGm 3. A velocidade do vento, V, para todos os casos foi sempre entre 3 e 25 m / s, o ângulo de inclinação constante e igual a 5 °, e a velocidade angular do rotor, ω, 20–50 rpm.
3 RESULTADOS E DISCUSSÃO
Após extensas simulações com a ferramenta, resultados qualitativos e quantitativos são apresentados mostrando graficamente os resultados de C l / C d, de C p, da razão L / D (Lift-to-Drag), de α, com foco no potencial aerodinâmico degradação e a potência aerodinâmica atribuível P no final de cada período de monitoramento.
A Figura 5 apresenta a análise genérica para todos C l / C d (a), L / D (b), α / posição (c), C p / TSR (d), onde TSR é a razão da velocidade de ponta. Em números Re baixos (aproximadamente em 100.000, o que significa alto acúmulo de poeira) (27), as relações C l / C d (Figura 5a) e L / D (Figura 5b) também estão em níveis muito baixos, o que tem um impacto sobre o coeficiente de potência C p (Figura 5d). Como já foi mencionado, o fator de indução axial, α, representa os níveis de exploração dos recursos eólicos na pá (28). Segundo a teoria, a maior parte da energia produzida está ocorrendo do meio até a ponta da pá (29) (Figura 5c).
Figura 5 – Análise para vários números Re de C l / C d (a), L / D (b), α / posição (c) e C p / TSR (d) [Figura colorida pode ser vista em wileyonlinelibrary.com].
Seguem quatro gráficos (Figuras 6-9) apresentando os parâmetros aerodinâmicos e resultados de potência para cada uma das quatro cidades para velocidades de vento selecionadas, V e perdas de potência estimadas.
Figura 6 – Limassol: C l / C d (a), C p / TSR e potência aerodinâmica à velocidade do vento (b) para todos os meses [a figura colorida pode ser vista em wileyonlinelibrary.com].
Figura 7 – Sitia: C l / C d (a), C p / TSR e potência aerodinâmica à velocidade do vento (b) para todos os meses [a figura colorida pode ser vista em wileyonlinelibrary.com].
Figura 8 – Thiva: C l / C d (a), C p / TSR e potência aerodinâmica à velocidade do vento (b) para todos os meses [a figura colorida pode ser vista em wileyonlinelibrary.com].
Figura 9 – Alexandroupoli: C l / C d (a), C p / TSR e potência aerodinâmica à velocidade do vento (b) para todos os meses [a figura colorida pode ser vista em wileyonlinelibrary.com].
A Figura 6 apresenta os resultados para Limassol em Chipre, Figura 7 para Sitia, Figura 8 para Thiva e Figura 9 para Alexandroupoli. Foi comprovado que para AoA até 10 °, janeiro apresentou resultados C l / C d significativamente maiores e dezembro apresentou os menores. Além desses AoA (e abaixo de 0), em todos os meses o mesmo comportamento foi percebido. Praticamente a mesma patente foi seguida para a razão C p / TSR. Pode-se observar que as perdas estimadas atingem – em ambos os ângulos de inclinação testados – seu pico de aproximadamente 15 m / s e, então, até a velocidade de 25 m / s, diminuem novamente (Tabela 1).
Tabela 1. Limassol: Potência aerodinâmica máxima e mínima para velocidades de vento selecionadas em ângulos de inclinação de 0 ° e 5 °. Estimativa de perdas de energia para uma turbina regulada por estol:
Na Tabela 2, a potência aerodinâmica máxima e mínima para velocidades de vento selecionadas, a 5, 10, 15, 20 e 25 m / s (a última é a velocidade em que a maioria das turbinas eólicas freia ou opera de maneira totalmente supervisionada) em ângulos de inclinação de 0 ° e 5 ° para a cidade de Sitia. A estimativa das perdas de energia também é mostrada. Similarmente a Limassol, Sitia (Tabela 3) e Alexandroupoli (Tabela 4), apresentam seu pico nas perdas estimadas em aproximadamente 15‐20 m / se então até 25 m / s eles diminuem novamente.
Tabela 2. Sitia: Potência aerodinâmica máxima e mínima para velocidades de vento selecionadas em ângulos de inclinação de 0 ° e 5 ° e estimativa de perdas de potência:
Tabela 3. Thiva: Potência aerodinâmica máxima e mínima para velocidades de vento selecionadas em ângulos de inclinação de 0 ° e 5 ° e estimativa de perdas de potência:
Tabela 4. Alexandroupoli: Potência aerodinâmica máxima e mínima para velocidades de vento selecionadas em ângulos de inclinação de 0 ° e 5 ° e estimativa de perdas de potência:
Para Sitia, para AoA entre 0 e 10 °, janeiro apresentou os maiores resultados de C l / C d e dezembro os menores. O mesmo aconteceu para a razão C p / TSR.
Também foi provado para Thiva que para AoA entre 5 e 7 °, portanto, para uma abertura mais curta, janeiro apresentou os maiores resultados C l / C d e dezembro os mais baixos. Além desses AoA (antes e depois), em todos os meses foi observado o mesmo comportamento.
Ficou provado para Alexandoupoli que para AoA entre 0 e 10 °, janeiro apresentou os maiores resultados de c l / c d e dezembro os mais baixos. Além desses AoA (antes e depois), em todos os meses foi observado o mesmo comportamento. Enquanto para as outras três cidades foi observada uma diferença na potência aerodinâmica em janeiro em relação aos outros meses, em Alexandroupoli essa pequena diferença não está presente.
Na Figura 10 e na Tabela 5, são apresentadas as perdas aerodinâmicas em cada uma das quatro cidades. Ao aumentar o número de Re, nota-se um aumento do máximo do coeficiente C l e uma diminuição do valor mínimo do coeficiente C d. À medida que a AoA aumenta, a proporção C l / C d aumenta até um ponto máximo e, em seguida, diminui assintoticamente (Figuras 6a, 7a, 8a, 9a).
Figura 10 – Potência aerodinâmica estimada para a velocidade do vento V = 5, 10, 15, 20 m / s [Figura colorida pode ser vista em wileyonlinelibrary.com].
Tabela 5. Perdas aerodinâmicas médias, ΔP, para velocidade do vento V = 5, 10, 15, 20 m / s.
Com base na análise qualitativa, é importante ressaltar que a redução do número Re, resulta na redução do coeficiente de indução axial, α, que significa diretamente degradação aerodinâmica (30, 31).
Na maioria dos casos, as diferenças entre os valores dos coeficientes para cada Re são menores em AoA s de −5 ° a 12 °. No entanto, o fenômeno se torna mais profundo quando a AoA excede 12 °. É bem sabido que para aumentar a eficiência energética da lâmina a relação L / D precisa ser maximizada (30). Portanto, quanto mais a relação C l / C d diminui (pelo acúmulo de poeira que altera o número Re), o menos eficiente é a lâmina. Com base na análise comparativa apresentada na Figura 10, não houve impacto significativo do acúmulo de poeira observado com velocidades menores que 9 m / s. A Tabela 5 resume os resultados comparativos para as perdas aerodinâmicas para várias velocidades do vento.
Com base nas figuras comparativas (Figuras 6-10), é mostrado que:
Os gráficos de Limassol, Thiva e Alexandroupolis seguem o mesmo padrão, enquanto Sitia difere ligeiramente para velocidades de vento acima de 22 m / s.
O padrão de Thiva e Alexandroupolis são quase idênticos para os meses entre fevereiro e outubro.
A curva do gráfico de Limassol é sempre menor do que as velocidades do vento de Sitia até 22 m / s.
Todas as curvas de potência são idênticas para velocidades de vento de até 9 m / s.
Neste trabalho, uma abordagem bibliográfica (pesquisa documental) e uma computacional (via ferramenta QBlade) foi seguida para investigar o impacto da poeira acumulada na produção eólica. Um estudo de caso que incluiu dados reais de três cidades na Grécia e uma em Chipre deu suporte à análise e com base nas simulações, os níveis de degradação aerodinâmica foram estimados. O acúmulo de poeira na superfície das turbinas eólicas resulta em perdas de energia. O conhecimento profundo das perdas esperadas de um parque eólico, sabe-se que leva a análises tecnoeconômicas mais precisas e detalhadas (32,33). Em parques eólicos, qualquer redução na produção de energia ameaça todo o investimento e tem impacto na operação das turbinas eólicas.
Os cálculos verificaram a teoria e comprovaram a interação entre a rugosidade da superfície, o número de Reynolds e a razão Lift-Drag. Foi comprovado que para velocidades de vento inferiores a 10 m / s não foi percebido impacto significativo na potência aerodinâmica, embora acima desta velocidade as consequências sejam consideráveis. As perdas de energia em alguns casos chegaram até a 10%, o que levou à conclusão de que o acúmulo descontrolado de poeira poderia criar grandes lacunas na geração de eletricidade de um parque eólico.
AGRADECIMENTOS
Os autores gostariam de agradecer aos membros do sistema regional de previsão do tempo SKIRON por fornecer os dados de acumulação de poeira para cada uma das quatro cidades.
Referências no texto:
1 World Wind Energy Association (WWEA). Wind Power Capacity Worldwide Reaches 600 GW, 53,9 GW added in 2018. https://wwindea.org/blog/2019/02/25/wind-power-capacity-worldwide-reaches-600-gw-539-gw-added-in-2018/. Accessed April 27, 2019.
2 Pechlivanoglou G, Fuehr S, Nayeri CN, Paschereit CO. The effect of distributed roughness on the power performance of wind turbines. In Proceedings of ASME IGTI Turbo Expo 2010 ASME/IGTI ; June 14–18, 2010; Glasgow, Scotland, UK, ASME.
3 Khanjari A, Sarreshtehdari A, Mahmoodi E. Modeling of energy and exergy efficiencies of a wind turbine based on the blade element momentum theory under different roughness intensities. J Energy Resour Technol, Trans ASME. 2017;139(2):022006.
Crossref Web of Science®Google Scholar
4 SKIRON model, University of Athens, Dust Forecast, 2015. http://forecast.uoa.gr/dustindx.php?domain=med. Accessed August 9, 2018.
5 Soltani MR, Birjandi AH, Seddighi Moorani M. Effect of surface contamination on the performance of a section of a wind turbine blade. Sci Iran. 2011;18(3 B):349‐357.
Crossref Web of Science®Google Scholar
6 Sagol E, Reggio M, Ilinca A. Issues concerning roughness on wind turbine blades. Renew Sustain Energy Rev. 2013;23:514‐525.
Crossref Web of Science®Google Scholar
7 ENERCON. Clean Work and High Quality. Germany: WINDBLATT ENERCON Magazine for Windenergie; 2005.
8 Khalfallah MG, Koliub AM. Effect of dust on the performance of wind turbines. Desalination. 2007;209(1–3 SPEC. ISS):209‐220.
Crossref CAS Web of Science®Google Scholar
9 Beyhaghi S, Amano RS. Improvement of aerodynamic performance of cambered airfoils using leading‐edge slots. J Energy Resour Technol, Trans ASME. 2017;139(5):051204.
Crossref Web of Science®Google Scholar
10 Ren N, Ou J. Dust effect on the performance of wind turbine airfoils. J Electromagn Anal Appl. 2009;1(2):102‐107.
11 Larsén XG, Badger J, Hahmann AN, Mortensen NG. The selective dynamical downscaling method for extreme‐wind atlases. Wind Energy. 2013;16(8):1167‐1182.
Wiley Online Library Web of Science®Google Scholar
12 Lennard C, Hahmann AN, Badger J, Mortensen NG, Argent B. Development of a numerical wind atlas for South Africa. Energy Proc. 2015;76:128‐137.
13 Raach S, Schlipf D, Cheng PW. Lidar‐based wake tracking for closed‐loop wind farm control. J Phys: Conf Ser. 2016;753(5):052009.
14 Rudolph D, Kirkegaard J, Lyhne I, Clausen N‐E, Kørnøv L. Spoiled darkness? Sense of place and annoyance over obstruction lights from the world’s largest wind turbine test centre in Denmark. Energy Res Soc Sci. 2017;25:80‐90.
Crossref Web of Science®Google Scholar
15 Xydis G. Effects of air psychrometrics on the exergetic efficiency of a wind farm at a coastal mountainous site—an experimental study. Energy. 2012;37(1):632‐638.
Crossref Web of Science®Google Scholar
16 Mishra N, Gupta AS, Dawar J, Kumar A, Mitra S. Design and development of a high performance Darrieus vertical axis wind turbine with wingtip devices. J Energy Resour Technol ASME. 2018;140:121201. https://doi.org/10.1115/1.4040506.
Crossref Web of Science®Google Scholar
17 Koç E, Günel O, Yavuz T. Comparison of Qblade and CFD results for small‐scaled horizontal axis wind turbine analysis, 2017. IEEE Int Conf Renew Energy Res Appl—ICRERA. 2016;2016(7884538):204‐209.
18 Marten D, Lennie M, Pechlivanoglou G, et al. Validation and comparison of a newly developed aeroelastic design code for VAWT. 35th Wind Energy Symposium ; 2017.
19 Pechlivanoglou G. Passive and active flow control solutions for wind turbine blades, Dissertation, TU Berlin, 2012. https://opus4.kobv.de/opus4-tuberlin/frontdoor/index/index/docId/3605.
20 Adams T, Grant C, Watson H. A simple algorithm to relate measured surface roughness to equivalent sand‐grain roughness. Int J Mech Eng Mechatron. 2012;1(1):66‐71.
21 Schlichting H. Boundary—Layer Theory. 7th ed. USA: McGraw‐Hill; 1979.
22 Pires O, Munduate X, Ceyhan O, Jacobs M, Snel H. Analysis of high Reynolds numbers effects on a wind turbine airfoil using 2D wind tunnel test data. J Phys: Conf Ser. 2016;753:022047. https://doi.org/10.1088/1742-6596/753/2/022047.
23 Timmer WA, Schaffarczyk AP. The effect of roughness at high Reynolds numbers on the performance of aerofoil DU 97‐W‐300Mod. Wind Energy. 2004;7(4):295‐307.
Wiley Online Library Web of Science®Google Scholar
24 Li R, Chen Y. Effects of surface roughness and Reynolds number on aerodynamic performance of wind turbine airfoil. Nanjing Hangkong Hangtian Daxue Xuebao/J Nanjing Univ Aeronaut Astronaut. 2011;43(5):693‐696.
25 Ram KR, Lal S, Rafiuddin Ahmed M. Low Reynolds number airfoil optimization for wind turbine applications using genetic algorithm. J Renew Sustain Energy. 2013;5(5):052007.
Crossref Web of Science®Google Scholar
26 Eder MA, Bitsche RD. Fracture analysis of adhesive joints in wind turbine blades. Wind Energy. 2015;18(6):1007‐1022.
Wiley Online Library Web of Science®Google Scholar
27 Koopman GH. The vortex wakes of vibrating cylinders at low Reynolds numbers. J Fluid Mech. 1967;28:501‐512.
Crossref Web of Science®Google Scholar
28 Şişbot S, Turgut Ö, Tunç M, Çamdali Ü. Optimal positioning of wind turbines on Gökçeada using multi‐objective genetic algorithm. Wind Energy. 2010;13(4):297‐306.
Wiley Online Library Web of Science®Google Scholar
29 Fischer GR, Kipouros T, Savill AM. Multi‐objective optimisation of horizontal axis wind turbine structure and energy production using aerofoil and blade properties as design variables. Renew Energy. 2014;62:506‐515.
Crossref Web of Science®Google Scholar
30 Hansen MOL. Aerodynamics of Wind Turbines. 2nd ed. London: Routledge; 2008.
31 Sedaghat A, Mirhosseini M. Aerodynamic design of a 300 kW horizontal axis wind turbine for province of Semnan. Energ Convers Manage. 2012;63:87‐94.
Crossref Web of Science®Google Scholar
32 Xydis G. The wind chill temperature effect on a large‐scale PV plant—an exergy approach, the wind chill temperature effect on a large‐scale PV plant—an exergy approach. Prog Photovolt: Res Appl. 2013;21:1611‐1624. https://doi.org/10.1002/pip.2247.
Wiley Online Library Web of Science®Google Scholar
33 Xydis G. A techno‐economic and spatial analysis for the optimal planning of wind energy in Kythira Island, Greece. Int J Prod Econ. 2013;146:440‐452. https://doi.org/10.1016/j.ijpe.2013.02.013.
Crossref Web of Science®Google Scholar
