Spelling suggestions: "subject:"multimode approach""
1 |
Commande multimodèle optimale des éoliennes : application à la participation des éoliennes au réglage de la fréquence / Multimodel optimal controller for wind turbines : application to the participation of the wind turbines in the frequency controlKhezami, Nadhira 17 October 2011 (has links)
La forte et rapide croissance de l’énergie éolienne à travers le monde a nécessité la mise en vigueur de nouveaux critères normalisés permettant de l’intégrer dans les réseaux électriques sans affecter la qualité et la stabilité du système, et qui peuvent demander aux éoliennes de participer au réglage de la fréquence dans les réseaux en cas de besoin. Ainsi, les travaux présentés dans cette thèse visent à proposer une solution de loi de commande qui permette aux éoliennes de participer au réglage de la fréquence du réseau. En analysant les limites des correcteurs classiques de types P, PI et PID, nous avons opté pour la commande LQ munie d’une approche multimodèle et qui a montré de bonnes performances aux résultats de simulation. Certaines améliorations ont été ajoutées à cette loi de commande du genre modèle de référence, action intégrale, … afin de permettre une poursuite de puissance autour d’une référence donnée qui change selon la fréquence du réseau / The fast and big growth of wind power around the world required the implementation of new standardized criteria to integrate this kind of energy into electric networks without affecting the quality and stability of the system. These criteria could ask the wind turbines to participate in the network frequency control when necessary. Thus, the works presented in this thesis aim to provide a control law solution that allows wind turbines to participate the grid frequency control. By analyzing the limits of traditional regulators such as P, PI and PID, we opted for the LQ controller combined to a multi-model approach because of the good performances shown in the simulation results. Some improvements were added to this control law: reference model, integral action, ... to allow a power trucking for a given reference that changes with the grid frequency
|
2 |
Intercomparação de modelos de simulação da cana-de-açúcar e seu uso na avaliação da quebra de produtividade e dos impactos da irrigação em diferentes regiões do Brasil / Intercomparison of sugarcane simulation models and its use to evaluate yield gap and irrigation impacts in different Brazilian regionsDias, Henrique Boriolo 07 July 2016 (has links)
O sistema de produção da cana-de-açúcar é altamente complexo e a expansão do cultivo tem ocorrido para locais com considerável déficit hídrico (DH). Nesse contexto, o DH e o manejo agrícola são os principais fatores determinantes das quebras de produtividade da cana-de-açúcar, sendo a irrigação uma das alternativas para minimizá-las. Modelos de simulação podem ser utilizados para avaliar a quebra de produtividade e os impactos da irrigação na cana-de-açúcar. Assim, o presente estudo teve por objetivos: i) avaliar e ajustar os modelos MZA-FAO, DSSAT/CANEGRO e APSIM-Sugarcane e propor um fator de manejo (kdec); ii) avaliar a magnitude da quebra de produtividade e suas causas (DH e manejo); iii) avaliar os impactos da irrigação na produtividade da cana-de-açúcar e; iv) estimar o número de dias de suspensão da irrigação antes da colheita. Comparando-se com dados de produtividade de cana de 12 meses com diversos cortes e sistemas (sequeiro e irrigado) para diversas regiões brasileiras, o desempenho de todos os modelos foi fraco com grande erro absoluto médio (EAM > 29 t ha-1) e baixa precisão (R2 < 0,54), já que esses não consideram o manejo agrícola. A introdução do kdec propiciou melhoria no desempenho dos modelos (EAM < 14 t ha-1 e R2 ≥ 0,63). Utilizando a média de produtividade dos três modelos, a precisão e acurácia melhoraram e o EAM diminuiu. Para o estudo da quebra de produtividade foram utilizadas simulações apenas de cana planta de 12 meses sob manejo ótimo, por meio da abordagem multimodelos, as quais foram contrastadas com os dados do IBGE para 30 locais. A quebra de produtividade total média (QT) foi 121 t ha-1, sendo que a maior parte desta foi devido ao DH (72% da QT ou 87 t ha-1). A quebra de produtividade devido ao manejo agrícola (QM) depende da região e das práticas adotados pelos produtores sendo, em média, 28% da QT (34 t ha-1). A QM pode estar relacionada, principalmente, ao monocultivo e à mecanização. Uma vez que o DH é a principal causa da quebra de produtividade, o impacto da irrigação nesta foi estimado por meio de simulações para cana planta de 12 meses em três tipos de solo e 12 datas de plantio com o modelo MZA-FAO. Os resultados demonstraram que o incremento na produtividade decorrente do uso da irrigação é dependente da interação entre as condições meteorológicas, do solo, da época de plantio e da lâmina de irrigação, e revelam que tal prática tem potencial para melhorar os níveis de produtividade em diversas regiões brasileiras. A suspensão da irrigação antes da colheita é uma estratégia para incrementar o teor e a produtividade de sacarose, todavia, não há recomendações para as condições brasileiras. Na tentativa de fornecer informações para nortear tal estratégia, simulações com o modelo APSIM-Sugarcane para cana planta de 12 meses foram realizadas para diferentes tipos de solo, épocas de colheita e locais. O número de dias de suspensão da irrigação variou entre 15 e 115 dias, dependendo da localidade, do solo e da época da colheita. / The sugarcane production system is highly complex and the expansion of this crop is occurring to areas with expressive water deficit (WD). In this context, WD and crop management (CM) are the main determining factors of yield gaps (YG). Irrigation is an alternative to reduce YG of this crop. Crop simulation models can be used to evaluate the YG and irrigation impacts on sugarcane production. Based on that, this study aimed: i) to evaluate and adjust the MZA-FAO, DSSAT/CANEGRO and APSIM-Sugarcane models and propose a management factor (kdec) to improve the performance of these models; ii) to assess the YG magnitude and its causes (WD and CM); iii) to evaluate the impacts of irrigation on sugarcane yield and; iv) to estimate the drying-off days before harvest for different locations. When comparing 12-month cane data with several cuts in rainfed and irrigated systems, the performance of all models was poor with high mean absolute error (MAE > 29 t ha-1) and low precision (R2 < 0.54), once the models does not take into account crop management aspects. The introduction of kdec increased the models\' performances, with MAE < 14 ta ha-1 and R2 ≥ 0.63. When the average yield of the three models was used, the precision and accuracy improved and MAE decreased. The YG was calculated by the difference between simulated values of 12-months plant cane under optimum management in a multi-model approach and data from IBGE for 30 locations. The average YG total (YGT) was 121 t ha-1, which were mainly caused by WD (YGWD), followed by sub-optimal CM (YGCM). The YGWD accounted for about 72% of YGT (∼ 87 t ha-1). The YGCM is dependent on the region and practices adopted by growers, and it represents, in average, 28% of the YGT (34 t ha-1). YGCM can be related mainly to monoculture and mechanization of high impact. Since the WD is the main cause of YG, the impact of irrigation on sugarcane yield was estimated by simulating 12-month plant cane in three soil types and 12 planting dates with MZA-FAO model for a long-term period (30 years). The results showed that the yield increases depend on the interaction between weather conditions, soil type, planting date and irrigation level. The simulations showed that irrigation is a practice with great potential to increase the sugarcane yield in several Brazilian locations. When sugarcane is irrigated, the drying-off is a strategy to increase sucrose content and yield; however, there are no recommendations about it for Brazilian conditions. In order to address this issue, simulations were conducted with APSIM-Sugarcane model for 12-month plant cane under optimum management in three soil types and 12 Brazilian locations for a long-term period (30 years). The harvest dates were simulated from May to November, which is the common harvesting season in sugarcane mills in the evaluated regions. The number of drying-off days varies according to location, soil type and harvest date, with the median ranging from 15 to 115 days.
|
3 |
Intercomparação de modelos de simulação da cana-de-açúcar e seu uso na avaliação da quebra de produtividade e dos impactos da irrigação em diferentes regiões do Brasil / Intercomparison of sugarcane simulation models and its use to evaluate yield gap and irrigation impacts in different Brazilian regionsHenrique Boriolo Dias 07 July 2016 (has links)
O sistema de produção da cana-de-açúcar é altamente complexo e a expansão do cultivo tem ocorrido para locais com considerável déficit hídrico (DH). Nesse contexto, o DH e o manejo agrícola são os principais fatores determinantes das quebras de produtividade da cana-de-açúcar, sendo a irrigação uma das alternativas para minimizá-las. Modelos de simulação podem ser utilizados para avaliar a quebra de produtividade e os impactos da irrigação na cana-de-açúcar. Assim, o presente estudo teve por objetivos: i) avaliar e ajustar os modelos MZA-FAO, DSSAT/CANEGRO e APSIM-Sugarcane e propor um fator de manejo (kdec); ii) avaliar a magnitude da quebra de produtividade e suas causas (DH e manejo); iii) avaliar os impactos da irrigação na produtividade da cana-de-açúcar e; iv) estimar o número de dias de suspensão da irrigação antes da colheita. Comparando-se com dados de produtividade de cana de 12 meses com diversos cortes e sistemas (sequeiro e irrigado) para diversas regiões brasileiras, o desempenho de todos os modelos foi fraco com grande erro absoluto médio (EAM > 29 t ha-1) e baixa precisão (R2 < 0,54), já que esses não consideram o manejo agrícola. A introdução do kdec propiciou melhoria no desempenho dos modelos (EAM < 14 t ha-1 e R2 ≥ 0,63). Utilizando a média de produtividade dos três modelos, a precisão e acurácia melhoraram e o EAM diminuiu. Para o estudo da quebra de produtividade foram utilizadas simulações apenas de cana planta de 12 meses sob manejo ótimo, por meio da abordagem multimodelos, as quais foram contrastadas com os dados do IBGE para 30 locais. A quebra de produtividade total média (QT) foi 121 t ha-1, sendo que a maior parte desta foi devido ao DH (72% da QT ou 87 t ha-1). A quebra de produtividade devido ao manejo agrícola (QM) depende da região e das práticas adotados pelos produtores sendo, em média, 28% da QT (34 t ha-1). A QM pode estar relacionada, principalmente, ao monocultivo e à mecanização. Uma vez que o DH é a principal causa da quebra de produtividade, o impacto da irrigação nesta foi estimado por meio de simulações para cana planta de 12 meses em três tipos de solo e 12 datas de plantio com o modelo MZA-FAO. Os resultados demonstraram que o incremento na produtividade decorrente do uso da irrigação é dependente da interação entre as condições meteorológicas, do solo, da época de plantio e da lâmina de irrigação, e revelam que tal prática tem potencial para melhorar os níveis de produtividade em diversas regiões brasileiras. A suspensão da irrigação antes da colheita é uma estratégia para incrementar o teor e a produtividade de sacarose, todavia, não há recomendações para as condições brasileiras. Na tentativa de fornecer informações para nortear tal estratégia, simulações com o modelo APSIM-Sugarcane para cana planta de 12 meses foram realizadas para diferentes tipos de solo, épocas de colheita e locais. O número de dias de suspensão da irrigação variou entre 15 e 115 dias, dependendo da localidade, do solo e da época da colheita. / The sugarcane production system is highly complex and the expansion of this crop is occurring to areas with expressive water deficit (WD). In this context, WD and crop management (CM) are the main determining factors of yield gaps (YG). Irrigation is an alternative to reduce YG of this crop. Crop simulation models can be used to evaluate the YG and irrigation impacts on sugarcane production. Based on that, this study aimed: i) to evaluate and adjust the MZA-FAO, DSSAT/CANEGRO and APSIM-Sugarcane models and propose a management factor (kdec) to improve the performance of these models; ii) to assess the YG magnitude and its causes (WD and CM); iii) to evaluate the impacts of irrigation on sugarcane yield and; iv) to estimate the drying-off days before harvest for different locations. When comparing 12-month cane data with several cuts in rainfed and irrigated systems, the performance of all models was poor with high mean absolute error (MAE > 29 t ha-1) and low precision (R2 < 0.54), once the models does not take into account crop management aspects. The introduction of kdec increased the models\' performances, with MAE < 14 ta ha-1 and R2 ≥ 0.63. When the average yield of the three models was used, the precision and accuracy improved and MAE decreased. The YG was calculated by the difference between simulated values of 12-months plant cane under optimum management in a multi-model approach and data from IBGE for 30 locations. The average YG total (YGT) was 121 t ha-1, which were mainly caused by WD (YGWD), followed by sub-optimal CM (YGCM). The YGWD accounted for about 72% of YGT (∼ 87 t ha-1). The YGCM is dependent on the region and practices adopted by growers, and it represents, in average, 28% of the YGT (34 t ha-1). YGCM can be related mainly to monoculture and mechanization of high impact. Since the WD is the main cause of YG, the impact of irrigation on sugarcane yield was estimated by simulating 12-month plant cane in three soil types and 12 planting dates with MZA-FAO model for a long-term period (30 years). The results showed that the yield increases depend on the interaction between weather conditions, soil type, planting date and irrigation level. The simulations showed that irrigation is a practice with great potential to increase the sugarcane yield in several Brazilian locations. When sugarcane is irrigated, the drying-off is a strategy to increase sucrose content and yield; however, there are no recommendations about it for Brazilian conditions. In order to address this issue, simulations were conducted with APSIM-Sugarcane model for 12-month plant cane under optimum management in three soil types and 12 Brazilian locations for a long-term period (30 years). The harvest dates were simulated from May to November, which is the common harvesting season in sugarcane mills in the evaluated regions. The number of drying-off days varies according to location, soil type and harvest date, with the median ranging from 15 to 115 days.
|
Page generated in 0.054 seconds