Physics-informed Neural Networks aplicadas à modelagem dinâmica de vento

Abstract

A energia eólica desempenha um papel fundamental na mitigação das alterações climáticas, sendo de particular importância para a redução das emissões de gases poluentes no setor de energia. Um de seus desafios centrais é a compreensão detalhada da dinâmica do fluxo atmosférico na camada limite, onde os aerogeradores operam, essencial para otimizar sua eficiência. Este trabalho investiga o uso de Physics-informed Neural Networks (PINNs) em simulações de escoamento, com foco específico no efeito esteira gerado pelos aerogeradores. Para alcançar esse objetivo, foi implementada uma PINN capaz de resolver as equações de escoamento ao mesmo tempo que atende às condições de contorno estabelecidas, direcionando-se para simulações de pequena escala. A metodologia incluiu a validação dos resultados obtidos, além de uma análise das discrepâncias entre os dados gerados pela PINN e as simulações de Dinâmica de Fluidos Computacional (CFD) convencionais. Os resultados revelaram sutis diferenças entre as duas abordagens, refletindo as particularidades de cada metodologia. As redes neurais apresentaram vantagens notáveis, como uma execução mais rápida e custos computacionais reduzidos, sugerindo que as PINNs são uma alternativa viável e promissora para otimizar simulações no campo da energia eólica.