Aprendizado de máquina para previsão de vazão e pressão em um conversor de energia das ondas de coluna de água oscilante

Aug 4, 2026

Carregar por Theodora

A utilização da energia das ondas é apresentada como alternativa renovável para diversificar a matriz energética e reduzir o consumo de fontes fósseis. O trabalho aborda a Coluna de Água Oscilante (CAO/OWC), em que a oscilação da superfície comprime ar confinado e aciona uma turbina. Combina simulação numérica e aprendizagem de máquina para prever vazão volumétrica e pressão na câmara CAO. O banco de dados é gerado por DOE e CFD, com MVF, e alimenta uma rede neural profunda, avaliada por erro quadrático médio, com diferenças de até 5% em RMS.

IdiomaPortuguese

CategoriaPesquisa e Relatórios

FormatoPDF

Páginas16

Tempo de leitura25 min

AcessoDownload gratuito

Índice

Resumo

Motivação e contexto da energia das ondas

Dispositivo CAO e princípio de funcionamento

Metodologia: DOE e CFD

Modelo: rede neural profunda

Avaliação do desempenho

Introdução

Aprendizado de máquina para previsão de vazão e pressão em um conversor de energia das ondas de coluna de água oscilante Machine learning for predicting flow and pressure in an oscillating water column wave energy converter Eduardo Henrique T. Cunegatto1 ; Lenon Audibert Cisco2; Flávia Schwarz F. Zinani3; Sandro José Rigo4 1Aluno do Curso de Doutorado em Computação Aplicada, Universidade do Vale do Rio dos Sinos, São Leopoldo, Rio Grande do Sul, Brasil. Orcid: 0000-0002-2692-1479. E-mail: [eduardohtc@edu.unisinos.br](eduardohtc@edu.unisinos.br) 2Aluno do Curso de Doutorado em Engenharia Mecânica, Universidade Federal do Rio Grande do Sul, Porto Alegre, Rio Grande do Sul, Brasil. Orcid: 0000-0002-6798-0934. E-mail: [lenon.cisco@ufrgs.br](lenon.cisco@ufrgs.br) 3Professor do Instituto de Pesquisas Hidráulicas, Universidade Federal do Rio Grande do Sul, Porto Alegre, Rio Grande do Sul, Brasil. Orcid: 0000-0001-5402-900X. E-mail: [flavia.zinani@ufrgs.br](flavia.zinani@ufrgs.br)[ ](flavia.zinani@ufrgs.br)4Professor do Programa de Pós-Graduação em Computação Aplicada, Universidade do Vale do Rio dos Sinos, São Leopoldo, Rio Grande do Sul, Brasil. Orcid: 0000-0001-8140-5621. E-mail: [rigo@unisinos.br](rigo@unisinos.br) [RESUMO:](RESUMO: A utiliza)[ A utiliza](RESUMO: A utiliza)ção da energia das ondas se coloca como uma alternativa renovável, diversificando amatriz energética e reduzindo o consumo de fontes fósseis. Um dos dispositivos proeminentes para captaçãoda energia das ondas é a Coluna de Água Oscilante (CAO), que consiste em uma câmara hidropneumáticaonde a oscilação da superfície oceânica comprime o ar confinado, acionando uma turbina. Este trabalho combina simulação numérica e algoritmos de aprendizagem de máquina, objetivando desenvolver modelos de previsão para vazão volumétrica e pressão através da câmara CAO. O banco de dados para os modelos foi criado utilizando técnicas de Design de Experimentos (DOE), onde diferentes combinações de altura e comprimento de onda foram simuladas via CFD (Computational Fluid Dynamics) através do método dos volumes finitos (MVF) . Após, a informação da altura de elevação de onda é alimentada a uma rede neural profunda totalmente conectada, que utiliza os dados simulados para aprendizado e retorna previsões baseadas nas informações fornecidas. A performance do modelo é avaliada em termos de uma função custo (Mean Squared Error) . O modelo empregado possibilita identificar picos de vazão e pressão para o período de onda fornecido na entrada e os resultados encontrados apresentam diferenças de até 5% no RMS (Root Mean Square) entre as previsões e os dados simulados via CFD. A principal contribuição do trabalho está nautilização de aprendizado de máquina na previsão de condições de operação tradicionais de um dispositivo CAO, trazendo um conceito que pode ser aplicado em fases iniciais do projeto destes dispositivos. Palavras-chave: Energia das ondas, Dinâmica dos Fluidos Computacional, Coluna de água oscilante, Redesneurais artificiais, Modelo preditivo. ABSTRACT: The use of wave energy presents itself as a renewable alternative, diversifying the energy matrix and reducing the consumption of fossil fuels. One of the prominent devices for ocean wave harvesting is the Oscillating Water Column (OWC), which consists of a hydropneumatic chamber where the oscillation of the water surface compresses the confined air, driving a turbine. This work combines numerical simulation and machine learning algorithms, aiming to develop predictive models for mass flow rate and pressure through the OWC chamber. The database for the models was created using Design of Experiments (DOE) techniques, where different combinations of wave height and wavelength were simulated via Computational Fluid Dynamics (CFD) using the Finite Volume Method (FVM). Subsequently, the wave elevation height data is fed into a fully connected deep neural network, which uses the simulated data for learning and returns pr

Perguntas frequentes

Qual é o objetivo do trabalho com aprendizado de máquina?

Desenvolver modelos preditivos para vazão volumétrica e pressão na câmara da Coluna de Água Oscilante a partir de dados de entrada relacionados ao perfil de onda.

Como o banco de dados para os modelos foi criado?

O banco foi gerado com técnicas de Design de Experimentos (DOE), simulando diferentes combinações de altura e comprimento de onda via CFD usando o método dos volumes finitos (MVF).

Como a performance do modelo é avaliada?

A performance é medida por uma função custo baseada em Mean Squared Error (erro quadrático médio), permitindo comparar previsões com resultados simulados.

Aug 4, 2026

Carregar por Theodora