utilizaÇÃo de mÉtodos estocÁsticos para a...
TRANSCRIPT
i
UTILIZAÇÃO DE MÉTODOS ESTOCÁSTICOS PARA A
AVALIAÇÃO DA CONFIABILIDADE DE TURBINAS EÓLICAS
OFFSHORE
Lucas Rego Monteiro Barreto
Projeto de Graduação apresentado ao Curso
de Engenharia Mecânica da Escola Politécnica,
Universidade Federal do Rio de Janeiro, como parte
dos requisitos necessários à obtenção do título de
Engenheiro.
Orientador: Prof. Thiago Gamboa Ritto
RIO DE JANEIRO, RJ - BRASIL
FEVEREIRO DE 2014
ii
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
Departamento de Engenharia Mecânica
DEM/POLI/UFRJ
UTILIZAÇÃO DE MÉTODOS ESTOCÁSTICOS PARA A
AVALIAÇÃO DE ESTRUTURAS DE TURBINAS EÓLICAS
OFFSHORE
Lucas Rego Monteiro Barreto
PROJETO FINAL SUBMETIDO AO CORPO DOCENTE DO DEPARTAMENTO
DE ENGENHARIA MECÂNICA DA ESCOLA POLITÉCNICA DA
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS
REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE
ENGENHEIRO MECÂNICO.
Aprovado por:
________________________________________________
Prof. Thiago Gamboa Ritto
________________________________________________
Prof. Lavínia Maria Sanábio Alves Borges
________________________________________________
Prof. Albíno J.K. Leiroz
RIO DE JANEIRO, RJ - BRASIL
FEVEREIRO DE 2014
iii
Barreto, Lucas Rego Monteiro
Utilização de métodos estocásticos para avaliação de
turbinas eólicas offshore.
XII, 33 p.: il.; 29,7 cm.
Orientador: Thiago Gamboa Ritto, DSc.
Projeto de Graduação – UFRJ/ Escola Politécnica/ Curso
de Engenharia Mecânica, 2013.
Referências Bibliográficas: p. 32-33.
1. Introdução. 2. A Energia Eólica. 3.Modelagem. 4.
Simulações. 5. Análise de Resultados. 6. Conclusões e
Observações para Análises Futuras I. Ritto, Thiago. II.
Universidade Federal do Rio de Janeiro, Escola Politécnica,
Curso de Engenharia Mecânica. III. Utilização de métodos
estocásticos para avaliação da confiabilidade de turbinas
eólicas offshore.
v
DEDICATÓRIA
Aos meus pais, que fizeram de tudo para que eu tivesse em mãos as ferramentas
para construir o meu futuro. Deram-me a mão enquanto caminhávamos por um mundo
desconhecido em meio à minha inocência e hoje andam ao meu lado, na medida em que
dou os meus próprios passos. Dedico esta coroação a vocês junto com a minha sincera
gratidão.
vi
AGRADECIMENTOS
À minha família pelo apoio que me deram e dão até hoje.
A todos os meus amigos da faculdade, que estiveram comigo durante toda essa
jornada e com certeza tem a parcela de contribuição deles no meu conhecimento, mas
especialmente ao Marcus Vinicius Sena Casagrande, David Cruz e João Caminada que
estiveram junto comigo no início disso tudo e marcaram esta minha travessia.
Ao meu orientador, Prof. Thiago Ritto, sem o qual não seria possível a
realização deste trabalho.
Ao Prof. Atila Pantaleão Silva Freire pela oportunidade de estágio em seu
laboratório, que com certeza contribuiu para minha formação.
À fundação CAPES, que pôde me oferecer a bolsa CAPES-BRAFITEC, que me
permitiu passar um ano na França complementando a minha formação com uma
experiência pessoal e acadêmica que estará guardada por toda minha vida.
E ao Gabriel Monroy pelo trabalho de revisão.
vii
Resumo do Projeto de Graduação apresentado à Escola Politécnica / UFRJ como
parte dos requisitos necessários para a obtenção do grau de Engenheiro Mecânico.
Utilização de métodos estocásticos para a avaliação da confiabilidade de
turbinas eólicas offshore
Lucas Rego Monteiro Barreto
Fevereiro/2014
Orientador: Thiago Gamboa Ritto
Curso: Engenharia Mecânica
As turbinas eólicas offshore são hoje uma das mais interessantes opções de
fontes alternativas de energia, especialmente no Brasil. A energia do vento é ainda
pouco explorada e não produz qualquer tipo de poluição material. A eficiência das
turbinas eólicas offshore tende a ser maior do que as turbinas onshore devido a
qualidade do vento que chega em cada uma das mesmas. No entanto a estrutura da
turbina eólica offshore está sujeita a condições imprecisas de difícil avaliação, já que o
mar possui correntes e ondulações de frequência e amplitude variáveis. Logo é
necessário mensurar de forma probabilística a resistência da estrutura ao mar e ao vento,
para que o projeto seja feito de forma adequada. Neste trabalho é utilizada a
metodologia de Monte Carlo e Amostragem por importancia para avaliar a
probabilidade de falha da estrutura de uma turbina eólica offshore, modelada como uma
haste rígida presa a uma base flutuante por uma mola torcional.
Palavras-chave: Turbina eólica offshore, Monte Carlo, Importance Samplig,
Probabilidade de Falha
viii
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial
fulfillment of the requirements for the degree of Engineer.
Using stochastic methods to evaluate offshore wind turbine structures
Lucas Rego Monteiro Barreto
Fevereiro/2014
Advisor: Thiago Gamboa Ritto
Course: Mechanical Engineering
Offshore wind turbines are today one of the most interesting options for
alternative energy resources, especially in Brazil. Wind energy is still underused in the
world and has as a characteristic the lack of material pollution in energy generation. The
efficiency of offshore wind turbines tend to be higher than onshore turbines due to the
quality of wind that is available to each of them. However, the offshore wind turbine’s
structure is subject to conditions of difficult evaluation, since the sea waves and currents
have variable frequency and amplitude. Therefore it is necessary to evaluate the strength
of the structure when subject to the sea and the wind in terms of probability in order to
get the project done properly. In this paper the methodology of Monte Carlo and
Importance Sampling are used to assess the probability of failure of the structure of an
offshore wind turbine. This structure is modeled as a rigid bar connected do a floating
base through a torsion spring.
Key-words: Offshore Wind Turbines, Monte Carlo, Importance sampling
ix
Sumário
1 Introdução ....................................................................... 1
2 A Energia Eólica ............................................................. 2
2.1 História .................................................................................................... 2
2.2 Tipos de Turbinas Eólicas ....................................................................... 4
2.3 Onshore VS. Offshore ............................................................................. 6
3 Modelagem ....................................................................... 8
3.1 Introdução ............................................................................................... 8
3.2 A fronteira entre os estados de falha e não falha .................................. 15
3.3 Amostragem por importancia ............................................................... 21
3.4 Avaliação do Modelo ............................................................................ 23
4 Simulações ..................................................................... 26
4.1 Sensibilidade das variáveis ................................................................... 26
4.2 Primeiro critério de Falha ..................................................................... 32
4.3 Segundo critério de falha ...................................................................... 34
4.4 Dois critérios sobrepostos ..................................................................... 36
5 Análise de resultados ..................................................... 36
6 Conclusões e observações para análises futuras ......... 38
7 Referências .................................................................... 40
8 Anexo ............................................................................. 42
8.1 Código de programação Monte Carlo e Amostragem por importancia 42
8.2 Função Sub_edoPEN4 .......................................................................... 46
8.3 Tabela de distribuição normal ............................................................... 47
x
Lista de Figuras
Figura 1 - Linha de tempo dos moinhos de vento[14] .......................................... 2
Figura 2 - Turbina eólica de Smith-Punam [9] ..................................................... 3
Figura 3-Comparação das afluentes de Sobradinho com a média mensal da
geração elétrica [4] ............................................................................................... 4
Figura 4– VAWT de Darrieus [16] ....................................................................... 5
Figura 5 - VAWT de Savonius [16] ..................................................................... 5
Figura 6 - Turbina eólica off-shore flutuante[18] ................................................. 6
Figura 7 - Tipos de fixação[18] ............................................................................ 8
Figura 8 - Diagrama do Modelo adotado ............................................................ 10
Figura 9 - Barra engastada [7] ............................................................................ 12
Figura 10 - Força Distribuida ............................................................................. 13
Figura 11 - Relação força-momento ................................................................... 15
Figura 12 - Fronteira linear de Falha/não falha .................................................. 17
Figura 13 - Convergência por Monte Carlo ........................................................ 18
Figura 14 - Fronteira de estado falha/não-falha não linear ................................ 20
Figura 15 - Convergência não linear por Monte Carlo ....................................... 20
Figura 16 - Deslocamento do espaço amostral para a região de interesse .......... 22
Figura 17 - Comparação de Monte Carlo com Amostragem por importancia ... 23
Figura 18 - Resultados de referencia .................................................................. 27
Figura 19 - Variação da amplitude (0.5 m para 1.4 m) ....................................... 28
Figura 20 - Variação da frequência (0.01 Hz para 0.016 Hz) ............................. 29
Figura 21 - Variação da Rigidez (5.89e+07 N/rad para 5.59e+07 N/rad) ......... 30
Figura 22 - Variação do momento do vento 40.000 Nm para 160.000 Nm ....... 31
Figura 23 - Monte Carlo no modelo de Turbina eólica ...................................... 33
Figura 24 - Probabilidade de Falha por I.S. critério numero 1 (Probabilidade x
Tempo) ................................................................................................................ 34
Figura 25 - Probabilidade de falha I.S. critério numero 2 .................................. 35
Figura 26 - Probabilidade de falha I.S. dois critérios sobrepostos ..................... 36
xi
Lista de Tabelas
Tabela 1 - Constantes do Problema .................................................................... 24
Tabela 2 - Exemplo de resultado (Teta) do modelo matemático ........................ 25
Tabela 3 - Exemplo de resultado (delta Teta) do modelo matemático ............... 26
Tabela 4 - Variáveis aleatórias............................................................................ 32
Tabela 5 - Novo espaço amostral para I.S. ......................................................... 33
xii
Lista de Símbolos
� Aceleração
A Referencial Inercial fixo ao solo
� Referencial fixo a base
C Referencial fixo a torre
ct Amortecimento
E Módulo de elasticidade
� Força pontual
� Gravidade
� Momento angular
� Inércia
k1 Rigidez da viga engastada com força pontual
k2 Rigidez da viga engastada com força distribuída
l Comprimento da torre
� Massa
� Coeficiente da força distribuída
�� Valor máximo da força distribuída
� Índice de confiabilidade
δ Flecha d e deslocamento da barra engastada
� Ângulo da torre
� Ângulo da base
∆� Ângulo da torre menos ângulo da base
∅ Ângulo de flexão da barra engastada
� Função de distribuição cumulativa normal padrão
� Desvio padrão
1
1 Introdução
Desde a primeira fogueira, o homem transforma o seu meio para gerar calor e
luz, preparar alimentos e fazer tudo que é preciso para viver. A lei da conservação da
energia nos garante a necessidade de interagir com o meio já existente para obter
energia. No entanto de uns anos para cá o homem começou a se questionar quanto ao
impacto deste processo de perturbar o equilíbrio da natureza ao seu entorno para gerar
energia.
“Quais são os efeitos das nossas formas de lidar com o meio em que vivemos e
qual é a extensão destes impactos?”
São perguntas de difícil resposta que o homem moderno busca entender.
Existem extremistas que dizem que o mundo tem que parar todo o crescimento, todo
desenvolvimento, para que o meio-ambiente possa se recuperar, porque o dano causado
já foi grande demais, enquanto outros dizem que o impacto do homem é irrelevante e
que o homem é incapaz de desviar a rota da natureza.
Sem adentrar na polêmica o que fica claro é que o tema hoje se faz presente em
todos os meios de comunicação, no âmbito político e econômico, e está ai para ficar.
Desde Chernobyl até Fukushima, passando por Belo Monte o mundo quer saber de onde
vem a energia elétrica, e assim cria-se espaço político (e econômico) para as chamadas
fontes alternativas de energia serem desenvolvidas.
A energia eólica é uma destas fontes alternativas de energia de grande promessa,
podendo atender aos anseios da população mundial pelo baixo impacto no meio que ela
produz, sendo assim uma ferramenta de grande valia na busca por uma menor pegada
ecológica. No entanto ainda há muitos estudos e muita engenharia a serem
desenvolvidos para viabilizar economicamente esta tecnologia no Brasil e no mundo.
2
2 A Energia Eólica
2.1 História
A ideia de utilizar a energia do vento para produzir trabalho é tão antiga que não
é possível dizer quando ela teve início, ou quem foi o autor. Existe registro que em 5000
A.C. barcos a vela já eram encontrados, e em 200 A.C [11], já haviam moinhos
bombeando água na china, assim como trabalhando grãos na pérsia[12] e no oriente
médio[9][10]. No início do século XVII, os holandeses desenvolveram moinhos para
drenar lagos e pântanos, e assim transformar as regiões excessivamente molhadas em
fazendas. Com o passar do tempo, essa tecnologia foi cada vez mais desenvolvida e
melhorada.
Figura 1 - Linha de tempo dos moinhos de vento[14]
O final do século XIX foi marcado pelo inicio da utilização da energia dos
ventos para a produção de energia elétrica. Se, por um lado, com a industrialização na
Europa e nos Estados Unidos a utilização dos moinhos de vento como fontes de
trabalho mecânico caiu, por outro lado, na cada vez mais importante busca de produzir
energia elétrica ela se manteve presente. Durante a Segunda Guerra Mundial, foi
desenvolvida a turbina eólica de Smith-Punam que tinha um rotor de 53.3 m de
diâmetro, uma torre de 33.3 metros e duas pás e chegava a produzir 1.25 MWatts de
3
energia em ventos de 30 mph (Figura 2). Ela era interligada diretamente com a rede
elétrica.
Figura 2 - Turbina eólica de Smith-Punam [9]
O interesse nesse tipo de geração de energia, historicamente, sempre foi
dependente dos preços do barril do petróleo. Assim, quando o preço do barril caiu, junto
com ele foi o investimento nas turbinas eólicas. No entanto, nos anos 70, quando o
preço do barril de petróleo atingiu alturas nunca antes vistas, o interesse mundial em
fontes alternativas de energia voltou mais uma vez. Havia nesta época 50 produtores de
turbinas eólicas para serem compradas pela população nos Estados Unidos [13]. As
velhas ideias que tinham sido deixadas de lado foram trazidas mais uma vez à tona,
refinadas e trabalhadas. No entanto, era a energia nuclear, e não a eólica, que estava sob
os holofotes, devido à constância e à quantidade de energia que podia ser produzida de
forma controlada. Porém, após Chernobyl, houve uma despopularização das usinas
nucleares, e a energia eólica ganhou ainda mais espaço na mídia e nos planos de
pesquisa e desenvolvimento dos diversos países e comunidades internacionais.
Já hoje, mais especificamente no Brasil, onde grande parte da energia elétrica
vem de usinas hidrelétricas, a energia eólica é de grande interesse, pois não é uma fonte
de energia que contrapõe-se à hidrelétrica, mas a complementa. Existe uma relação
4
inversamente proporcional entre o fluxo dos rios e dos ventos ao longo do ano, (de
acordo com o artigo publicado por Manoel Henrique da Nóbrega Marinho da POLI-
UPE ref[4]). Assim, uma das grandes dificuldades da energia eólica, que é a
inconstância na produção de energia por conta das flutuações dos ventos, se soluciona
de forma quase automática pela própria natureza. Quando o fluxo de ventos é alto, o
fluxo de águas é reduzido e vice-versa. O investimento em energia eólica complementa
todo o investimento já feito nas hidrelétricas no país.
Figura 3-Comparação das afluentes de Sobradinho com a média mensal da geração elétrica [4]
2.2 Tipos de Turbinas Eólicas
Ao longo da trajetória de evolução das tecnologias eólicas, diversas soluções
foram encontradas para extrair a energia do vento. As duas categorias mais amplas são
as chamadas HAWT (Horizontal Axis Wind Turbines), que são turbinas eólicas de eixo
horizontal, e as VAWT (Vertical Axis Wind Turbines), que são as turbinas eólicas de
eixo vertical.
5
Figura 4– VAWT de Darrieus [16]
As VAWT possuem a vantagem de que o maquinário pesado da turbina (o
gerador, engrenagens etc..) fica colocado à altura do solo, o que facilita a instalação e
manutenção da torre. Além disso, não precisam ser colocadas na direção do vento,
sendo acionadas independentemente da direção dele. As mais conhecidas são as VAWT
de Darrieus (Figura 4) e Savonius (Figura 5).
Figura 5 - VAWT de Savonius [16]
As HAWT tradicionais são o tipo de turbina eólica mais utilizada hoje em dia.
Elas têm um princípio de operação simples. A energia do vento gira a hélice de três
(podendo também ser de duas) pás em torno de um rotor. O rotor está ligado ao eixo
principal, o qual aciona um gerador para gerar eletricidade. As turbinas eólicas são
montadas no alto de uma torre para maximizar a captura de energia. A partir dos 30
6
metros de altura, as pás são empurradas por um vento de melhor qualidade, ou seja,
mais rápido e menos turbulento. Nesse tipo de turbina, as pás já precisam ser
direcionadas contra a direção do vento mecanicamente, usando sistemas de controle
computadorizados.
2.3 Onshore VS. Offshore
Existem duas outras categorias amplas de turbinas eólicas: as Onshore e as
Offshore.
A produção de energia eólica onshore é a opção de energia limpa mais barata da
atualidade, podendo chegar a ser mais barata até mesmo do que a nuclear em termos de
custo por kWh, e as previsões são de que o preço caia ainda mais no futuro próximo [8].
No entanto, existem alguns outros problemas associados a ela. O primeiro trata do
terreno que as torres ocupam. Existe uma distância mínima entre duas torres para que
uma não perturbe o escoamento de ar que chega na outra ao lado. Por isso, esses
sistemas tendem a se espalhar sobre amplos espaços. Dependendo da região, um grande
terreno pode ter um alto valor comercial por si só. Há também a questão estética, já que
essas turbinas destoam da paisagem ao seu entorno. Juntamente com isso existe a
questão da poluição sonora.
Figura 6 - Turbina eólica off-shore flutuante[18]
7
O giro das pás gera um ruído bastante alto, que pode chegar a infringir as leis de
poluição sonora, dependendo também da quantidade de turbinas eólicas colocadas em
um parque e as distancias entre elas. Outro ponto que precisa ser levado em conta é a
dificuldade de encontrar lugares onde os ventos sejam ideais para a geração de energia,
já que uma série de fatores geográficos influenciam na velocidade e na qualidade do
vento que chega até as pás.
A alternativa offshore (Figura 6) soluciona boa parte dos problemas das turbinas
onshore: no mar há espaço de sobra e não há um senso de valor de mercado daquele
“terreno” sendo ocupado pelas turbinas. As turbinas podem ser colocadas
suficientemente distantes da costa de uma tal forma a não causar nenhuma poluição,
nem visual, nem sonora. Além de tudo, o vento sobre os mares tende a ser mais rápido e
menos turbulento do que o vento disponível sobre a terra, aumentando, dessa forma, a
eficiência das turbinas.
No entanto, existem dificuldades. A energia produzida offshore precisa ser ou
armazenada ou transmitida para a terra. A transmissão implica na instalação de cabos
que estarão ou sujeitos às condições adversas do mar (meio aquoso salino, correntes
constantes que geram fatiga etc.) ou então serão enterrados. De um jeito ou de outro, o
acesso em caso de problemas e manutenção é difícil. Também existe a questão da
dificuldade da instalação e de manutenção da torre, e das condições de mar e vento que
podem fazer fortes solicitações à torre e às suas estruturas periféricas.
8
Figura 7 - Tipos de fixação[18]
Em regiões rasas, as torres são fixadas ao solo usando diversos tipos de
estruturas rígidas. No entanto, a busca por regiões de mar com melhores condições de
vento tem levado engenheiros a desenvolverem as torres flutuantes, que são fixadas em
uma base flutuante presa por cabos de aço ao solo marítimo. São essas turbinas eólicas
flutuantes a base do estudo aqui proposto.
3 Modelagem
3.1 Introdução
Devido a falta de experiência no mercado em turbinas eólicas offshore é preciso
primeiro investir nas avaliações de confiabilidade destas tecnologias. Existem períodos
que devido às condições do mar e do vento fica impossível fazer qualquer intervenção
nas turbinas, sem contar com o custo destas intervenções. Assim a confiabilidade desta
tecnologia é de grande importância, para a viabilização econômica de projetos deste
tipo.
Já existem artigos publicados usando Monte Carlo para fazer este tipo de
análise, como o artigo de J.L. Phillips que avaliou a probabilidade de falha das turbinas
[5] e a tese de mestrado de Georgious Takoudis [6] que usou Monte Carlo para avaliar a
probabilidade de falha dos cabos que ligam as turbinas até a costa, fazendo um
levantamento do quanto poderia ser economizado mantendo redundâncias no sistema de
9
transmissão. Aqui queremos avaliar a probabilidade de falha da própria estrutura da
turbina, sujeita a diversas condições de mar e vento.
Neste trabalho pretende-se avaliar a confiabilidade da estrutura da turbina eólica
offhore flutuante, tipo HAWT. Para isso, é preciso primeiramente estabelecer como será
feita a modelagem da turbina, sua estrutura, e as interações dela com o meio. No
primeiro momento, foi considerada a possibilidade da montagem de um modelo
tridimensional, avaliado por elementos finitos, mas a complexidade desta análise vai
alem do problema aqui proposto. Assim, optou-se por um modelo dinâmico
simplificado, que consequentemente convergiria de forma mais rápida, usando análises
estatísticas para gerar resultados que descrevessem o comportamento da estrutura, de
forma semelhante as referências [5] e [6].
As cargas a que essas estruturas estão sujeitas são oriundas de fenômenos
naturais, como ondulações e o vento, os quais possuem caráter probabilístico, com
frequências e períodos determinados, e não momentos específicos para ocorrerem. Por
isso, uma análise probabilística se torna ainda mais adequada para esse problema.
Neste modelo simplificado será avaliada a dinâmica em somente duas
dimensões. Haverá uma base rígida que terá um movimento de rotação e translação
vertical imposto pela movimentação do mar, de forma idealizada onde a movimentação
da base acompanhará perfeitamente as ondulações. É claro que, no caso real, a base está
fixada ao solo através de cabos e por isso a torre não vai acompanhar perfeitamente o
balanço imposto pelas ondulações, mas isso será levado em conta na definição das
amplitudes de onda que terão o seu valor reduzido por essa razão. Presa a essa base
teremos a torre, que será modelada como uma haste rígida de massa distribuída fixada
no centro de massa da base, ligada à mesma por uma mola torcional, com
amortecimento. Os esforços produzidos pelo vento serão modelados, primeiramente,
10
por uma força distribuída de forma linear sobre a torre e, adicionalmente, como uma
força pontual aplicada no topo da torre.
Figura 8 - Diagrama do Modelo adotado
O ponto Q marcado na Figura 8 na bola laranja é o ponto onde se encontra a
mola torcional e as reações das interações entre a torre e a base. O momento resultante
será calculado com relação a esse ponto. O Referencial A é inercial e fixo ao solo,
representado pelas direções A1 e A2 na figura. Os referenciais B e C também são
representados na figura de forma semelhante, porém fixos à base e à torre,
respectivamente.
O momento de inércia será considerado constante, apesar da rotação das pás, que
causaria uma variação nessa grandeza e, consequentemente, na quantidade de
movimento angular.
�������
�
Q
11
����� = � ! �" +�$! �" × &�
�''�() = * &+
�'''�&� = *,&+
�'-�$! �" = �.+
Logo:
�-��/ �" = �І�, − �� sin �*, �&5 Assim calculando o momento gerado pelas forças externas (a força do vento
sobre as pás representada por uma força pontual no centro de massa e a força do vento
distribuída sobre o conjunto), usando as hipóteses anteriormente descritas e sabendo que
� é o ângulo entre o referencial C e o referencial inercial A, que � é o ângulo entre o
referencial B e o referencial A e definindo ∆� = � − � chegamos à seguinte
formulação:
(-')�/ �" = (−6�∆� − 7�∆� − ������� + ��� sin � −89:(� + ∆�);3 )&5
onde Wmax é o valor da força distribuída causada pelo vento (por unidade de
comprimento) máxima e L é a distancia da base ao centro de massa.
Juntando as expressões (v) e (vi) temos:
(vii) І�, − �� sin �*, = −6�∆� − 7�∆� − ������� + ��� sin � − =>?@(AB∆A)C;
No entanto, para utilizarmos essas equações precisamos mensurar o valor da
constante 6, a rigidez torcional da mola. Para isso, a rigidez da mola foi estimada pela
rigidez da flexão de uma barra engastada, sujeita aos mesmos esforços que a torre. Esse
12
problema foi dividido, então, em duas partes que serão somadas para obtermos o
resultado final.
Figura 9 - Viga engastada [7]
Para aproximar o comportamento de uma barra engastada ao de uma mola
torcional, temos que considerar que a relação entre o deslocamento D (causado pela
força F) e a própria força F são proporcionais de acordo com a seguinte expressão:
�-'''�� = ED
Neste primeiro caso, o momento fletor numa dada seção da barra vale:
�'�F = ��G − � Assim, resolvendo para o deslocamento na ponta da barra obtemos a seguinte
relação:
��HIDHI = FJ�
HIDHI =
��G − �J�
Com as condições de contorno ∅�0� = 0LD�0� = 0 chegamos a
DM�G� = �G;3J�
Agora vamos avaliar o segundo efeito do vento sobre a torre, associado à força
distribuída:
13
Figura 10 - Força Distribuida
O momento fletor em qualquer ponto x é dado por:
F = N ��O + �′H′�QR:�
S
Onde � é a distribuição linear da força sobre a barra, medida em T �I" .
�'�F = ��G − �;3 + �(G − )I
2 + 7VWXY.
Sabendo a condição de contorno M(L) = 0 temos que a constante de integração vale
zero.
∅ = NFH
('')∅ = −�(G − )[12 + �IGI
4 − �;G3 + �[
4 + 7
Condição de contorno é ∅(0) = 0 logo:
7 = �G[12
Integrando ∅ ∶
DJ� = N∅H
14
�'''�D��J� = ��G − �_60 + �;GI
12 − �[G12 + �_
20 + �G[12 + 6
D�0� = 0 → 6 = −�G_60
DI�G� = 7�G_60J�
Pelo princípio da superposição sabemos que o deslocamento máximo é igual a:
D = DM + DI Assim:
D89: =�G;
3J� +7�G_60J�
Para que possamos estimar uma rigidez para essa barra, sabendo que a relação entre a
força aplicada e a deformação deve ser linear, vamos dividir cada termo da expressão
anterior pela força aplicada.
E = � D"
�M = �
�I = �GI2
logo:
EM = �M D1c
EI = �I D2c
E�de EM + EI2
�'-�E�de G;6J� +
7G;60J�
Agora aproximando a relação entre força e deslocamento para a relação entre
momento e ângulo temos:
15
Figura 11 - Relação força-momento
Com o valor da rigidez da mola estabelecido, podemos então seguir com o
desenvolvimento da equação diferencial em �, que pode ser resolvida usando métodos
computacionais. Agora é preciso de alguma forma tratar esse sistema levando em conta
os fenômenos probabilísticos a que ele está sujeito.
3.2 A fronteira entre os estados de falha e não falha
Para cada sistema que faz uso de variáveis aleatórias, podemos quantificar os
modos de falha do sistema usando equações de estado limite, ou condições máximas
que garantem a integridade to sistema. Essas equações são escritas de tal forma que
valores negativos representam falha e valores positivos representam a integridade (ou
não falha) do sistema avaliado. A forma mais simples desse sistema é o caso linear, em
que temos duas variáveis aleatórias, independentes do tempo. Chamaremos de R a
�-�
16
variável aleatória de resistência e de S a variável aleatória da solicitação, onde a
equação de contorno passa a ser [2]:
�-'� G=R-S
Onde G descreve o estado do nosso sistema. Se G for positivo o sistema está
integro. Caso contrário ele quebra. Esse pode ser o caso, por exemplo, de quando vamos
avaliar a resistência de uma tábua de uma ponte. Existe uma aleatoriedade ou, ao
menos, uma distribuição de probabilidade correspondente ao peso das pessoas, carros e
cargas que passaram por cima de cada tábua, solicitando-a. Da mesma forma, cada
tábua tem a sua resistência, dependendo da espessura do seu corte, da forma com que
foi pregada, das falhas na própria formação da madeira etc.
Para resolver este problema, se considerarmos que tanto a resistência R quanto a
solicitação S seguem distribuições normais, a solução analítica se torna bastante
simples. R possui valor médio de 4.5 e variância de 1 e S com valor médio de 3.0 e
variância de 1:
G= R(4.5 , 1) – S(3.0 , 1)
Calculando o índice de confiabilidade � temos:
� = �4.5 − 3)h(1 + 1)
� = 1.5√2
� = 1.06066017
Jogando � na função de distribuição cumulativa normal padrão Φ (tabela em
anexo):
Φ(−�) = 1 − 0.8554
17
Φ�−�� = 0.1446
Assim chegamos à probabilidade de falha analítica de 14.46%
Agora vamos avaliar a probabilidade de falha usando o método de Monte-Carlo.
O método Monte Carlo é definido como “uma classe de métodos estatísticos que se
baseiam em amostragens aleatórias massivas para obter resultados numéricos, isto é,
repetindo sucessivas simulações em um elevado numero de vezes, para calcular
probabilidades heuristicamente”[17]. No caso geraremos valores de R e S
aleatóriamente de acordo com as suas distribuições e plotaremos os resultados em um
gráfico, marcando de verde os pares de valores que não produzem falha, e em vermelho
os que falham.
Figura 12 - Fronteira linear de Falha/não falha
Como pode ser visto no gráfico, é estabelecida uma curva (no caso uma reta) que
define a região de falha com clareza. Aqui foi arbitrado que se G, a expressão da força
resultante, for negativa, o sistema falha. Ao avaliarmos ao longo das simulações o
18
número de falhas divididas pelo numero de iterações, quantificamos a probabilidade de
falha do sistema. Nesse caso, como estamos usando duas distribuições normais,
podemos facilmente comparar o resultado analítico com o resultado obtido pela
simulação.
Figura 13 - Convergência por Monte Carlo
Pode-se observar no gráfico acima que o valor encontrado pelo modelo é
validado pela metodologia analítica a partir de aproximadamente 10,000 iterações,
chegando ao valor exato quando o número de iterações tender ao infinito. No caso,
encontramos o valor de 0.1452 ou 14.52% de probabilidade de falha, um erro de 0.0006
quando comparado com o valor analítico.
No entanto, existem casos onde a solução analítica do problema se torna muito
mais difícil, requerendo diversas aproximações e recursos. Quando as distribuições de
probabilidade não são mais normalizadas e a relação entre variáveis é não linear, torna-
19
se muito mais complicado chegar a um valor de probabilidade de falha analiticamente.
Usando Monte Carlo, podemos resolver esses problemas com uma razoável facilidade.
Para ilustrar, temos aqui o caso da análise de falha de um sistema que tem seu
comportamento descrito pela função:
� = 6;k
Onde F é uma função normal de média 100 e desvio padrão de 40, e K possui
distribuição uniforme entre 1.5 e 3. Assim, abaixo temos a fronteira de estados,
considerando que se X for maior que 10 o sistema falha.
Uma alternativa proposta na literatura para resolver problemas em casos como
esse é o Método de Confiabilidade de Primeira Ordem. Esse método faz uso da
transformação de Hassofer e Lind [2], normalizando as variáveis aleatórias usadas. Com
as variáveis aleatórias normalizadas, busca-se encontrar a região de menor distância
entre a curva limite e a origem e, na sequência, faz-se uma aproximação linear da região
de estado limite. Essa seria a alternativa analítica para se resolver esse nosso exemplo,
mas já é um método mais complexo e, por não ser o foco deste trabalho, não será
explicitado.
Seguem abaixo os gráficos para a análise do sistema � = 6;k de acordo com o
método de Monte Carlo. No caso, vemos que a probabilidade de falha do sistema tende
a 41.23%
20
Figura 14 - Fronteira de estado falha/não-falha não linear
Figura 15 - Convergência não linear por Monte Carlo
Vimos claramente que, fazendo uso de pouco esforço computacional, chegamos
ao valor da probabilidade de falha e traçamos a região de estado limite não linear. No
entanto, existem duas questões que aceleram as análises nesses exemplos.
21
Primeiramente, esses modelos foram montados com probabilidades de falha
altas, de tal forma que o sistema convergisse mais rapidamente. Quanto menor for a
probabilidade de falha, mais demorada será a simulação para poder encontrá-la. Em
segundo lugar, eles ainda são bastante simples. Na medida em que o sistema se torna
mais complexo, encontrar a curva do estado limite passa a ser um processo bem
demorado. Por exemplo: o tempo necessário para se avaliar o comportamento da
estrutura da turbina eólica para uma única amostragem das variáveis aleatórias, no
modelo simplificado anteriormente descrito, leva aproximadamente 5 segundos. Se
considerarmos que é necessário plotar cem mil pontos para termos a convergência da
probabilidade de falha, serão necessários 500 mil segundos ou 138.9 horas para resolver
esse problema, ou seja, rapidamente o método de Monte Carlo simples pode se tornar
inviável.
3.3 Amostragem por importancia
Amostragem por importancia é uma variação do método Monte Carlo que busca
estimar propriedades de uma distribuição probabilística, gerando valores usando uma
outra distribuição, diferente da de interesse [3].
No caso do método comum, o valor médio da função f(x) calculado a partir de
amostras é dado pela seguinte expresão:
Jlm�k�n = Nm��o��H ≈ 1Wqm(r)
�
reM
Onde cada valor de r foi gerado de acordo com a mesma distribuição que a
variável aleatória k, a densidade de probabilidade que chamaremos de o. A ideia do
amostragem por importancia é escolher uma outra distribuição s diferente de o para
selecionar os valores de r e assim conseguir uma convergência mais rápida para o
nosso problema. Assim:
22
Jlm�k�n = Nm��o��H
Multiplicando por d�:t�d�:t�
Jlm�k�n = N um�� o��s��v s��H ≈ 1Wq
m(r)s(r) s(r)
�
reM
Figura 16 - Deslocamento do espaço amostral para a região de interesse
Neste segundo caso, os valores de r são escolhidos de acordo com a densidade de
probabilidades(r). O termo �() = w(:)d(:) é chamado de “importance weight” e
funciona como o fator de ponderação nessa nova expressão. O gráfico acima
exemplifica a metodologia de forma mais clara. Enquanto os valores tirados de acordo
com a distribuição p (em verde) estão bem distantes da região de interesse, ou seja, na
região onde f(x) possui valores mais significantes, os valores tirados de acordo com a
distribuição q descreverão o valor de f(x) mais rapidamente e, consequentemente,
levarão a uma convergência mais rápida ao valor da função: m(k)xxxxxx = ym()o()H. No
23
entanto é e importante lembrar que quanto melhor a distribuição q for escolhida mais
rápida será a convergência [15]
Figura 17 - Comparação de Monte Carlo com Amostragem por importancia
Na prática, ao comparar os resultados do método Monte Carlo tradicional e o mesmo
com a amostragem por importancia fica clara a eficiência do método exemplificado em
mais um problema do tipo R-S>0. No entanto, é preciso lembrar que se deve ter atenção
na seleção dessa distribuição de probabilidade q, porque se for mal escolhida, ela pode
piorar a convergência ao invés de acelerar.
3.4 Avaliação do Modelo
Para testar o modelo usamos como referência para os dados de entrada o livro
Wind Power Plants [1]. A frequência média das ondulações escolhida para os testes é
de 0.01 Hz e a amplitude média é de 0.5 metro.
24
Constantes Valores estabelecidos
Gravidade 9,8 m/s2
Massa 40 ton
Comprimento da torre 40 m
Módulo de Elasticidade 80x109 Pa
Raio da torre 2 m
Inércia do pendulo
invertido 2.137x107 kg.m2
Tabela 1 - Constantes do Problema
Com esses valores o nosso modelo foi testado e os primeiros gráficos gerados. O
resultado (nos gráficos abaixo) é de acordo com o esperado, com duas frequências de
oscilação podendo ser observadas no comportamento da estrutura. A primeira, a
frequência natural de oscilação da nossa estrutura z� = {6 �" que é a maior das duas, e
uma segunda que corresponde a frequência de oscilação imposta pelas ondas. Pode-se
notar também que o valor médio da oscilação é aproximadamente -1º. Esta média
ligeiramente negativa deve-se ao efeito dos ventos impostos sobre a estrutura. Também
pode-se perceber a diminuição na amplitude das oscilações com o passar do tempo
devido ao amortecimento. Este efeito se dá porque no gráfico estamos observando
somente a região transiente, onde o sistema ainda não atingiu o equilíbrio. Esta região
será levada em conta nestas análises porque as estruturas estão sujeitas a rajadas de
ventos e aqui não estamos avaliando a vida em fadiga das estruturas.
25
Tabela 2 - Exemplo de resultado (Theta) do modelo matemático
Esses resultados obtidos são bastante coerentes com o esperado pelas condições
impostas pelo mar e vento e, assim, gráficos desse tipo serão usados para avaliar a
primeira condição de falha do sistema, onde, se o angulo de inclinação da torre (theta)
ultrapassar de 15 graus, consideraremos que a torre colapsou, e que a estrutura como um
todo caiu.
Haverá também um segundo gráfico que será levado em conta nas nossas
análises, que mostrará o ângulo da torre relativo ao ângulo da base. Já nesse gráfico
temos o resultado mostrado no gráfico anterior porem subtraído o comportamento
oscilatório da base. Assim, chegamos ao nosso segundo critério de falha, onde, se o
ângulo entre a base e a torre ultrapassar 7 graus, consideraremos que a torre rompeu da
base e assim houve o colapso da estrutura.
26
Tabela 3 - Exemplo de resultado (delta theta) do modelo matemático
4 Simulações
4.1 Sensibilidade das variáveis
Também foi testada a sensibilidade de cada uma das variáveis, levando-se em
conta o desvio padrão que foi escolhido para cada uma delas. Todas as variáveis do
problema foram fixadas e foi somado um incremento de 3 sigma a cada uma delas, já
que este valor corresponde ao pior caso possível em 99.7% das tentativas de acordo com
a chamada regra de 3 sigmas. As variáveis foram testadas independentemente, para
avaliar o efeito delas individualmente na amplitude de oscilação da torre, e na amplitude
relativa da torre e da base.
Segue aqui o resultado que será tido como referência de comparação para a
variação das variáveis:
32
Com esses valores de desvio padrão fica claro que os parâmetros que mais
influenciam a amplitude de oscilação da torre (theta) são:
1. A amplitude 2. A frequência 3. A força do vento 4. A rigidez
4.2 Primeiro critério de Falha
Nesta primeira análise, só um dos critérios de falha foi levado em conta. Se o
ângulo da oscilação da torre for maior que 15 graus, a estrutura falha. A análise de
Monte Carlo levou ao seguinte resultado para 600 iterações usando as seguintes
condições:
Variavel Média Desvio padrão
Amplitude de Onda 0.5 metros 0.3
Frequência de Onda 0.01 Hz 0.002
Momento do Vento
Força pontual -40.000 Nm 40.000
Rigidez da Mola 5.8905 107 106
Tabela 4 - Variáveis aleatórias
33
Figura 23 - Monte Carlo no modelo de Turbina eólica
Apesar da demora para gerar os resultados ( aproximadamente uma hora) vemos
que tivemos apenas 7 falhas em 1400 iterações. Com certeza haverá demoras
significativas para obter uma convergência usando o método de Monte Carlo simples.
Avaliando o mesmo caso, mas usando a metodologia da amostragem por importancia e
assim deslocando a curva para que haja um maior número de falhas, acelerando a
convergência temos:
Variavel Média Desvio padrão
Amplitude de Onda 1.1 metros 0.3
Frequência de Onda 0.014 Hz 0.002
Momento do Vento -50.000 Nm 40.000Nm
Rigidez da Mola 5.6905 107 106
Tabela 5 - Novo espaço amostral para I.S.
Tempo
Pro
babi
lidad
e de
Fal
ha
34
Figura 24 - Probabilidade de Falha por I.S. critério numero 1 (Probabilidade x Tempo)
Neste caso, fica claro que, para o mesmo tempo de processamento e para o
mesmo número de iterações, a metodologia da amostragem por importancia chega a
uma convergência muito mais rápida no valor de aproximadamente 0.2%.
4.3 Segundo critério de falha
Tempo
Pro
babi
lidad
e
35
Figura 25 - Probabilidade de falha I.S. critério numero 2
Já o segundo critério de falha, o qual leva em conta a movimentação relativa
entre a torre e a base por si só, converge para um valor muito maior do que o do
primeiro critério, levando a falha da estrutura a aproximadamente 2% dos casos.
Pro
babi
lidad
e
Tempo
36
4.4 Dois critérios sobrepostos
Figura 26 - Probabilidade de falha I.S. dois critérios sobrepostos
Ao observarmos o modelo rodado levando-se em conta ambos os critérios,
vemos que o nosso gargalo de projeto, com essas distribuições, é o segundo critério de
falha, já que quando os dois critérios são sobrepostos o resultado é praticamente
idêntico ao resultado do segundo critério sozinho.
5 Análise de resultados
Resumindo os resultados encontrados nessas análises, vemos que as variáveis
que mais influenciam a probabilidade de falha são as condições de mar. Quando
testamos a sensibilidade da flutuação da amplitude e a frequência da onda incidente nas
amplitudes de oscilação da torre (tanto a absoluta quanto a relativa), vemos que
qualquer variação causa forte impacto. Nos piores casos de projeto com 99% de
probabilidade, cada uma dobrou ou triplicou a amplitude de oscilação. Isso demonstra a
necessidade de se conhecer bem o comportamento ondulatório da região onde serão
instaladas as turbinas, para garantir a integridade física da estrutura.
Pro
babi
lidad
e
Tempo
37
A força do vento não aparentou ter grande influência na amplitude de oscilação
perante o efeito causado pelo mar. O valor do momento gerado pela força pontual do
vento foi de 40.000 Nm, podendo chegar a um valor máximo de 160.000 Nm. Muito
possivelmente, esses valores da força gerada pelo vento estão muito pequenos, já que
foram estimados de forma arbitrária. De qualquer forma, por ser um esforço constante a
cada iteração, o valor da força só irá deslocar o valor médio de do ângulo de inclinação
da torre, sem influenciar diretamente no comportamento oscilatório (i.e., na amplitude
ou frequência de oscilação).
A rigidez da mola torcional foi estimada de acordo com o modelo anteriormente
descrito de uma barra engastada, aproximando a flexão da barra com a rotação da torre
e, por isso, deve representar de forma aproximada a realidade. No entanto, é bastante
difícil estabelecer o valor do desvio padrão mais adequado para esta variável sem
conhecer especificamente a metodologia construtiva, o material utilizado, e a estrutura
do projeto em si. Como esse é um parâmetro estrutural crucial na análise, foi decidido
que ele teria um desvio padrão baixo, na crença de que isso representaria a realidade de
forma mais próxima.
O primeiro critério de falha que foi avaliado usando a metodologia da
amostragem por importancia apresentou probabilidade de falha bastante baixa, em torno
de 0.2%. Já o segundo apresentou uma probabilidade de falha uma ordem de grandeza
maior, em torno de 2%. O segundo critério representa o maior risco de falha, por conta
do comportamento relativo entre a base e a torre. É mais uma demonstração de que os
parâmetros mais importantes no projeto dessas turbinas são os relativos às ondulações
incidentes.
No entanto, esses critérios precisam ser reavaliados à luz do projeto real para
sabermos de fato qual é a angulação que causaria falha do sistema, mantendo mais uma
38
vez em mente os parâmetros construtivos que vão contribuir na definição da
probabilidade de falha.
Agora, o que isso quer dizer quando falamos da construção das turbinas eólicas
offshore? A nossa capacidade de mensurar a probabilidade de falha de uma estrutura
que está sujeita a esforços aleatórios, com agilidade é de grande utilidade. O construtor
da turbina tem sob o controle dele a forma com que será projetada a base e a torre, logo,
ele controla a “rigidez da mola” no nosso modelo. Assim, sabendo-se também o desvio
padrão do seu processo, ele pode chegar ao valor da probabilidade de falha de um tipo
de turbina eólica, dadas as condições de mar e vento no local. Assim, diferentes
produtos, com diferentes preços e diferentes probabilidades de falha, podem ser
projetados reduzindo o custo de fabricação e adicionando competitividade ao produto
no mercado.
6 Conclusões e observações para análises futuras
Conclui-se que a metodologia de Amostragem por importancia acelera muito a
convergência das análises do tipo Monte Carlo. Podemos mensurar a confiabilidade de
uma estrutura vendo a probabilidade de falha dela diante das condições aleatórias
impostas. Vemos uma poderosa ferramenta para garantir a eficiência do projeto,
podendo, assim, reduzir fatores de segurança, fornecendo projetos mais baratos, porém
sem aumentar a periculosidade do projeto.
Neste trabalho, tanto o modelo da turbina eólica como os critérios de falha foram
bastante simplificados. Todos os efeitos das pás foram desprezados, e o modelo foi
reduzido para só duas dimensões. Para uma descrição mais fidedigna dos fenômenos,
seria necessário aplicar um modelo dinâmico mais elaborado, de três dimensões, que
leve em conta a movimentação das pás.
39
Também é sabido que a movimentação da base não acompanhará perfeitamente
a movimentação das ondas, então muito possivelmente estes resultados das oscilações
são exagerados, já que a onda marítima não conseguiria impor tamanha amplitude de
oscilação à base da torre.
Neste modelo, também só foi variada a força do vento pontual, enquanto o efeito
da força distribuída foi mantido constante. Essa modelagem pode ser melhor
desenvolvida, já que os ventos não necessariamente variam de forma linear com a
altura. Da forma com que este modelo foi estabelecido, a velocidade do vento aumenta
indefinidamente de forma linear com a altura. Então, a força pontual se mantém
constante independentemente da altura da torre e a força distribuída aumenta
indefinidamente com a altura.
Esses pontos podem ser levados em conta em trabalhos futuros, melhorando o
modelo utilizado.
40
7 Referências
[1] GASCH, R.; TWELE, J. Wind Power Plants. 2nd Edition. Berlin. Springer. 2011.
[2] BECK, A.T. Método de confiabilidade de primeira ordem. 2002. Artigo técnico –
Engenharia de Estruturas, EESC, USP, 2002.
[3] ANDERSON, E.; Monte Carlo Methods and Importance Sampling.
<http://ib.berkeley.edu/labs/slatkin/eriq/classes/guest_lect/mc_lecture_notes.pdf>.
Acesso em 4 Jan. 2014.
[4] MARINHO, M.H.N.; AQUINO, R. R. B. Oferta de energia através da
complementaridade sazonal hidro-eólica. 2011. Artigo técnico presente na Revista PCH
Notícias & SHP NEWS - Número 40.
[5] PHILLPIS J.L.; MORGAN, C.A.; JACQUEMIN, J.; Evaluating O&M strategies for
offshore wind farms through simulation – the impact of wave climatology. Artigo
técnico da Garrad Hassan and Partners.
[6] TAKOUDIS, G. Development of a Monte Carlo model for assessing offshore Wind
farm cable reliability and the worth of redundance. 2004. 123 f. Dissertação de
Mestrado – Department of Mechanical Engineering, University of Strathclyde,
Galsgow, U.K. 2004.
[7] MARVIN SC. Disponível em: <http://www.angelfire.com/planet/marvinsc/cme/
node23.html>. Acesso em: 13 Dez. 2013 .
[8] RENEWABLE ENERGY SOURCES. Disponivel em: <http://www.renewable-
energysources.com/>. Acesso em 4 Jan. 2014.
[9] CBC. Disponivel em: <http://www.cbc.ca/doczone/features/timeline1>. Acesso 6
Jan. 2014.
41
[10] ENERGY. Disponivel em: < http://energy.gov/eere/history-wind-energy>. Acesso
6 Jan. 2014.
[11] WIND ENERGY FOUNDATION. Disponivel em: < http://energy.gov/eere/
history-wind-energy>. Acesso 6 Jan. 2014.
[12] TELOS NET. Disponivel em: < http://telosnet.com/wind/early.html>. Acesso 6
Jan. 2014.
[13] IOWA ENERGY CENTER. Disponivel em: < http://www.iowaenergycenter.org/
wind-energy-manual/history-of-wind-energy/>. Acesso 6 Jan. 2014.
[14] CRESESB. Disponivel em <http://www.cresesb.cepel.br/index.php?
link=/tutorial/tutorial_eolica.htm>. Acesso 6 Jan. 2014
[15] CORNELL. Disponivel em: <http://mpdc.mae.cornell.edu/
Courses/UQ/ImportanceSampling.pdf>. Acesso em 15 Dez. 2013.
[16] WIKIPEDIA. Disponivel em: <http://en.wikipedia.org/wiki/Wind_turbine/>.
Acesso 6 Jan 2014.
[17] WIKIPEDIA. Disponivel em:
<http://pt.wikipedia.org/wiki/M%C3%A9todo_de_Monte_Carlo >. Acesso 6 Jan. 2014
[18] CALFINDER. Disponivel em:< http://solar.calfinder.com/blog/wind-
power/despite-controversy-first-us-offshore-wind-farm-approved/>. Acesso 6 Jan 2014
42
8 Anexo
8.1 Código de programação Monte Carlo e Amostragem por
importancia
clear all close all clc pause on %-------------------------------------------------- ----------------------- % Declaração de variaveis globais %-------------------------------------------------- ----------------------- global P I l k c Fv Fd f m omega nsMC= 2500; %---------------- % % Direct Monte Carlo simulation % m=40000; %massa equivalente % g=9.8; %gravidade % l=40; %comprimento % c=100000; %amortecimento % gr=15; %graus iniciais % E=80*10^9; %módulode elasticidad e % r=2; %raio % i=pi*r^4/4; %inércia da secção % I=m/3*l^2+m/4*r^2; %Inércia de pendulo i nvertido % P=m*g; %Força peso % % % mf=0.5; % sf=0.3; % mfrq=0.01; % sfrq=0.002; % mk=5.8905e+07; % sk=10e+5; % mFv=-1000*l; % sFv=1000*l; % mFd=-25*(l)^3/3; % sFd=10000; % %initializing the STATE of the random variables % randn('state',0) % rand('state',0) % for cont_i=1:nsMC % f=normrnd(0.5,0.3); %Amplitude da ond ulação % frq=normrnd(0.01,0.002); %frequencia % omega=2*pi*frq; %frq. em radianos % k=normrnd(mk,sk); % rigidez, considerando mass a concentrada em x=L % Fv= normrnd(-1000*l,1000*l); %Força do vento pontual % Fd=mFd; %Força do vento distribuida % % fc(cont_i)=f; % frqc(cont_i)=frq; % kc(cont_i)=k; % Fvc(cont_i)=Fv; % Fdc(cont_i)=Fd;
43
% %------------------------------------------------ ----------------- % %------------------------------------------------ ---------------- % graus=0; % y_0 = graus*pi/180; % deslocamento % dy_0 = 0; % velociadade 1 1.2 1.5 2 % % Tempo de integração % tspan=0:.002:300; % %------------------------------------------------ ------------------------- % % % % %------------------------------------------------ ------------------------- % % Calculo da dinâmica usando função ode45 % [t,y] = ode45('sub_edoPEN4',tspan,[y_0;dy_0]); % x=y(:,1); % deslocamento % dx=y(:,2); % velocidade % % %------------------------------------------------ ------------- % % resultados % temp=0:0.002:300; % y=atan(f*2*pi*frq*cos(2*pi*frq*temp)); % % if sqrt(max(x)^2)>=sqrt(min(x)^2) % % if max(x)*180/pi>15 % h(cont_i)=1; % else % h(cont_i)=0; % end % % else % if min(x)*180/pi<-15 % h(cont_i)=1; % else % h(cont_i)=0; % end % end % % ns(cont_i) = cont_i; % pF(cont_i) = sum(h)/cont_i; % % end % % figure % % plot([0 20],[0 20],'r') % % hold on % % plot(r,s,'.k') % % xlabel('r (resistence)','fontsize',16) % % ylabel('s (solicitation)','fontsize',16) % % legend('s=r',2) % % figure % plot(ns,pF) % % % % %---------------- % Importance Sampling simulation clear r s h ns m=40000; %massa equivalente g=9.8; %gravidade
44
l=40; %comprimento c=100; %amortecimento gr=15; %graus iniciais E=80*10^9; %módulode elasticidade r=2; %raio i=pi*r^4/4; %inércia da secção I=m/3*l^2+m/4*r^2; %Inércia de pendulo invertido P=m*g; %Força peso mf=0.5; sf=0.3; mfrq=0.01; sfrq=0.002; mk=5.8905e+07; sk=10e+5; mFv=-1000*l; sFv=10000; mFd=-25*(l)^3/3; sFd=10000; % initializing the STATE of the random variables randn( 'state' ,1) rand( 'state' ,1) m1=1.1; s1=0.3; m2=0.014; s2=0.002; m3=-1000*l-10000; s3=10000; m4=5.8905e+07-2*10^6; s4=10e+5; %m5=-25*(l)^3/3-10000; %s5=10000; m11=0.5; s11=0.3; m22=0.01; s22=0.002; m33=-1000*l; s33=10000; m44=5.8905e+07; s44=10e+5; m55=-25*(l)^3/3; %s55=10000; for cont_i=1:nsMC f=normrnd(m1,s1); %Amplitude da ondulação frq=normrnd(m2,s2); %frequencia omega=2*pi*frq; %frq. em radianos k=normrnd(m4,s4); % rigidez, considerando massa concentrada em x=L Fv=normrnd(m3,s3); %Força do vento pontual Fd=m55; %Força do vento distribuida fc(cont_i)=f; frqc(cont_i)=frq; kc(cont_i)=k; Fvc(cont_i)=Fv; %Fdc(cont_i)=Fd; %-------------------------------------------------- ---------------
45
%-------------------------------------------------- -------------- graus=0; y_0 = graus*pi/180; % deslocamento dy_0 = 0; % velociadade 1 1.2 1.5 2 % Tempo de integração tspan=0:.002:200; %-------------------------------------------------- ----------------------- %-------------------------------------------------- ----------------------- % Calculo da dinâmica usando função ode45 [t,y] = ode45( 'sub_edoPEN4' ,tspan,[y_0;dy_0]); x=y(:,1); % deslocamento dx=y(:,2); % velocidade A(1,cont_i)=max(x); A(2,cont_i)=min(x); %-------------------------------------------------- ----------- % resultados temp=0:0.002:200; Q=atan(f*2*pi*frq*cos(2*pi*frq*temp)); if sqrt(max(x)^2)>=sqrt(min(x)^2) if max(x)*180/pi>20 h(cont_i)=1; else h(cont_i)=0; end else if min(x)*180/pi<-20 h(cont_i)=1; else h(cont_i)=0; end end if max((Q-x')*180/pi) >= 12 h(cont_i)=1; else h(cont_i)=0; end if min((Q-x')*180/pi)<= -12 h(cont_i)=1; end ns(cont_i) = cont_i; % likelihood da distrbuicao original ff=normpdf(fc(cont_i),m11,s11); %Amplitude da ondulação ffrq=normpdf(frqc(cont_i),m22,s22); %frequencia
46
fk=normpdf(kc(cont_i),m44,s44); % rigidez, considerando massa concentrada em x=L fFv= normpdf(Fvc(cont_i),m33,s33); %Força do vento pontual %fFd= normpdf(Fdc(cont_i),m55,s55); %Força do ven to distribuida % likelihood da distrbuicao proposta hf=normpdf(fc(cont_i),m1,s1); %Amplitude da ondulação hfrq=normpdf(frqc(cont_i),m2,s2); %frequencia hk=normpdf(kc(cont_i),m4,s4); % rigidez, considerando massa concentrada em x=L hFv= normpdf(Fvc(cont_i),m3,s3); %Força do vento pontual % hFd= normpdf(Fdc(cont_i),m5,s5); %Força do ve nto distribuida %fr=exp(-.5*(r(cont_i)-m1)'*((s1^2)\(r(cont_i)-m1)) ); %hr=exp(-.5*(r(cont_i)-m3)'*((s3^2)\(r(cont_i)-m3)) ); w(cont_i)=(ff*ffrq*fk*fFv)/(hf*hfrq*hk*hFv); pF2(cont_i) = sum(h.*w)/cont_i; end % % % figure % % plot([0 20],[0 20],'r') % % hold on % % plot(r,s,'.k') % % xlabel('r (resistence)','fontsize',16) % % ylabel('s (solicitation)','fontsize',16) % % legend('s=r',2) % figure %subplot(1,2,1) %plot(ns,pF) %subplot(1,2,2) plot(ns,pF2) % %axis([0 nsMC 0 0.04]) %
8.2 Função Sub_edoPEN4
function dy = sub_edoPEN4(t,y) global P I l k c Fv Fd f m omega G=f*sin(omega*t); Gp=f*omega*cos(omega*t); Gpp=-f*omega^2*sin(omega*t); Tb=atan(Gp); Tbp=(Gpp)/(Gp^2+1); dy= [ y(2); (P+m*Gpp)*sin(y(1))*l/I-k*y(1)/I-(c)*y(2)/I+k*Tb/I+c*Tbp/I] + [0;(Fv+Fd)/I]; end