A energia marinha renovável (EMR) é uma das fontes de energia renováveis (ERs) com maior potencial no processo de transição para um mix energético sustentável, verde e limpo. Em particular, a energia das ondas, com o seu potencial global e quase inexplorado – cerca de 16 000 TWh/ano, perto de metade do consumo mundial de eletricidade –, pode dar um contributo vital para a concretização dos Objectivos de Desenvolvimento Sustentável (ODS) da Agenda 2030 das Nações Unidas, nomeadamente os Objectivos 7 (energia acessível e limpa) e 13 (ação climática), e o Pacto Ecológico da UE (neutralidade climática até 2050). Em Portugal, não só o recurso é abundante, como existem projectos em curso incluindo CorPower e WaveRoller, que planeiam testar pequenos parques de até 2 MW nos próximos anos. Além disso, está em andamento um leilão para a instalação de até 2 GW de energias renováveis offshore até 2030, apoiado pelo Governo Português, com previsão de expansão para 10 GW posteriormente.
A energia das ondas ainda não foi comercializada em grande escala. Entre os desafios que enfrenta para se tornar um mercado de pleno direito, destaca-se a necessidade de compreensão mais abrangente da conceção e otimização dos parques de energia das ondas. Assim, a otimização da disposição dos parques de energia das ondas (ODPEO) é essencial para maximizar a produção de energia, assegurar a competitividade dos custos, minimizar o impacto no ambiente marinho, evitar conflitos de uso do espaço marinho e explorar potenciais sinergias com outras formas de EMR, nomeadamente a eólica offshore, e/ou aplicações de nicho de mercado, desde o hidrogénio “verde” à dessalinização.
Apesar dos seus benefícios, a ODPEO apresenta um desafio significativo na obtenção de estimativas precisas tanto da absorção de energia como dos efeitos de parque (i.e., as alterações nas condições locais das ondas causadas pela complexa interação onda-conversor). Tal requer o uso de modelos numéricos de física, exigentes do ponto de vista computacional, que resolvam estas interações. Como tal, a pesquisa precedente sobre ODPEO tem sido predominantemente limitada a casos de pequeno número de conversores de energia das ondas (CEOs), estados-de-mar e objectivos de otimização. Tal restringiu a sua aplicabilidade a parques de grande escala e impediu uma compreensão abrangente da relação entre as variáveis-chave que influenciam as configurações óptimas.
O projeto OPTIWEF.AI visa preencher as lacunas de conhecimento, fornecendo uma visão da complexa interação de factores que influenciam a conceção ótima dos parques de CEOs. Para tal, será desenvolvido um novo algoritmo de otimização. Este terá em conta factores essenciais na conceção de parques de CEOs, incluindo a absorção de energia, a relação custo-benefício e as potenciais sinergias com outras EMR (e.g., eólica offshore). O algoritmo integrará soluções de computação evolutiva (CE) e de aprendizagem automática (AA) com modelos de propagação de ondas
(e.g., SNL-SWAN) para estimar com precisão a absorção de energia e os efeitos de parque. Do modelo final treinado e validado espera-se um aumento notável da eficiência computacional face a métodos convencionais e a aplicação pioneira do algoritmo a parques de grande escala. Além disso, o projeto contribui para o conhecimento mais alargado da ODPEO, fornecendo uma base de dados de código aberto com uma vasta gama de casos de estudo, incluindo para Portugal. Esta ferramenta não só facilitará a reprodutibilidade do trabalho, como também fornecerá aos investigadores e às empresas uma referência com a qual podem comparar os seus algoritmos, contribuindo assim significativamente para o avanço da área. Por último, o projeto fornecerá um quadro inicial de recomendações e orientações, identificando as principais variáveis que influenciam o ODPEO e as configurações ideais para o algoritmo. Em resumo, o projeto OPTIWEF.AI visa melhorar a compreensão da conceção de parques de CEOs, fornecendo uma ferramenta de otimização inovadora. A mesma irá incrementar a precisão e a eficiência computacional do ODPEO, ajudando os criadores de parques de CEOs a melhorar os seus projectos a um custo relativamente baixo, tornando-os mais competitivos.
Em geral, o projeto OPTIWEF.AI tem 2 contribuições científicas principais:
Alargar o conhecimento sobre a intrincada interação entre variáveis chave para conseguir um desenho ótimo do layout do parque de CEOs;
Alargar o conhecimento sobre a aplicação de AA para prever a absorção de energia e os efeitos de parque.
Estas contribuições respondem a duas necessidades estratégicas fundamentais: Fornecer uma ferramenta versátil e robusta para o desenho e otimização de parques de CEOs, aumentando assim a competitividade do sector da energia das ondas;
Facilitar a transição para um sistema energético neutro em carbono e autossuficiente, contribuindo para a sustentabilidade ambiental e social a longo prazo.