Energia renovável ganha ferramenta que usa GPU para buscar melhores posições de turbinas eólicas; em testes computacionais, método acelerou a busca em 14,9 vezes, mantendo ganhos estimados de geração semelhantes aos do sistema de comparação.
Pesquisadores das universidades de Sevilha, na Espanha, e Pádua, na Itália, apresentaram um método que acelerou em 14,9 vezes a busca por posições de turbinas eólicas. O resultado foi obtido em testes computacionais voltados à produção anual de energia.
O trabalho de Martina Fischetti e Matteo Fischetti foi depositado no arXiv em 6 de outubro de 2026. É um preprint, sem indicação de publicação em revista com revisão por pares no registro consultado.
Na comparação, a busca com EndoWake levou, em média, 161 segundos, contra 2.421 segundos usando apenas PyWake. Os ganhos estimados de energia foram semelhantes: 2,90% e 2,94%, respectivamente. O fator anunciado corresponde à média geométrica da aceleração.
-
Cientistas usam prata para reduzir perdas em células solares e abrem caminho para eficiência próxima de 43%, ainda como possibilidade teórica
-
Índia busca novos compradores para painéis solares na Europa, África e América Latina após EUA fixarem margem de dumping de 123,04%
-
Hungria aposta em energia renovável para reduzir custos e importações
-
Trump muda regras de energia rural e exige projetos concluídos para solicitar apoio nos EUA
Como funciona a busca
Em publicação sobre a pesquisa, Matteo Fischetti explica que o EndoWake representa o vento por regras matemáticas locais. A velocidade em cada célula depende das células anteriores na direção do fluxo, permitindo calcular a influência das turbinas.
O efeito de esteira entra nessa conta. As máquinas alteram o vento que segue para outras turbinas, e o sistema considera essa interação ao avaliar diferentes posições. A proposta combina uma representação simplificada desse escoamento com processamento em GPU.
Segundo o pesquisador, uma GPU consegue avaliar mais de um milhão de configurações por segundo para cada direção do vento. Essa capacidade serve para examinar rapidamente alternativas antes de submetê-las à confirmação com outro modelo.
A estratégia tem duas etapas: o EndoWake classifica possíveis mudanças, enquanto o PyWake verifica aquelas que serão aceitas. Nos testes divulgados pelo autor, foram utilizadas 20 configurações iniciais de Lillgrund que não participaram do desenvolvimento da busca.
Fischetti também destaca que representar melhor o vento não garante, automaticamente, encontrar melhores posições. A busca pode explorar falhas das aproximações, incluindo espaços entre direções amostradas e faixas próximas às bordas das esteiras.
Modelo teve estudo anterior
A base matemática do EndoWake apareceu em outro trabalho dos mesmos autores, depositado no arXiv em 30 de setembro de 2026. Naquele estudo, o problema consiste em distribuir determinado número de turbinas dentro de uma área para maximizar a produção.
Os pesquisadores tratam a velocidade do vento em cada ponto da malha como uma variável da decisão. Relações lineares conectam esses pontos aos vizinhos anteriores no fluxo, incorporando as equações de esteira ao modelo de otimização.
O artigo anterior descreve melhorias matemáticas para fortalecer a resolução do problema e um procedimento que verifica as soluções encontradas. Os resultados apresentados envolvem malhas quadradas e uma distribuição de vento organizada em quatro setores.
Nesse procedimento, as posições candidatas permanecem no problema principal, enquanto uma rotina específica avalia as soluções inteiras. O trabalho também apresenta restrições adicionais destinadas a tornar mais forte a formulação matemática.
O que faz o PyWake
A documentação oficial da Universidade Técnica da Dinamarca descreve o PyWake como uma ferramenta aberta, baseada em Python, para simular parques eólicos. Ela calcula campos de escoamento, potência de turbinas individuais e produção anual de energia do conjunto.
O programa permite usar diferentes modelos de esteira, características de turbinas e recursos de vento de cada local. Também oferece processamento paralelo e visualização dos mapas de fluxo, considerando as perdas provocadas pela interação entre as máquinas.
Essas funções explicam o papel do comparador: estimar a produção das configurações examinadas, levando em conta como uma turbina interfere nas demais. A documentação inclui ainda exemplos de otimização das posições com a ferramenta TOPFARM.
Resultado tem limites
A aceleração anunciada vale para a busca computacional, não para todo o planejamento de um empreendimento. O teste mede a otimização do objetivo do PyWake, sem comprovar aumento de geração em operação real.
Quando uma verificação final de ausência de melhorias locais entra no tempo medido, a vantagem cai para duas vezes no teste de energia anual.
Fonte original: estudo completo no arXiv.
