Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Farm-noise: AI-based optimization to minimise tidal turbine noise and the impact on marine fauna

Opis projektu

Minimalizacja hałasu turbin pływowych w celu ochrony morskiej fauny i flory

Energia pływów jest obiecującym odnawialnym źródłem energii, ale szkodliwy hałas wytwarzany przez rozbudowywane farmy pływowe może mieć szkodliwy wpływ na podwodne ekosystemy. Potrzebne jest opracowanie cichszych turbin. Projekt Farm-noise, korzystający ze wsparcia programu działania „Maria Skłodowska-Curie”, dąży do zminimalizowania hałasu w trakcie pracy. Naukowcy wykorzystają obliczeniową dynamikę płynów i symulacje dużych wirów do tworzenia modeli akustyki turbin, aby zoptymalizować farmy pływowe w celu zmniejszenia hałasu przy jednoczesnym utrzymaniu produkcji energii. Wykorzystując uczenie maszynowe i uczenie ze wzmocnieniem, zrównoważy moc wyjściową energii i emisję hałasu, dostosowując rozwiązania dla konkretnych lokalizacji w zależności od lokalnych warunków i dzikiej przyrody. Będzie wspierać projektowanie i cichą pracę farm pływowych.

Cel

Tidal energy presents a promising solution for addressing the growing demand for sustainable energy. Extensive research efforts have been dedicated to refining individual turbine efficiency and optimizing tidal farms to maximize energy output. However, as tidal farms scale up, there's a consequential rise in noise emissions that can prove detrimental to underwater ecosystems. This issue necessitates a dedicated focus on the development of noise-reducing farms. While tidal turbine design has, to date, been focused on energy production, fatigue load and lifespan of the blades and paid little attention to the acoustic footprint and subsequent effects on the environment, it is urgent to design silent energy farms to reduce the noise impact on local fauna.
Farm-noise intends to: 1) characterise individual tidal turbines and construct simple models (surrogates) for their representation; 2) provide mechanisms for the acoustic control/minimisation. We will characterize tidal turbines and farms using computational fluid dynamics and large eddy simulations. Based on the simulations and the extracted physical insight, accurate surrogate models for turbines and associated acoustics will be developed to enable optimization of farms that minimize noise while ensuring energy production. Machine learning based reinforcement learning methodologies will be used to optimize and control the trade-off between energy production and noise emission. Compromises between energy and sound generation will finally be reached automatically for specific sites taking into account ambient conditions and local fauna.
The expected research results will not only provide theoretical and methodological support for the design and silent operation of large tidal farms but also promote the ecological sustainability of the tidal industry. The outcomes and impacts will be maximized and disseminated to various communities by peer-reviewed articles, conferences, workshops and outreach activities, etc.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2023-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSIDAD POLITECNICA DE MADRID
Wkład UE netto
€ 181 152,96
Adres
CALLE RAMIRO DE MAEZTU 7 EDIFICIO RECTORADO
28040 Madrid
Hiszpania
Region
Comunidad de Madrid Comunidad de Madrid Madrid
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Partnerzy (2)