Pesquisador cria algoritmo de IA para elevar fator de potência dos motores de indução gaiola de esquilo

O fator de potência é tão bom que nenhuma correção externa do fator de potência é necessária para esses motores, o que pode resultar em economias de custo substanciais nas contas de energia.


Continua depois da publicidade


Levante a tampa de uma casa eletrificada, uma fábrica ou uma mina, e você encontrará uma tropa de motores de gaiola de esquilo ativos o tempo todo. As nações industrializadas não seriam tão industriais sem eles.

Robusto e confiável, esse tipo de motor de indução trifásico é frequentemente a opção de uso na indústria. Eles não produzem faíscas e se adaptam muito bem em ambientes perigosos, como refinarias de petróleo, minas e elevadores de grãos; ou operações de moagem, bombeamento e sopro.

Em casa, a geladeira, a máquina de lavar, a secadora e a bomba da piscina são movidas por motores de gaiola de esquilo monofásicos.

Os motores são especialmente adequados para aplicações de alta velocidade acima de 3000 rpm. Melhor ainda, os motores de gaiola de esquilo são de partida automática e não precisam de muita manutenção, mesmo se avaliados em centenas de cavalos de potência.

Mas ter muitos motores de gaiola de esquilo em uma rede elétrica causa uma forte dor de cabeça. A razão pela qual um motor de gaiola de esquilo funciona tão bem também causa um problema.

Motores de gaiola de esquilo podem causar penalidades disruptivas na conta de energia para grandes empresas. Na África do Sul, a emissora nacional costuma veicular anúncios à noite, pedindo às pessoas que desliguem seus eletrodomésticos e bombas de piscina.

IA para jogar bem

Resumindo, há uma grande demanda por motores robustos de alto desempenho e com boa relação custo-benefício. Mas os gerentes de redes de energia também exigem que esses motores "funcionem bem" e causem muito poucas interrupções.

Mbika Muteba, Doutor da Universidade de Joanesburgo, treinou uma IA para otimizar o projeto de um motor de gaiola de esquilo. O estudo foi publicado na revista Energies.

A IA garantiu que o design otimizado causa pouca interrupção na rede elétrica à qual está conectado, melhorando significativamente o fator de potência do motor.


Continua depois da publicidade


Nesta pesquisa, Muteba modelou e projetou rotores e bobinas capacitivas auxiliares para um motor de gaiola de esquilo de 5,5 kW (7,37 cavalos de potência métrica).

Em seguida, ele construiu os rotores e os testou em laboratório. O desempenho dos motores no mundo real correspondeu de perto ao desempenho previsto.

O primeiro motor testado não possui uma bobina auxiliar no estator e não é otimizado por IA. O segundo possui uma bobina auxiliar para melhorar o fator de potência e também não é otimizado por IA.

O terceiro motor possui uma bobina auxiliar no estator e também é otimizado pelo algoritmo de IA. O algoritmo genético o otimizou para o melhor desempenho em várias cargas na corrente elétrica consumida (torque por ampere). Muteba verificou os resultados do algoritmo genético com análise de elementos finitos.

O rotor do motor em gaiola de esquilo otimizado para IA (esquerda) e o rotor não otimizado (direita).
Imagem: Divulgação/Universidade de Johannesburg

Melhores números em todas as direções

O motor de 5,5 kW otimizado por IA mostra excelente fator de potência na configuração do laboratório, variando de 0,93 medido a 0% de carga, a 0,99 a 60% de carga até 120% de carga.

A eficiência em plena carga do motor otimizado por IA é de 85,87%, que está dentro de 1-2% do motor não otimizado. Sua eficiência para cargas abaixo de 30% também é muito melhorada em comparação com os motores não otimizados.

Mais importante ainda, mesmo com o excelente fator de potência, o motor otimizado fornece mais torque enquanto consome menos corrente. O torque do projeto otimizado de IA por ampere foi uma melhoria de dois dígitos em relação ao motor sem otimização de IA.

O torque do motor otimizado por ampere é 22% maior com carga de 20%, 16% maior com carga de 60% e 13% melhor com carga de 120%, em comparação com a versão não otimizada.

Por que motores de gaiola de esquilo podem tornar as grades instáveis

“Os motores de gaiola de esquilo geralmente têm um fator de potência pobre. Especialmente se eles estiverem ligando ou operando com cargas leves”, diz Muteba. “Mas as empresas de energia querem que todas as cargas que você conecta à rede, seja o motor de uma bomba de piscina ou uma máquina de moagem de minério em uma mina, tenham um bom fator de potência”, acrescenta.

Redes de energia trifásicas fornecem dois tipos de energia. O primeiro é a potência ativa que gira os motores e faz o trabalho. As concessionárias de energia cobram de seus clientes por isso em quilowatts ou megawatts.

As grades também fornecem energia reativa. Motores de gaiola de esquilo comem energia reativa em uma grade para manter os campos magnéticos em seus rotores. Sem esse campo, um motor de gaiola de esquilo não gira e nada é feito. De todos os tipos de motores elétricos, os motores de gaiola de esquilo são os mais famintos por energia reativa.

Os transformadores que reduzem a energia de alta tensão para tensões domésticas ou industriais, também comem a energia reativa em uma rede.

“Uma carga com baixo fator de potência consome muito mais potência reativa. Quando centenas ou milhares dessas cargas são conectadas a uma rede, os proprietários da rede precisam gastar para atualizá-la para fornecer mais energia reativa”, acrescenta.

Se uma rede ficar sobrecarregada por cargas com fatores de energia pobres, todas as cargas na rede, mesmo aquelas com bons fatores de energia, não recebem energia reativa suficiente para operar corretamente. A grade pode se tornar instável. Isso pode causar danos extensos em minas, fábricas e sistemas de irrigação em fazendas.

Os utilitários de energia penalizam pesadamente os usuários por cargas com fatores de energia fracos.

É assim que uma rede elétrica nacional pode ter dezenas ou centenas de milhares de motores de gaiola de esquilo conectados a ela, como cavalos de trabalho confiáveis. Mas o fator de potência pobre combinado dos motores pode tornar a rede imprevisível e até instável.

Economia significativa

A otimização IA para o rotor e bobina capacitiva auxiliar possibilitou melhorar o fator de potência, o desempenho e ainda ter um motor de esquilo confiável e eficiente para aplicações desafiadoras, diz Muteba.

O motor otimizado AI tem um entreferro entre o rotor e o estator que é maior do que um motor não otimizado. Sob altas cargas, altas temperaturas e altas velocidades, o motor otimizado deve funcionar mecanicamente melhor do que os motores não otimizados.

“Com esses resultados, vemos que é possível operar motores de indução em gaiola sem gastar milhões em compensadores reativos para evitar penalidades das concessionárias. Também não é necessário adotar bobinas auxiliares de forma a reduzir a eficiência ou o torque por ampere”, acrescenta.

“O rotor otimizado com IA e a bobina capacitiva auxiliar têm um excelente fator de potência em toda a gama de cargas e ainda é mais eficiente, com desempenho superior também”.

Para uma microrrede, ou rede elétrica de propriedade privada, construir um excelente fator de potência em cada motor de gaiola de esquilo torna a rede muito mais fácil de gerenciar também, diz ele.

Vanguarda da IA ​​em design

Usar a IA para otimizar o design do rotor e da bobina capacitiva auxiliar pode economizar muito tempo, em comparação com as práticas de design arraigadas, diz Muteba. O algoritmo genético levou 27 minutos para otimizar o design do rotor e da bobina capacitiva auxiliar, dentro de 8 execuções e 60 'gerações' de cromossomos processados.

“Os engenheiros de projeto enfrentam o desafio de selecionar o valor ideal do comprimento do entreferro e da bobina capacitiva auxiliar. Na maioria dos casos, eles usam um software de design que realiza análises de sensibilidade e paramétricas. Esses processos geralmente são demorados, com recursos de pesquisa limitados”, diz Muteba.

“AIs, como algoritmos de busca ideal, podem encontrar o valor ideal do comprimento do entreferro e da bobina capacitiva auxiliar pesquisando um grande espaço de solução em questão de minutos. A técnica de base populacional, usada nesta pesquisa, um algoritmo genético, é um bom ajuste para encontrar os valores ideais necessários”.




Comentários