Académique Documents
Professionnel Documents
Culture Documents
L
8. ESTADÍSTICA DEL VIENTO
1 n
(1)
u = ∑ ui
n i =1
Donde n es el tamaño de la muestra o números de valores
medidos.
n
1
σ 2
= ∑(u i
−u) (2)
i =1
n −1
La desviación standard σ está definida como la raíz cuadrada
de la varianza.
Ejemplo:
1
u = (2 + 4 + 7 + 8 + 9 ) = 6.00 m / s.
5
1
2
σ 2
= 2
+(7 −6) 2
+(8−6) 2
+(9−6) 2} = 1
{ ( 2−6 ) 2 + ( 2 − 4 ) ( 34 ) = 8.5 m / s 2.
4 4
σ= 8.5 m 2 / s 2 = 2.92 m / s
W
1
u= ∑m i
ui (3)
i =1
n
Donde w es el número de diferentes valores de velocidad del
viento que se registran y n el número total de observaciones.
2 W 11 σ=
W2
( 4)
{∑m i u i − ( ∑m i u i) 2}
n − 1 i =1n i =1
Se deberá tener cuidado ya que los dos términos que están
entre las llaves son casi iguales entre sí, de modo que puede
ser necesario trabajar con varios decimales.
Ejercicio:
mi
p (u i ) = (5)
n
La suma de todas las probabilidades debe ser igual a la
unidad.
W
∑ p (u i ) =1 (6)
i =1
i
F (u i ) = ∑ p (u j ) (7 )
j =1
Ejemplo:
Se tiene un conjunto de mediciones, que se da en la TABLA 8.1
adjunta. Halle p (ui) y F (ui), para cada velocidad.
El número total de observaciones es de n = 211
i ui Mi p(ui) F (ui)
1 0 0 0 0
2 1 0 0 0
3 2 15 0.071 0.071
4 3 42 0.199 0.270
5 4 76 0.360 0.630
6 5 51 0.242 0.872
7 6 27 0.128 1.000
b
P ( u a ≤ u ≤ ub = ∑ p(u i (8)
) i=a
∫ f (u ) d u =1 (9)
0
La función de distribución acumulativa está dada por:
u
F (u ) = ∫ f ( x) d x
0
d F (u )
f (u ) = (10)
du
La relación general entre f(u) y F(u) se esquematiza como se
esquematiza en la FIGURA 8.1.
u= ∫ u f (u ) du (11)
0
Y la varianza por:
σ 2 = ∫ ( u − u ) 2 f (u) du (12)
0
FIGURA 8.1
k u
k −1
u k
f (u ) = exp − (13)
c c c
En esta expresión exp[x] representa ex.
∞ u a k
(14)
P ( u ≥ u a) = ∫ f (u) du = exp −
c
Así, la probabilidad de que la velocidad del vientouesté
a
dentro de un intervalo de 1 m/s de ancho, centrado en ua es:
horas por año en que la velocidad del viento será mayor o igual
a 15 m/s.
1.8 7
1.8 −1
7 1.8
exp − = 0.0907
f (7 ) =
6
6 6
Esto significa que la velocidad del viento va a estar en
este intervalo el 9.07 % del tiempo, de modo que el número de
horas por año será:
15 1.8
P (u ≥15) = exp − =
0.0055
Lo que representa: 6
0.0055 (8760) ≅ 48 h /
año
Si la turbina a instalar tuviera "cut - out" en 15 m/s, se
perderían alrededor de 2 días por año de generación.
Por otro lado sabemos que la potencia eólica está dada por
la ecuación:
13P E = ρ Au
2
La potencia media será:
W 1
PE = ρ A∑ p (u i ) u 3
2i =1
Para el caso directo; y si el modelo de los datos reales de
viento está dado por la función de densidad de probabilidad
f(u), la potencia media está dada por:
∞
1
PE = ρ A ∫ u 3 f (u ) du
2
8.1.2 DETERMINACIÓN DE0LOS PARAÁMETROS DE WEIBULL
E
l método más utilizado en la determinación de los
parámetros de Weibull es utilizando la función Gamma, la
cual está tabulada.
−1.086
σ
k = (16)
u
Esto es razonablemente aproximado sobre rangos de K que
varíen entre:
1 ≤ k ≤ 10
Por consiguiente puede determinarse el valor del parámetro
c, de la siguiente manera:
u
c= (17 )
1
Γ 1 +
k
CAPÍTULO 8: ESTADÍSITICA DEL VIENTO 112
NOCIONES GENERALES DE ENERGÍA EÓLICA
y = ax + b (19)
Donde x e y son variables, a es la pendiente y b es la
intersección de los ejes.
En particular:
y = ln[−ln(1−
F(u))]
a =k (20)
x = lnu
b = −klnc
Por consiguiente para cada valor de u corresponde un par de
valores F(u) y tomando en cuenta cada valor x e y de una tabla
de distribución de viento podemos calcular los parámetros de
Weibull de acuerdo a la siguiente expresión:
W W
W
∑x ∑y i i W
∑x i
yi −
i =1 i =1
∑ (x − x )(i
y i− y )
i =1 w i =1
a= = (21)
∑ (x )
2 W
W −x
2
∑ x i
i
W i =1
∑ xi
2
i =1
I =1 −
W
W W
1 a
b= yi −axi = yi − ∑x i
(22)
i =1
W ∑ Wi =1
En estas ecuaciones x e yson los valores medios de los x i e
yi, y W es el número total de pares de valores disponibles.
k =a
b (23)
c = exp −
k
Si tenemos una tabla de distribución de frecuencia para cada
velocidad, podemos computar la probabilidad p(ui) para cada ui y
por consiguiente reemplazar la ecuación (21) por:
W
p 2 (u i )(x i − x )( y i− y )
a= ∑
i =1
W
(24)
p 2 (u i )( x i − x ) 2
∑i =1
Ejemplo:
PUERTO MADRYN
ui xi mi p(ui) F(u) yi
1 0 300 0.103 0.103 -2.22
2 0.69 161 0.055 0.158 -1.76
3 1.10 127 0.044 0.202 -1.49
4 1.39 261 0.090 0.292 -1.07
5 1.61 188 0.065 0.356 -0.82
6 1.79 294 0.101 0.457 -0.49
7 1.95 151 0.052 0.509 -0.34
8 2.08 347 0.119 0.628 -0.01
9 2.20 125 0.043 0.671 0.11
10 2.30 376 0.129 0.800 0.48
11 2.40 67 0.023 0.823 0.55
12 2.48 207 0.071 0.894 0.81
13 2.56 67 0.023 0.917 0.91
14 2.64 91 0.031 0.948 1.09
15 2.71 29 0.010 0.958 1.16
16 2.77 51 0.018 0.976 1.32
17 2.83 19 0.007 0.982 1.40
18 2.89 39 0.013 0.996 1.70
19 2.94 1 0.000 0.996 1.72
20 3.00 7 0.002 0.999 1.89
21 3.04 0 0.000 0.999 1.89
22 3.09 2 0.001 0.999 1.99
23 3.14 0 0.000 0.999 1.99
24 3.18 1 0.000 1.000 2.08
25 3.22 1 0.000 1.000
26 3.26 0 0.000
27 3.30 0 0.000
28 3.33 0 0.000
>28 0 0.000
0 0.000
2912
GASTRE
ui xi mi p(ui) F(u) yi
1 0 47 0.016 0.016 -4.12
2 0.69 5 0.002 0.018 -4.02
3 1.10 82 0.028 0.046 -3.06
4 1.39 65 0.022 0.068 -2.65
5 1.61 140 0.048 0.116 -2.09
6 1.79 219 0.075 0.192 -1.55
7 1.95 266 0.091 0.283 -1.10
8 2.08 276 0.095 0.378 -0.75
9 2.20 198 0.068 0.446 -0.53
10 2.30 314 0.108 0.554 -0.22
11 2.40 155 0.053 0.607 -0.07
12 2.48 177 0.061 0.668 0.10
13 2.56 141 0.048 0.716 0.23
14 2.64 142 0.049 0.765 0.37
15 2.71 133 0.046 0.810 0.51
16 2.77 96 0.033 0.843 0.62
17 2.83 102 0.035 0.878 0.75
18 2.89 101 0.035 0.913 0.89
19 2.94 48 0.016 0.930 0.98
20 3.00 78 0.027 0.956 1.14
21 3.04 28 0.010 0.966 1.22
22 3.09 21 0.007 0.973 1.29
23 3.14 23 0.008 0.981 1.38
24 3.18 12 0.004 0.985 1.44
25 3.22 19 0.007 0.992 1.57
26 3.26 8 0.003 0.995 1.65
27 3.30 2 0.001 0.995 1.67
28 3.33 9 0.003 0.998 1.85
>28 5 0.002
0 0.000
2912
ππ u u2
f (u ) =exp −22 u 4 (25)
u
Y la función de distribución acumulativa es:
π u
2
F (u ) = 1 − exp − (26)
4 u
la velocidad de viento u
En este caso la probabilidad de que
ua es:
sea mayor o igual que
π u
2