Texto Completo

Universidad de Sevilla
Escuela Superior de Ingenieros

Departamento de Ingeniería Eléctrica
Proyecto Fin de Carrera
Optimización de la operación de un parque

eólico con sistema de almacenamiento de
energía
Cecilia Mateo Gordillo

Directores: Manuel Burgos Payán
J.M Roldán Fernández
Sevilla, 11 de Abril de 2014

Optimización de la operación de un parque eólico con sistema de almacenamiento
de energía
ÍNDICE
ÍNDICE .............................................................................................................................. i
ÍNDICE CONTENIDO ..................................................................................................... i
ÍNDICE DE FIGURAS ................................................................................................... iv
ÍNDICE CONTENIDO
Objetivos y Alcance.......................................................................................................... 1
Capítulo 1 Aspectos Generales..................................................................................... 2
1.1 DESCRIPCIÓN DE LA ENERGÍA EÓLICA ................................................. 2
1.2 DISTRIBUCION DE WEIBULL ..................................................................... 9
1.3 PRODUCCIÓN DE ENERGÍA ..................................................................... 15
1.3.1 Transformación de energía ................................................................................. 17
1.3.2 Límite de Betz ...................................................................................................... 18
1.3.3 Coeficiente de potencia ...................................................................................... 20
1.3.4 Curva de potencia ............................................................................................... 22
1.3.5 El factor de carga ................................................................................................. 23
1.3.6 Rosa de los vientos .............................................................................................. 24
1.4 EFECTO ESTELAS ....................................................................................... 25
1.4.1 CASO 1: LAITEC .................................................................................................... 29
1.4.2 CASO 2: SIBAYA ................................................................................................... 37
Capítulo 2 Caracterización de Parques Eólicos .......................................................... 42
2.1 INTRODUCCIÓN .......................................................................................... 42
2.2 ESCENARIO ACTUAL DE LA EÓLICA EN ESPAÑA ............................. 42
2.2.1 Marco regulatorio español de la energía eólica .................................................. 50
2.2.2 Integración de energía eólica en el sistema eléctrico ......................................... 51
2.2.3 Redes de transporte y distribución ..................................................................... 53
2.2.4 Interconexiones internacionales ......................................................................... 56
2.2.5 Mercado eléctrico ............................................................................................... 58
2.2.5.1 Mercado diario ................................................................................ 59
2.2.5.2 Mercado intradiario ........................................................................ 60
i
de energía
2.2.5.3 Servicios de ajuste gestionados por el Operador del Sistema

Eléctrico 60
2.2.5.4 Soluciones de restricciones técnicas ............................................... 60
2.2.5.5 Servicios complementarios ............................................................. 61
2.3 SISTEMAS DE ALMACENAMIENTO ....................................................... 63
2.3.1 Selección de los sistemas de almacenamiento de energía a implementar ........ 64
2.3.2 Características de los sistemas de almacenamiento seleccionados ................... 65
2.3.2.1 Baterías de Litio-Ión ....................................................................... 66
2.3.2.2 Baterías avanzadas de Plomo-Ácido .............................................. 67
2.3.2.3 Baterías de Sodio-Sulfuro............................................................... 68
2.3.2.4 Baterías redox de Vanadio.............................................................. 70
2.3.2.5 Baterías redox de Zinc-Bromo ....................................................... 71
2.3.2.6 Resumen de las características de las baterías seleccionadas ......... 72
2.4 MÉTODOS DE PREDICCIÓN...................................................................... 73
2.4.1 Modelo de persistencia (PRS).............................................................................. 73
2.4.2 Modelo autorregresivo (AR) ................................................................................ 74
2.4.3 Modelo autorregresivo de medias móviles (ARMA) ........................................... 74
2.4.4 Redes neuronales recurrentes (RNN).................................................................. 75
2.4.5 Regresión mediante vectores soporte (SVR)....................................................... 76
2.4.6 Elección modelo de predicción ........................................................................... 77
2.4.6.1 Estudio de la fac y facp................................................................... 77
2.5 CÁLCULO DE DESVÍOS DE PRODUCCIÓN ............................................ 83
2.5.1 Análisis del coste del desvío ................................................................................ 85
Capítulo 3 Aplicaciones Prácticas .............................................................................. 91
3.1 INTRODUCCIÓN .......................................................................................... 91
3.2 CASO 1: ISLA LAITEC ................................................................................ 92
3.2.1 Semana Invierno.................................................................................................. 92
3.2.2 Semana Primavera .............................................................................................. 98
3.2.3 Semana Verano ................................................................................................. 102
3.2.4 Semana Otoño ................................................................................................... 106
3.3 CASO 2: SIBAYA ....................................................................................... 109
3.3.1 Semana Invierno................................................................................................ 109
3.3.2 Semana Primavera ............................................................................................ 113
3.3.3 Semana Verano ................................................................................................. 116
ii
de energía
3.3.4 Semana Otoño ................................................................................................... 120

3.4 ANÁLISIS ECONÓMICO ........................................................................... 124
3.4.1 Caso1: Isla Laitec ............................................................................................... 127
3.4.2 Caso 2: Sibaya .................................................................................................... 130
Conclusiones................................................................................................................. 132
BIBLIOGRAFÍA .......................................................................................................... 135
Anexo A........................................................................................................................ 137
Anexo B ........................................................................................................................ 147
iii
de energía
ÍNDICE DE FIGURAS
Figura 1.1.1 : Turbina eólica de Brush en Cleveland ( 12 kW, 17 m) [2] ........................ 3
Figura 1.1.2 : Aerogeneradores La Cour [2] .................................................................... 3
Figura 1.1.3 : Representación esquemática del movimiento del aire [2] ......................... 4
Figura 1.1.4 : Movimiento de vientos alrededor del planeta [3] ...................................... 4
Figura 1.1.5: Brisa de ladera en las montañas [4] ............................................................ 5
Figura 1.1.6: Cizallamiento del viento ............................................................................. 7
Figura 1.1.7 : Efecto Túnel [4] ......................................................................................... 8
Figura 1.2.1 : Línea de tendencia correspondiente a la Isla de Laitec ............................ 12
Figura 1.2.2: Histograma de frecuencia de velocidades de viento y función de densidad
de probabilidad ajustada mediante una distribución Weibull......................................... 12
Figura 1.2.3: Línea de tendencia correspondiente a Sibaya .......................................... 14
Figura 1.2.4: Histograma de frecuencia de velocidades de viento y función de densidad
de probabilidad ajustada mediante una distribución Weibull......................................... 14
Figura 1.3.1: Sección barrida por masa de aire (m) [2] .................................................. 17
Figura 1.3.2: Disminución de la velocidad del viento tras el paso por la turbina [2]..... 18
Figura 1.3.3: Tubo de corriente [2]................................................................................. 20
Figura 1.3.4: Variación del coeficiente de potencia C_p con la velocidad específica,
T.S.R, con el ángulo de pala, , como parámetro [4] ..................................................... 21
Figura 1.3.5: Curva de potencia ..................................................................................... 22
Figura 1.3.6: Rosa de vientos correspondiente a la Isla Laitec ...................................... 24
Figura 1.4.1: Representación esquemática de la estela [16] ........................................... 26
Figura 1.4.2: Curva de Potencia ..................................................................................... 29
Figura 1.4.3: Distribución de Weibull para el sector 1 ................................................... 30
Figura 1.4.4: Rosa de potencias correspondiente a la Isla Laitec ................................... 31
Figura 1.4.5: Rosa de vientos correspondiente a la Isla Laitec ..................................... 31
Figura 1.4.6: Distribución tresbolillo ............................................................................. 33
Figura 1.4.7: Distribución rectangular ............................................................................ 35
Figura 1.4.8: Curva de potencia (Sibaya) ....................................................................... 37
Figura 1.4.9: Distribuación Weibull Sector 1 ................................................................. 38
Figura 1.4.10: Rosa de potencias (Sibaya) ..................................................................... 38
Figura 1.4.11: Rosa de vientos (Sibaya) ......................................................................... 39
Figura 2.2.1: Evolución potencia eólica instalada (AEE) [13] ....................................... 42
Figura 2.2.2: Potencia instalada por comunidades (AEE)[13] ....................................... 43
Figura 2.2.3: Evolución potencia instalada (AEE)[13] .................................................. 44
Figura 2.2.4: Evolución potencia instalada en la Unión Europea[13] ........................... 45
Figura 2.2.5: Evolución mundial de la potencia eólica instalada [13] ........................... 46
Figura 2.2.6: Reparto de la potencia instalada en el sistema eléctrico nacional español
por tecnologías [13] ........................................................................................................ 47
iv
de energía
Figura 2.2.7: Evolución anual de la potencia instalada por tecnologías (2006-2011) [13]
........................................................................................................................................ 48
Figura 2.2.8: Reparto por sociedades propietarias de la potencia eólica instalada y
acumulada en 2011 [13] ................................................................................................. 49
Figura 2.2.9: Reparto por sociedades propietarias de la potencia eólica instalada en 2011
[13] ................................................................................................................................. 49
Figura 2.2.10: Infraestructura eléctricas [10] ................................................................. 55
Figura 2.2.11: Interconexiones internacionales [10] ...................................................... 56
Figura 2.2.12: Capacidad de interconexión [10] ............................................................ 57
Figura 2.2.13: Interconexiones previstas para 2016 [10] ............................................... 57
Figura 2.2.14: Separación de funciones.......................................................................... 58
Figura 2.2.15: Secuencia de mercados en el mercado español [10] ............................... 59
Figura 2.3.1: Aplicaciones y tecnologías de sistemas de almacenamiento de energía [15]
........................................................................................................................................ 65
Figura 2.3.2: Representación batería Litio-Ion [15] ....................................................... 66
Figura 2.3.3: Sistemas de batería de Litio en Chile [15] ............................................... 67
Figura 2.3.4: Sistema de baterías de plomo avanzadas en Australia [15] ...................... 68
Figura 2.3.5: Composición de una batería de Sodio-Sulfuro [15] .................................. 69
Figura 2.3.6: Sistemas de baterías de Sodio-Sulfuro [15] .............................................. 69
Figura 2.3.7: Sistema de batería de Zinc-Bromo [15] .................................................... 71
Figura 2.3.8: Sistema transportable de baterías de Zinc-Bromo [15]............................ 72
Figura 2.4.1: Arquitectura de RNN [21] ........................................................................ 75
Figura 2.4.2: Modelo AR(1) [17] ................................................................................... 78
Figura 2.4.3: Modelo AR(2) [17] ................................................................................... 79
Figura 2.4.4: Modelo MA(2) [17] .................................................................................. 80
Figura 2.4.5: Modelo ARIMA [17] ................................................................................ 81
Figura 2.5.1: Desvío de producción frente a la necesidad del sistema eléctrico [10] .... 84
Figura 2.5.2: Precio de los desvíos [10] ......................................................................... 87
Figura 2.5.3: Coste de los desvíos [10] .......................................................................... 89
Figura 3.2.1:Trayectoria, fac, facp, variograma correspondiente a la semana invierno . 93
Figura 3.2.2:Trayectoria, fac, facp, variograma tras la diferenciación de primer orden 94
Figura 3.2.3: Residuos modelo ARIMA(4,1,3) .............................................................. 95
Figura 3.2.4: Residuos del modelo ARIMA(4,1,0) ........................................................ 95
Figura 3.2.5: Comparación modelo real con modelo ARIMA(4,1,3) ............................ 96
Figura 3.2.6: Comparación del modelo real con el modelo ARIMA(4,1,0) .................. 97
Figura 3.2.7: Representación trayectoria, fac, facp y variograma de la semana
primavera ........................................................................................................................ 98
Figura 3.2.8: Representación de la trayectoria, fac, facp, variograma semana primavera
tras diferenciación........................................................................................................... 99
Figura 3.2.9: Representación de residuos modelo ARIMA(4,1,3) ................................. 99
Figura 3.2.10: Representación de residuos modelo ARIMA(8,1,8) ............................. 100
Figura 3.2.11: Comparación de modelo real con el modelo ARIMA(4,1,3) ................ 100
Figura 3.2.12: Comprobación de modelo real con el modelo ARIMA(8,1,8) ............. 101
v
de energía
Figura 3.2.13: Representación trayectoria, fac, facp, variograma semana verano ...... 102
Figura 3.2.14: Representación trayectoria, fac, facp, variograma tras la diferenciación
...................................................................................................................................... 103
Figura 3.2.15: Residuos modelo ARIMA(6,1,3) .......................................................... 104
Figura 3.2.17: Comparación modelo real y modelo ARIMA(6,1,3) ............................ 105
Figura 3.2.18: Comparación modelo real y modelo ARIMA(6,1,6) ............................ 105
Figura 3.2.19: Trayectoria, fac, facp, variograma semana otoño ................................. 106
Figura 3.2.20: Representación de la trayectoria, fac, facp, variograma tras diferenciación
de primer orden ............................................................................................................. 107
Figura 3.2.21: Representación fac, facp, variograma de los residuos .......................... 108
Figura 3.2.22: Comparación modelo real con modelo ARIMA(9,1,7) ........................ 108
Figura 3.3.1: Trayectoria, fac, facp, variograma correspondiente a la semana de
invierno ......................................................................................................................... 109
Figura 3.3.2: Trayectoria, fac, facp, variograma tras diferenciación semana invierno 110
Figura 3.3.3: Residuos correspondientes al modelo ARIMA(6,1,3) ............................ 111
Figura 3.3.4: Residuos correspondientes al modelo ARIMA(3,1,1) ............................ 111
Figura 3.3.5: Comparación modelo real con modelo ARIMA(3,1,4) .......................... 112
Figura 3.3.6: Comparación modelo real con modelo ARIMA(3,1,1) .......................... 112
primavera ...................................................................................................................... 113
Figura 3.3.8: Trayectoria, fac. facp, variograma tras diferenciación de primer orden . 114
Figura 3.3.9: Comparación modelo real con el modelo ARIMA(3,1,4) ..................... 114
Figura 3.3.10: Comparación modelo real con el modelo ARIMA(4,1,0) .................... 115
Figura 3.3.11: Trayectoria, fac, facp y variograma de la semana verno ...................... 116
Figura 3.3.12: Trayectoria, fac, facp y variograma tras diferenciación........................ 117
Figura 3.3.13: Residuos correspondientes al modelo ARIMA(3,1,3) .......................... 118
Figura 3.3.14: Residuos correspodientes al modelo ARIMA(6,1,6) ............................ 118
Figura 3.3.16: Comparación modelo real con modelo ARIMA(11,1,11) .................... 119
Figura 3.3.17: Trayectoria, fac, facp, variograma correspondiente a la semana de otoño
...................................................................................................................................... 120
Figura 3.3.18: Trayectoria, fac, facp y variograma tras la diferenciación .................... 121
Figura A. 1: Costes de los desvíos por menor producción correspondiente a la semana

de invierno .................................................................................................................... 137
Figura A. 2: Costes de los desvíos por mayor producción correspondiente a la semana
de invierno .................................................................................................................... 138
vi
de energía
Figura A. 3: Costes de los desvíos por menor producción correspondiente a la semana

de otoño (septiembre) ................................................................................................... 139
Figura A. 4: Coste de los desvíos por mayor producción correspondiente a la semana de
otoño (septiembre) ........................................................................................................ 140
Figura A. 5: Coste de los desvíos por menor producción correspondiente a la semana de
otoño (octubre) ............................................................................................................. 141
otoño (octubre) ............................................................................................................. 142
primavera ...................................................................................................................... 143
primavera ...................................................................................................................... 144
verano ........................................................................................................................... 145
Figura A. 10: Coste de los desvíos por mayor producción correspondiente a la semana
de verano....................................................................................................................... 146
Figura B. 1: Precio horario final correspondiente a la semana de invierno (mes febrero)

...................................................................................................................................... 147
Figura B. 2: Precio horario final correspondiente a la semana de invierno (meses
septiembre y octubre) ................................................................................................... 148
Figura B. 3: Precio horario final correspondiente a la semana de primavera (mes de
abril) ............................................................................................................................. 149
Figura B. 4: Precio horario final correspondiente a la semana de verano (mes de Julio)
...................................................................................................................................... 149
vii
de energía
ÍNDICE DE TABLAS
Tabla 1.1.1: Longitud y clase de rugosidad ...................................................................... 6
Tabla 1.2.1: Función de densidad para las distintas velocidades del viento .................. 11
Tabla 1.2.2: Función de densidad para las diferentes velocidades del viento ................ 13
Tabla 1.4.1: Potencia por cada sector ............................................................................. 33
Tabla 1.4.2: Potencia media real en un año y rendimiento en cada generador ............. 34
Tabla 1.4.3: Potencia reducida efecto estela................................................................... 36
Tabla 1.4.4: Potencia por cada sector ............................................................................. 39
Tabla 1.4.5: Potencia reducida por efecto estelas ........................................................... 40
Tabla 1.4.6: Potencia ponderada efecto estelas .............................................................. 41
Tabla 2.3.1: Resumen de características técnicas de las baterías ................................. 72
Tabla 2.3.2: Resumen de costes de las baterías .............................................................. 73
Tabla 2.4.1: Resumen características modelos sin estacionalidad ................................. 82
Tabla 3.4.1: Cálculos numéricos para 76 MWh de capacidad ..................................... 127
Tabla 3.4.4: Cálculos numéricos para 8 MWh de capacidad ....................................... 128
Tabla 3.4.5: : Cálculos numéricos para 4 MWh de capacidad ..................................... 129
Tabla 3.4.6: Cálculos numéricos para 2 MWh de capacidad ....................................... 129
Tabla 3.4.7: Cálculos numéricos correspondientes al estudio global del emplazamiento
...................................................................................................................................... 129
Tabla 3.4.8: Cálculos numéricos correspondientes a 3MWh de capacidad de
almacenamiento ............................................................................................................ 130
Tabla 3.4.9: Cálculos correspondientes a 1.5MWh de capacidad de almacenamiento 130
Tabla 3.4.10: Cálculos correspondientes al estudio económico global ........................ 131
viii
Optimización de la operación de un parque eólico con sistema de almacenamiento de
energía
Objetivos y Alcance
En el presente documento se describe un proyecto de caracterización y estudio de
parques eólicos. A lo largo de su desarrollo, se va a trabajar en la consecución de dos
objetivos. El primer objetivo es el estudio de la influencia en la rentabilidad económica
de la planta que presentan las estelas producidas por el viento tras su paso por un
aerogenerador y como afectan estas estelas al resto de elementos ubicados en una
instalación eólica. El segundo objetivo es el estudio de la optimización de la operación
de un parque eólico con sistema de almacenamiento de energía.
El texto es dividido en tres capítulos, describiéndose dentro de cada uno de ellos un

bloque funcional del Proyecto. En el primer capítulo se describe los aspectos generales
de los parques eólicos. Para ellos es interesante conocer los fundamentos de la energía
eólica, como se crean los vientos, su comportamiento y el estudio y caracterización de
los mismos. Se va a desarrollar como se obtiene la energía del viento mediante los
aerogeneradores. Se representan los factores que afectan a la producción de un parque
eólico como la rugosidad del terreno, los obstáculos naturales o las estelas. Además, se
desarrolla la distribución de Weibull de los dos emplazamientos estudiados y se estudia
el efecto de las estelas y cuál es la distribución que optimiza la pérdida producida por el
efecto de las estelas.
En el segundo capítulo se desarrolla la situación actual eólica a nivel mundial, se

expone los diferentes tipos de dispositivos de almacenamiento disponibles con sus
costes asociados a cada método de almacenamiento. Además, se desarrolla los
fundamentos teóricos para el cálculo de los desvíos de energía producidos con sus
costes asociados a dichos desvíos. Para el cálculo de los desvíos es necesario emplear
algún método de predicción, en dicho capítulo se expone los fundamentos teóricos de
los métodos de predicción más empleados.
Durante el tercer y último capítulo se calcularán los costes asociados a dichos desvíos
producidos, dichos costes se calculan para cuatro semanas, siendo cada una de las
semanas representativas de las cuatro estaciones del año, además dichos costes se
obtienen para los dos emplazamientos estudiados. Una vez que se tiene los costes se
estudia el posible beneficio de implantar un sistema de almacenamiento en el parque
eólico, para ello se estudia el periodo de retorno.
1
Aspectos Generales
Capítulo 1 Aspectos Generales
1.1DESCRIPCIÓN DE LA ENERGÍA EÓLICA

La energía eólica no es algo nuevo, es una de las energías más antiguas junto a la
energía térmica. El viento como fuerza motriz existe desde la antigüedad y en todos los
tiempos ha sido utilizado como tal. Tiene su origen en el sol. Así, ha movido a barcos
impulsados por velas o ha hecho funcionar la maquinaria de los molinos al mover sus
aspas. Pero, fue a partir de los ochenta del siglo pasado, cuando este tipo de energía
limpia sufrió un verdadero impulso. La energía eólica crece de forma imparable a partir
del siglo XXI, en algunos países más que en otros, pero sin duda alguna en España
existe un gran crecimiento, siendo uno de los primeros países por debajo de Alemania a
nivel europeo o de Estados Unidos a escala mundial. Su auge en parques eólicos es
debido a las condiciones tan favorables que existe de viento, sobre todo en Andalucía
que ocupa un puesto principal, entre los que se puede destacar el Golfo de Cádiz, ya que
el recurso de viento es excepcional. A continuación, se muestra de forma resumida la
evolución experimentada en obtención de la energía eólica:
 El hombre usa por primera vez la energía del viento en Egipto, alrededor del año
3000 AC, para propulsar barcos de vela.
 Los primeros molinos conocidos son los de Seistan, del siglo VII.
 En el año 1400, el papa Celestino III reclama la propiedad del viento: los
molinos pueden usarlo pagando una cuota.
 En 1854 Halladay introduce un molino de viento ligero, barato, que se erige
como uno de los símbolos de las granjas americanas.
 En 1888 Brush construye la que se cree es la primera turbina eólica para
generación eléctrica, mejorada en los años siguientes por Poul La Cour.( Ver
Figura 1.1.1 y Figura 1.1.2).
 El primer molino de viento de grandes dimensiones para generación de
eléctricas, la turbina de Smith-Putnam, fue construida en Vermont en 1945.
 En el año 2005, existen generadores que producen más de 5 MW, y grandes
parques eólicos instalados en el mar.
2
Aspectos Generales
Figura 1.1.1 : Turbina eólica de Brush en Cleveland ( 12 kW, 17 m) [2]
Figura 1.1.2 : Aerogeneradores La Cour [2]
Todas las fuentes de energía renovables (excepto la maremotriz y la geotérmica),

incluyendo la energía de los combustibles fósiles, provienen, en último término, del sol.
La Tierra recibe kW de potencia del sol. Alrededor de un 1 a un 2% de la
energía proveniente del sol es convertida en energía eólica. Esto supone una energía
alrededor de 50 a 100 veces superior a la convertida en biomasa por todas las plantas de
la Tierra.
 Desigual calentamiento de la tierra
Las regiones alrededor del ecuador, a 0º de latitud, son calentadas por el sol más que las
zonas del resto del globo. El aire caliente es más ligero que el aire frío, por lo que subirá
hasta alcanzar una altura aproximada a 10 km y se extenderá hacia el norte y hacia el
sur. Si el globo no rotase, el aire simplemente llegaría al Polo Norte y al Polo Sur, para
posteriormente descender y volver al ecuador. (Ver Figura 1.1.3)
3
Aspectos Generales
Figura 1.1.3 : Representación esquemática del movimiento del aire [2]
 Influencia en el viento de la fuerza de Coriolis
Al estar la Tierra en permanente rotación, hace que todas las masas que se encuentran
sobre ella adquieran una energía de rotación, las conocidas Fuerzas de Coriolis. Estas
fuerzas provocan un tipo de movimiento en las corrientes de aire, más en concreto
producen desplazamientos laterales, es decir, los vientos cambian de longitud. Como
particularidad cabe destacar que estas fuerzas tienen distinto sentido en ambos
hemisferios terrestres. Como resultados obtenemos direcciones de viento predominante
diferentes en distintas zonas del planeta. En la Figura 1.1.4 se muestra un esquema
básico de la distribución de vientos alrededor del planeta Tierra.
Figura 1.1.4 : Movimiento de vientos alrededor del planeta [3]
 Variación del viento en la meso-escala: brisas marinas
Durante el día la tierra se calienta más rápidamente que el mar por el efecto del sol
(debido al menor calor específico del agua). El aire sube, circula hacia el mar, y crea
una depresión a nivel del suelo que atrae el aire frío al mar, esto es lo que se llama brisa
marina. A menudo hay un periodo de calma al anochecer, cuando las temperaturas del
suelo y el mar se igualan. Durante la noche los vientos soplan en sentido contrario,
puesto que al bajar las temperaturas la tierra se enfría más rápidamente que el mar.
4
Aspectos Generales
 Variación del viento en la meso-escala: vientos de montaña
El viento del valle se origina en las laderas que dan al sur (o en las que dan al norte en el
hemisferio sur). Cuando las laderas y el aire próximo a ellas están calientes la densidad
del aire disminuye, y el aire asciende hasta la cima siguiendo la superficie de la ladera.
Durante la noche la dirección del viento se invierte, convirtiéndose en un viento que
fluye ladera abajo. Si el fondo del valle está inclinado, el aire puede ascender o
descender por el valle; este efecto es conocido como viento de cañón. Los vientos que
soplan en las laderas a sotaviento pueden ser muy potentes. Ejemplo de ello son: El
Fhon de los Alpes en Europa, el Chinook en las Montañas Rocosas y el Zonda en los
Andes [2].
Figura 1.1.5: Brisa de ladera en las montañas [4]
 Factores influyentes en la velocidad del viento:
RUGOSIDAD: mide la disminución de la velocidad del viento a causa de la fricción

con la superficie y todos los elementos que se dispongan sobra ella. El efecto de la
fricción será más acusado cuanto más cerca se encuentre del punto de la medida de la
superficie e irá disminuyendo progresivamente conforme se aleje. En zonas donde
existan grandes masas de árboles o matorrales, se dispongan edificios o similares la
rugosidad será mucho mayor. Su definición matemática se lleva a cabo a partir de la
longitud de rugosidad, , que indica la altura sobre el nivel del suelo donde la
velocidad es teóricamente cero, y se mide en metros. La Tabla 1.1.1 muestra las
distintas clases de rugosidad en función de las características del terreno.
5
Aspectos Generales
Tabla 1.1.1: Longitud y clase de rugosidad
Clase de Longitud de Índice de Tipo de paisaje

rugosidad rugosidad (m) energía
(%)
0 0.0002 100 Superficie del agua.
Terreno completamente abierto con una

0.5 0.0024 73 superficie lisa, p.ej., pistas de hormigón
en los aeropuertos, césped cortado, etc.
Área agrícola abierta sin cercados n

1 0.03 52 setos y con edificios muy dispersos.
Sólo colinas suavemente redondeadas.
Terreno agrícola con algunas casas y
setos resguardantes de 8 m de altura
1.5 0.055 45
con una distancia aproximada de 1250
m.
2 0.1 39
m.
2.5 0.2 31
m.
Pueblos, ciudades pequeñas, terreno

agrícola con muchos o altos setos
3 0.4 24
resguardantes, bosques y terreno
accidentado y muy desigual.
Ciudades más grandes con edificios

3.5 0.8 18
altos.
Ciudades muy grandes con edificios

4 1.6 13
altos y rascacielos.
-CIZALLAMIENTO: el cizallamiento es la consecuencia directa de la rugosidad de la

velocidad del viento. Se explica mediante el hecho de que la velocidad tome valores
menores cerca del nivel del suelo y que este vaya aumentando su magnitud conforme se
aleja del suelo. Por lo tanto, es importante conocer el perfil vertical del viento para
caracterizar la producción de energía y también para el estudio mecánico de los
aerogeneradores. Además, tener en cuenta que las mediciones del viento no se suelen
realizar a la altura del buje de la turbina y por lo tanto las medidas de velocidad a una
altura dada tendrán que ser escaladas a la altura que en un futuro se obtendrá la energía.
En la Figura 1.1.6 se puede observar la variación de la velocidad con respecto a la altura
y dicha variación se puede modelar mediante la ecuación ( 1.1.1) . En el apartado
6
Aspectos Generales
correspondiente a la distribución de Weibull se explica los componentes de dicha

ecuación.
Cizallamiento del viento

200
180
160
140
120
altura (m)
100
80
60
40
20
0
0 2 4 6 8 10 12
velocidad (m/s)
Figura 1.1.6: Cizallamiento del viento
( 1.1.1)
- EFECTO TÚNEL: es el resultado de la circulación del viento por un paso

estrecho creado entre montañas o entre edificios altos. En este paso se acelera
considerablemente la velocidad del viento. Este efecto se crea por el choque del
viento con la montaña donde el viento se frena bruscamente y tiende a buscar
una salida entre el espacio libre, esto se explica teniendo en cuenta el principio
de conservación de las masas, el paso del viento por el estrechamiento se realiza
a una velocidad superior de la que traía inicialmente. Dichos aumentos de
velocidad pueden estar en torno a un 40%, por lo tanto este tipo de lugares son
muy recomendables para la situación de aerogeneradores. Por lo tanto, el efecto
túnel ofrece una gran cantidad de viento pero hay que tener en cuenta las
turbulencias que se crean, ya que en ocasiones estas son muy elevadas y la
ventaja que supone el incremento de velocidad no compensa la alta probabilidad
de rotura se las turbinas. En la Figura 1.1.7 se representa el efecto explicado.
7
Aspectos Generales
Figura 1.1.7 : Efecto Túnel [4]
- EFECTO COLINA: es la aceleración del viento en lugares donde existe un

sobreelevación del terreno. En colinas relativamente aisladas que dominan el
terreno aumenta la velocidad del viento debido a que en la cara lateral de la
elevación se produce el choque del viento creando una sobrepresión en el aire.
Esta variación de presiones hace que el flujo de viento ascendente se acelere y
pase justo por la cima de la colina un gran corriente. Además, por la variación de
presiones se vuelve más denso el aire que pasa por el aerogenerador y al tener
mayor masa se obtiene mayor energía cinética. Al igual que en el efecto túnel se
tienen que tener en cuenta las turbulencias que se producirían.
8
Aspectos Generales
1.2DISTRIBUCION DE WEIBULL
Para la industria eólica es muy importante ser capaz de describir la variación de las
velocidades del viento. Los proyectistas de turbinas necesitan la información para
optimizar el diseño de sus aerogeneradores, así como para minimizar los costes de
generación. Los inversores necesitan la información para estimar sus ingresos por
producción de electricidad.
Dadas las características tan dispersas y aleatorias de la energía eólica, es obvio que la
única manera de estudiar si un emplazamiento es adecuado o no, es utilizando la
estadística. Para ello se recurre a la representación de la velocidad del viento como una
variable aleatoria con una cierta función de distribución.
Normalmente se suele utilizar la distribución de Weibull; se trata de una distribución de

dos parámetros: un parámetro de escala c y un parámetro factor de distribución de
forma k. La distribución estadística de las velocidades del viento varía de un lugar a otro
del globo, dependiendo de las condiciones climáticas locales, del paisaje y de su
superficie. La distribución de Weibull utilizada puede variar tanto en la forma como en
el valor medio.
El parámetro de forma k indica cómo de puntiaguda es la distribución de velocidades

del viento; si siempre tiende a estar próximas a un cierto valor, la distribución tendrá un
alto valor de k y será muy puntiaguda. Mientras que, el factor de escala c cuanto
mayor sea nos indicará un mayor número de días de viento alto y se expresa en m/s.
Las ecuaciones ( 1.2.1 )y ( 1.2.2 ) representan las la función de distribución y la función

de densidad respectivamente.
( 1.2.1 )
( 1.2.2 )
Para el cálculo de los factores de escala y de forma tomamos logaritmo neperiano dos
veces en la función de densidad, de esta forma identificando términos obtenemos la
ecuación de mínimos cuadrados, correspondiente a la ecuación ( 1.2.4 ). Lo que se
pretende hacer es una aproximación a una recta de mínimos cuadrados.
( 1.2.3 )
9
Aspectos Generales
( 1.2.4 )
( 1.2.5 )
Identificando términos en las ecuaciones ( 1.2.4 ) y ( 1.2.5 ) se obtienen los términos de

la recta de mínimos cuadrados que se quería obtener, dichos términos se muestran en las
ecuaciones ( 1.2.6 )-( 1.2.7 ). Además se muestra las expresiones para los valores k y c
en las ecuaciones ( 1.2.8 )-( 1.2.9 )
y= ( 1.2.6 )
x= ( 1.2.7 )
( 1.2.8 )
b=
( 1.2.9 )
La Tabla 1.1.1 y la Tabla 1.2.2 muestran dicha distribución para dos emplazamientos
distintos, con características de velocidad muy diferentes.
10
Aspectos Generales
Estación: Isla Laitec, Comuna de Quellón X Región, Chile
Periodo: 1 de Noviembre de 2002 al 31 de Octubre de 2003
Anemómetro situado a 20m
Tabla 1.2.1: Función de densidad para las distintas velocidades del viento
Frecuencia Frecuencia Función de

Velocidad
Relativa Acumulada Ln(v) Ln(-Ln(1-p(v)) densidad
(m/s)
(p.u.) (p.u.) f(v)
1 0.053 0.053 0 -2.893 0.093
2 0.121 0.175 0.693 -1.647 0.132
3 0.148 0.324 1.098 -0.937 0.145
4 0.132 0.456 1.386 -0.495 0.139
5 0.129 0.585 1.609 -0.127 0.123
6 0.124 0.710 1.791 0.214 0.101
7 0.089 0.800 1.945 0.476 0.078
8 0.073 0.874 2.079 0.728 0.057
9 0.046 0.920 2.197 0.926 0.040
10 0.028 0.948 2.302 1.085 0.027
11 0.020 0.968 2.397 1.245 0.017
12 0.011 0.979 2.484 1.362 0.011
13 0.007 0.987 2.564 1.475 0.006
14 0.005 0.992 2.639 1.587 0.003
15 0.002 0.995 2.708 1.678 0.002
16 0.001 0.997 2.772 1.765 0.001
17 0.002 0.999 2.833 1.982 0.0001
18 0.000 1.000 2.890 - -
En la Tabla 1.1.1 se puede apreciar que la velocidad mínima y máxima tomada en

dicho emplazamiento es 1 y 18 m/s respectivamente. Con los datos de la Figura 1.2.1
podemos obtener la línea de tendencia y con ella el valor de k y c necesarios. Para
determinar el valor de los parámetros necesarios en primer lugar se realiza la
aproximación por mínimos cuadrados de la función de distribución, como se ha
mencionado anteriormente. Los ejes de la línea de tendencia se obtienen identificando
términos a través de la Ecuación ( 1.2.7 ) y la Ecuación ( 1.2.8 ). Una vez se obtiene la
línea de tendencia se procede a identificar dichos parámetros, siendo el valor de k la
pendiente de la línea de tendencia, como se puede comprobar a través de la Ecuación (
1.2.7 ) y el valor de c se obtiene a través de la Ecuación ( 1.2.9 )
11
Aspectos Generales
Línea de tendencia
3
y = 1,6868x - 2,8287
2
1
ln(-ln(1-p(v)))
0
0 0,5 1 1,5 2 2,5 3
-1
-2
-3
-4
ln(v)
Figura 1.2.1 : Línea de tendencia correspondiente a la Isla de Laitec
Por lo tanto, el valor de k es 1.686 y el valor de c es 5.349 m/s.
Con dichos parámetros se puede proceder a la obtención del histograma de frecuencia

de velocidades de viento y función de densidades de probabilidad ajustada mediante una
distribución de Weibull como se muestra en la Figura 1.2.2.
0,1600
Distribución de Velocidad y de Weibull
0,1400
0,1200
0,1000
Probabilidad
0,0800
Probabilidad
0,0600 Weibull(K=1,69;K=5,35)
0,0400
0,0200
0,0000
1 3 5 7 9 11 13 15 17
Velocidad[m/s]
Figura 1.2.2: Histograma de frecuencia de velocidades de viento y función de densidad de

probabilidad ajustada mediante una distribución Weibull.
12
Aspectos Generales
Estación: Sibaya, Comuna de Huara I Región, Chile
Periodo: 17 de Diciembre 2003 al 31 de Diciembre de 2004
Anemómetro situado a 20m
Tabla 1.2.2: Función de densidad para las diferentes velocidades del viento
Frecuencia Frecuencia Función de

Velocidad Ln(-Ln(1-
Relativa Acumulada Ln(v) densidad
(m/s) p(v))
(p.u) (p.u) f(v)
1 0.146 0.146 0 -1.841 0.130
2 0.092 0.238 0.693 -1.298 0.147
3 0.075 0.313 1.098 -0.976 0.141
4 0.085 0.399 1.386 -0.672 0.125
5 0.107 0.507 1.609 -0.346 0.104
6 0.154 0.663 1.791 0.086 0.084
7 0.126 0.792 1.945 0.452 0.065
8 0.064 0.857 2.079 0.665 0.049
9 0.051 0.909 2.197 0.874 0.036
10 0.050 0.959 2.302 1.164 0.025
11 0.035 0.994 2.397 1.659 0.018
12 0.010 1.005 - - 0.012
13 0.001 1.006 - - 0.008
14 0.000 1.006 - - 0.005
15 0.000 1.006 - - 0.003
16 0.000 1.006 - - 0.002
17 0.000 1.006 - - 0.001
18 0.000 - - - 0.0009
Con los datos contenidos en la se puede obtener la línea de tendencia y con ella los
valores de k y c necesarios. Para determinar el valor de los parámetros necesarios en
primer lugar se realiza la aproximación por mínimos cuadrados de la función de
distribución, como se ha mencionado anteriormente. Los ejes de la línea de tendencia se
obtienen identificando términos a través de la Ecuación ( 1.2.7 ) y la Ecuación ( 1.2.8 ).
Una vez se obtiene la línea de tendencia se procede a identificar dichos parámetros,
siendo el valor de k la pendiente de la línea de tendencia, como se puede comprobar a
través de la Ecuacón ( 1.2.7 ) y el valor de c se obtiene a través de la Ecuación ( 1.2.9 )
13
Aspectos Generales
Línea de tendencia
2
1,5 y = 1,4247x - 2,288
1
0,5
ln(-ln(1-p(v)))
0
-0,5 0 0,5 1 1,5 2 2,5 3
-1
-1,5
-2
-2,5
ln(v)
Figura 1.2.3: Línea de tendencia correspondiente a Sibaya
Como se puede observar, el valor de la pendiente es de 1.4247, es decir, el valor de k y

el valor del parámetro c es de 4.982 m/s.
Al igual que sucede en el caso anterior de Laitec, en este caso una vez que se tiene los
valores de los parámetros k y c se puede proceder a la obtención del histograma de
frecuencia de velocidades de viento y función de densidad de probabilidad ajustada
mediante la distribución de Weibull.
0,1800
Distribución de la Velocidad y Weibull
0,1600
0,1400
0,1200
Probabilidad
0,1000
0,0800 Probabilidad
0,0600 Weibull
0,0400
0,0200
0,0000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Velocidad [m/s]
Figura 1.2.4: Histograma de frecuencia de velocidades de viento y función de densidad de

probabilidad ajustada mediante una distribución Weibull.
14
Aspectos Generales
Como se puede comprobar observando la Figura 1.2.2 y la Figura 1.2.4, los datos
correspondientes a la isla de Laitec, es decir, el primer caso estudiado se ajustan mejor a
la distribución de Weibull. Además, como el valor de k es mayor en la isla de Laitec
que el obtenido en Sibaya, se puede decir que en Laitec habrá más energía disponible
que en Sibaya. El parámetro c cuanto más alto sea su valor nos indicará un mayor
número de días con alta velocidad de viento, observando la Figura 1.2.2 y la Figura
1.2.4 de nuevo, se puede comprobar que donde se obtiene un valor de c más elevado es
en Laitec.
1.3PRODUCCIÓN DE ENERGÍA
En este apartado se centrará en el proceso en el cual se obtiene energía eléctrica al pasar
el viento a través de un aerogenerador. Se detallarán los principales factores que
intervienen en la transformación de energía cinética del viento en energía eléctrica. No
se presentará desde el punto de vista mecánico, cómo funcionan los generadores aunque
si se explicará de forma resumida como es un generador.
 Como es un aerogenerador
La torre: Soporta la góndola y el rotor. Hoy en día suelen ser tubulares de acero. Las de
celosía (perfiles de acero soldados) son más económicas, pero han dejado de usarse por
estética y por ser más incómodas e inseguras para los trabajadores. En terrenos rugosos,
las torres más altas captarán vientos de mayor velocidad.
Rotor: Conjunto formado por las palas y el buje que las une. Sirve para transformar la
energía cinética del viento en energía mecánica. Cuanto mayor sea el área barrida del
rotor mayor será la producción. El rotor puede ser de paso variable ( que permiten girar
sobre sí mismas a las palas) o de paso fijo ( en el que no pueden girar). También puede
ser de velocidad variable (cuando la velocidad de giro del rotor es variable) o constante.
Las palas: Las palas de un aerogenerador son muy similares a las alas de un avión. Hoy
en día, la mayoría de las turbinas cuentan con tres palas. Y suelen ser de poliéster o
epoxy reforzado con fibra de vidrio.
Góndola: En su interior contiene los diferentes dispositivos que van a transformar la

energía mecánica del rotor en energía eléctrica. Además, en su exterior cuentan con un
anemómetro y una veleta que facilitan información continua a todo el sistema para su
control.
Multiplicador: Multiplica la velocidad de giro que llega del rotor para adaptarla a las
necesidades del generador. El movimiento de giro de los aerogeneradores suele ser
bastante lento. El rotor de una turbina de 1500 kW de potencia, por ejemplo, suele girar
a una velocidad de entre 10 y 20 (r.p.m). El multiplicador aumentará esta velocidad
hasta las 1500 r.p.m.
15
Aspectos Generales
Generador: Transforma la energía mecánica en energía eléctrica, tal y como hace la

dinamo de una bicicleta, aunque generando normalmente corriente alterna. El alternador
puede ser síncrono o asíncrono. El primero suministra una energía de mayor calidad,
pero es más caro y complejo. Esta es la razón por la que el asíncrono es el más
extendido de los dos.
Controlador electrónico: Un ordenador controla continuamente las condiciones de

funcionamiento del aerogenerador mediante el análisis de las señales captadas por
múltiples sensores que miden temperaturas, presiones, velocidad y dirección del viento,
tensiones e intensidades eléctricas, vibraciones…
Sistemas hidráulicos: Elementos auxiliares que permiten el accionamiento del giro de

las palas sobre su eje, así como el frenado del rotor o el giro y frenado de la góndola.
Sistema de orientación: Los aerogeneradores disponen de un sistema de orientación

que, con ayuda de los datos recogidos por la veleta, coloca siempre el rotor de manera
perpendicular al viento.
El viento, debido a su origen, presenta una gran variabilidad, tanto en dirección como en
intensidad, así como de un lugar a otro. Su caracterización desde el punto de vista
energético es de gran importancia para determinar:
 Potencial disponible y con ello permitir deducir de él la rentabilidad económica

de la instalación.
 Emplazamiento más adecuado.
 Cargas sobre el sistema, que permita el dimensionado idóneo.
 Estrategia operativa de arranque, parada, regulación, orientación al viento, etc.
 Vida útil del sistema por el efecto de la turbulencia, ráfagas, tormentas, etc.
 Comportamiento energético de la explotación eólica.
La valoración del emplazamiento es un interrogante de gran importancia que es

necesario despejar antes de la toma de decisiones económicas. Ello requiere la
realización de una campaña de medidas y una explotación de datos que ha de incluir:
 Distribución de frecuencias de la velocidad y dirección (rosa de vientos).

 Distribución de velocidades medias anuales.
 Variación del viento con la altura.
 Influencia de la topografía. Selección de emplazamientos.
 Estadística de ráfagas. Valores extremos.
16
Aspectos Generales
1.3.1Transformación de energía
En este punto se va a detallar el procedimiento matemático a seguir para el cálculo de la
potencia obtenida en los aerogeneradores. Para ello, en primer lugar se debe determinar
la potencia que tiene el aire en movimiento y a continuación se deberá tener en cuenta la
fracción de la energía del viento que una turbina convierte en la práctica en energía
eléctrica.
Para determinar la potencia que tiene el aire en movimiento se asemejará su flujo al de

un líquido que transita por una sección previamente conocida, sin rozamientos ni
obstaculos a su paso. Se considerará también que no existen variaciones en su presión y
temperatura, por consiguiente su densidad de mantendrá constante.
La potencia del viento nos da un primer límite para la potencia de un aerogenerador.

Para calcularla, evaluamos la energía cinética ( ) de la masa de aire (m) que atraviesa,
por unidad de tiempo, la sección barrida por las palas (A). Ver Figura 1.3.1.
Figura 1.3.1: Sección barrida por masa de aire (m) [2]
Como la masa de aire que atraviesa el área A en un tiempo t es y

(donde V es la velocidad del viento), tenemos que:
La fracción de la energía del viento que una turbina convierte en la práctica en energía
mecánica de rotación se llama “coeficiente de potencia” ( ) de esa turbina. Así:
Nótese que una turbina nunca puede extraer toda la energía cinética del viento, puesto
que el aire no se para al atravesar la turbina (es decir, ). Su velocidad disminuye
de a , como muestra la Figura 1.3.2. Por conservación de la masa, si la velocidad
disminuye, la sección del tubo de corriente considerado aumenta.
En el apartado siguiente calcularemos cuál es el máximo coeficiente de potencia con

que puede funcionar una turbina (límite de Betz).
17
Aspectos Generales
Figura 1.3.2: Disminución de la velocidad del viento tras el paso por la turbina [2]
1.3.2Límite de Betz
La ley de Betz fue formulada por primera vez por el físico alemán Albert Betz en 1919.
Su libro, publicado en 1926, proporciona buena parte del conocimiento que en ese
momento se tenía sobre energía eólica y aerogeneradores. Es sorprendente que se pueda
hacer una afirmación general tan tajante que se pueda aplicar a cualquier aerogenerador
con un rotor en forma de disco.
La ecuación de Betz proporciona el límite superior de las posibilidades de un

aerogenerador, pero es todavía poco realista al no tener en cuenta una serie de factores
como:
 La resistencia aerodinámica de las palas

 La pérdida de energía por la estela generada en la rotación
 La compresión del fluido
 La interferencia de las palas
Además, habrá que tener en cuenta el rendimiento de los diversos mecanismos que
componen el aerogenerador.
Para la explicación de dicho límite, imagínese un tubo de corriente como el

esquematizado en la Figura 1.3.3. Se supondrá que, a barlovento de la hélice, el aire
posee una velocidad (velocidad del viento sin perturbar) en la sección transversal ,
mientras que la velocidad se corresponde con la sección transversal a sotavento de
la zona en que se encuentra la hélice. En el plano que contiene la hélice, la sección
transversal batida por la misma (área del rotor) es un disco imaginario de área A, siendo
V la velocidad del viento en la misma (velocidad útil). Asimilamos la hélice a un disco
de área A que capta parte de la energía del aire en movimiento que llega a él, es decir,
. Sin embargo, es obvio que nunca es cero (no puede extraerse toda la energía
cinética del aire).
18
Aspectos Generales
El caudal másico ( ) es constante (conservación de la

masa), es decir:
Esto explica que el tubo de corriente se ensanche tras la turbina, como ,

entonces .
Podemos expresar la potencia útil transferida por el viento a la turbina de dos maneras:
a) Pérdida, por unidad de tiempo, de energía cinética del viento al pasar por la
hélice:
( 1.3.1)
b) Trabajo generado, por unidad de tiempo, por la fuerza del viento sobre el área
A:
( 1.3.2 )
Nótese que, por la 3ª ley de Newton:
De las ecuaciones ( 1.3.1) y ( 1.3.2 ) anteriores tenemos que:
Y, por tanto, reordenando que , se obtiene que .

Insertamos este resultado por ejemplo, en la ecuación ( 1.3.1) para la potencia de la
turbina, y se realiza el cambio ( se sabe que 0<b<1):
( 1.3.3 )
19
Aspectos Generales
El valor máximo para la potencia se obtiene haciendo , que nos deja:
y las soluciones que se obtienen son
De modo que la potencia máxima es (sustituyendo la solución en la ecuación ( 1.3.3 )):
Es decir, el coeficiente de potencia máximo (ideal) de una turbina eólica es:
Figura 1.3.3: Tubo de corriente [2]
1.3.3Coeficiente de potencia
En este apartado se explicará con más detalle el coeficiente de potencia una vez visto el
límite de Betz. El coeficiente de potencia de un aerogenerador caracteriza el
rendimiento aerodinámico cuantificando las pérdidas mecánicas del mismo. Éste se
define como el coeficiente entre la potencia mecánica en el eje del rotor (la que
efectivamente ha interceptado la máquina) y la potencia portada por el viento:
En valor real del coeficiente de potencia en un aerogenerador depende del diseño

aerodinámico de la pala, el número de palas del rotor, de la estructura de este (si es de
eje horizontal o vertical) y del sistema de control de la máquina. Además, el coeficiente
20
Aspectos Generales
de potencia varía con la velocidad de rotación del aerogenerador, como se muestra a

continuación.
Se define la velocidad específica en una pala de un rotor como el cociente entre la

velocidad lineal en el extremo de la pala y la velocidad del viento:
Donde es la velocidad angular del rotor en rad/s y r es el radio del rotor en metros.En
la Figura 1.3.4 se puede observar como varía el coeficiente de potencia con respecto a la
velocidad específica para varias posiciones de ángulo de paso de la pala de la turbina.
La leyenda lateral de dicha figura nos indica el ángulo de paso de la pala de la turbina,
dicho ángulo se encuentra expresado en radianes; por lo tanto, para cada valor de ángulo
de paso se obtiene una determinada curva del coeficiente de potencia , que a su vez,
dicha curva dependerá de la velocidad específica.
0,5
-5
0,4 -4
-3
0,3
Cp(TSR)
-2
-1
0,2
0
0,1 1
2
0
3
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
TSR 4
Figura 1.3.4: Variación del coeficiente de potencia C_p con la velocidad específica, T.S.R,
con el ángulo de pala, , como parámetro [4]
21
Aspectos Generales
1.3.4Curva de potencia
La curva de potencia de un aerogenerador es un gráfico que indica cuál será la potencia
eléctrica disponible en el aerogenerador a diferentes velocidades del viento. Dos
velocidades características en estas curvas son:
Velocidad de conexión
Normalmente los aerogeneradores están diseñados para empezar a girar a una velocidad
alrededor de 3-5 m/s. es la llamada velocidad de conexión. En la Figura 1.3.5 se puede
observar como la velocidad de conexión es aproximadamente de unos 3 m/s.
Velocidad de corte
El aerogenerador se programará para pararse a altas velocidades, de unos 25 m/s, para

evitar posibles daños en la turbina o en sus alrededores. La velocidad del viento de
parada se denomina velocidad de corte. En la Figura 1.3.5 se puede observar como la
velocidad de corte es de unos 22 m/s.
Las curvas de potencia se obtienen a partir de medidas realizadas en campo, dónde un

anemómetro es situado sobre un mástil relativamente cerca del aerogenerador (no sobre
el mismo aerogenerador ni demasiado cerca de él, pues el rotor del aerogenerador puede
crear turbulencia, y hacer que la medida de la velocidad del viento sea poco fiable). Si la
velocidad del viento no está variando demasiado rápidamente, pueden usarse las
medidas de la velocidad del viento realizadas con el anemómetro y leer la potencia
eléctrica disponible directamente del aerogenerador, y dibujar los dos tipos de valores
conjuntamente en un gráfico similar al de la Figura 1.3.5.
Curva de potencia
2200
2000
1800
1600
1400
Potencia (kW)
1200
1000
800
600
400
200
0
0 5 10 15 20 25
Velocidad (m/s)
Figura 1.3.5: Curva de potencia
22
Aspectos Generales
1.3.5El factor de carga

Otra forma de conocer la producción anual de energía de un aerogenerador es mirar el
factor de carga de una turbina en su localización particular. Con factor de carga
queremos decir que la producción anual de energía dividida por la producción teórica
máxima, si la máquina estuviera funcionando a su potencia nominal (máxima) durante
las 8760 horas del año.
Los factores de carga pueden variar en teoría del 0 al 100%, aunque en la práctica el
rango de variación va del 20 al 70 por ciento, y muy frecuentemente esta alrededor del
20 al 30 por ciento.
La paradoja del factor de carga
Aunque generalmente se prefería tener un gran factor de carga, puede no siempre ser
ventajoso desde el punto de vista económico. Esto puede ser difícil de comprender para
aquellos que están acostumbrados a la tecnología convencional y nuclear.
En las localizaciones con mucho viento, por ejemplo, puede ser ventajoso usar un
generador más grande (de mayor potencia nominal) con el mismo diámetro de rotor (o
diámetro de rotor más pequeño para un tamaño determinado de generador). Esto
tendería a disminuir el factor de carga (utilizando menos de la capacidad de un
generador relativamente grande), pero puede significar una producción anual
sustancialmente mayor. Si vale o no la pena tener un factor de carga con un generador
relativamente mayor, depende tanto de las condiciones eólicas como, por supuesto, del
precio de los diferentes modelos de turbinas.
Otra forma de ver la paradoja del factor de carga es decir que, hasta cierto punto, se
tiene la posibilidad de elegir entre tener una producción de potencia relativamente
estable (cerca del límite de diseño del generador) con un alto factor de carga, o bien una
alta producción de energía (que fluctuará) con un bajo factor de carga.
23
Aspectos Generales
1.3.6Rosa de los vientos

Para mostrar la información sobre las distribuciones de las velocidades del viento y la
frecuencia de variación de las direcciones del viento, puede dibujarse la llamada rosa de
los vientos basándose en observaciones meteorológicas de las velocidades y direcciones
del viento.
La idea básica de la rosa de los vientos típica es dividir el espacio en una cantidad fija se
sectores, cuyo número variará en función de lo que se desee que sea la rosa. En cada
porción se caracterizarán los vientos que circulen y las direcciones que lo ocupa,
incluyendo normalmente datos como la frecuencia con que sopla el viento en su
dirección, la intensidad, reflejada mediante la velocidad media del viento.
Concretamente en rosas destinadas al estudio de parques eólicos se suele presentar la
velocidad media al cubo para cada sector, magnitud que es proporcional a la energía que
produciría un aerogenerador situado en dicho emplazamiento. El número estandarizado
de sectores suele ser ocho, doce y dieciséis, estas particiones suelen ser bastantes
significativas a la hora de estudiar las zonas de viento predominantes. La rosa de los
vientos varía de un lugar a otro, son en realidad una especie de huella meteorológica.
Un vistazo a la rosa de los vientos es extremadamente útil para situar aerogeneradores.
Si una gran parte de la energía del viento viene de una dirección particular, lo que
deseará, cuando coloque una turbina eólica en el paisaje, será tener la menor cantidad de
obstáculos posibles en esa dirección, así como el terreno lo más liso posible. Los
proyectistas de grandes parques eólicos cuentan normalmente con año de medidas
locales y utilizas observaciones meteorológicas a largo plazo de las estaciones
climáticas cercanas para ajustar sus medidas y obtener así una medida a largo plazo
fiable. En la Figura 1.3.6 se puede observar un ejemplo de rosa de vientos.
Probabilidad de que el viento sople y velocidad media en cada direccion
30%
20%
10%
8 - 8.5
7.5 - 8
7 - 7.5
6.5 - 7
6 - 6.5
5.5 - 6
5 - 5.5
Figura 1.3.6: Rosa de vientos correspondiente a la Isla Laitec
24
Aspectos Generales
1.4EFECTO ESTELAS
Este apartado se centrará en el estudio del efecto de las estelas en un parque eólico, para
poder cuantificar dicho efecto en la potencia se ha utilizado la metodología y el
programa desarrollado en [16].
El efecto de las estelas son consideradas como pérdidas en los parques eólicos ya que,
cuando una turbina extrae energía del viento genera una estela de turbulencia que se
propaga en la dirección del viento, reduciendo la velocidad del viento y por lo tanto, la
potencia extraída por las turbinas afectadas por dicha estela. La optimización en la
distribución del parque consiste en encontrar la posición de las turbinas que maximiza la
producción, y en consecuencia, las ganancias de la instalación. Normalmente, este
problema se resuelve usando reglas sencillas como distribuciones rectilíneas, donde las
turbinas son organizadas en idénticas filas separadas una distancia convenientemente
grande.
Al extraer energía del viento, la turbina crea un cono de aire con menor velocidad y
mayor turbulencia tras de ella. Este fenómeno llamado efecto estela, ha sido estudiado
por varios autores en términos de aerodinámica de fluidos. Realizando experimentos e
identificando modelos matemáticos más simples para modelar con precisión la estela en
términos de reducción de velocidad del viento e intensidad de turbulencia.
Durante el modelado de las estelas y el efecto que producen en el cálculo de la

eficiencia en los parques eólicos, por un lado se tiene en cuenta las estelas de pequeña
escala (estela que deja tras sí una turbina y como afecta esta al resto de componentes de
su mismo parque) y por otro lado se tiene en cuenta las estelas de gran escala, donde se
modela el efecto que produce un parque en su totalidad sobre el entorno. El modelo
Ainslie, modelo Larson y modelo Jensen son ejemplos de modelos que tienen en cuenta
las estelas de pequeña escala, mientras que, WAs P y la mecánica de fluidos
computacional tienen en cuenta en su modelo las estelas de gran escala.
Todos los modelos están basados en soluciones aproximadas de las ecuaciones de

Navier-Stokes, las cuales definen el modelo fluido mecánico exacto de la estela. Cada
modelo considera distintos grados de parametrización basados en la representación de la
turbina, el modelado justo detrás del paso del aire por el aerogenerador y sus
condiciones iniciales, la turbulencia considerada, la descripción de las condiciones de
contorno de la estela y la superposición de distintas estelas.
El modelo que se utilizará para el cálculo de las estelas es el modelo Jensen ya que,
presenta una precisión adecuada y el tiempo de cálculo es reducido. Dicho modelo
asume que la estela que se forma tras la turbina se expande linealmente.
25
Aspectos Generales
La simplificación en el cálculo de las estelas viene dado por las siguientes hipótesis:
 Se ignora el efecto top-hat en la forma de la estela, es decir, se considera una

distribución de velocidad de viento uniforme hasta cierta distancia tras la
turbina.
 El coeficiente de empuje, CT, se considera constante para todo el rango de
velocidades, asumiendo que la turbina controla este parámetro.
 Se supone que el efecto de la estela de una turbina sobre otra se produce de
manera inmediata, es decir, se desprecia el retraso del efecto debido a la
distancia entre turbinas.
 No se considera la turbulencia del viento.
Para la determinación de la estela producida tras el paso del viento por una turbina, se
utilizarán las ecuaciones ( 1.4.1 )-( 1.4.6 ) y los parámetros necesarios para dichas
ecuaciones, se describen a continuación.
Figura 1.4.1: Representación esquemática de la estela [16]
Siendo:
- : velocidad del viento, que sopla de derecha a izquierda.

- : velocidad del viento a una distancia x.
- : radio de la estela.
- : radio del rotor.
- : escalar que determina el ángulo de expansión de la estela con la distancia
(coeficiente adimensional).
- : altura del buje.
- : rugosidad del terreno.
26
Aspectos Generales
- : posición de la turbina que genera la estela.

- : posición de la turbina afectada.
- : velocidad del viento en la posición j.
- : déficit de velocidad de viento inducido en la posición j por la estela
generada en i.
- : inducción axial.
- : radio del rotor en la estela.
- : distancia entre las posiciones i y j.
( 1.4.1 )
( 1.4.2 )
( 1.4.3 )
( 1.4.4 )
( 1.4.5 )
( 1.4.6 )
Dicho estudio se ha realizado con la herramienta computacional basada en

Matlab/Simulink desarrollada en [16].
En los siguientes apartados, se realizará el estudio del efecto de las estelas con la ayuda
de dicho programa para los casos anteriormente expuestos (Laitec y Sibaya). Destacar
que el modelo de turbina utilizado es Gamesa 45/2000, el cual tiene una potencia de
2000kW, radio de las palas de 45m y la altura del buje es de 97 m.
A continuación, se detallará la terminología empleada en los apartados destinados al

estudio del efecto de las estelas. El cálculo de la potencia que produce un parque eólico
se obtiene a partir de la suma de la potencia generada por cada una de sus turbinas. Esta
potencia es función del aerogenerador seleccionado, de la curva de potencia-velocidad
del modelo. Con potencia ideal se quiere decir la máxima potencia que se podría
27
Aspectos Generales
obtener con las condiciones de viento dadas, sin tener en cuenta los efectos de las
estelas.
El programa desarrollado en [16] calcula la potencia que produciría un aerogenerador

del modelo seleccionado con las condiciones de viento dadas. Para conocer la potencia
producida por el parque eólico completo se multiplica la potencia unitaria por el número
de aerogeneradores. Se ha asumido la hipótesis de que todas las turbinas reciben las
mismas condiciones de viento, todos los aerogeneradores tienen la misma producción
de potencia. Esto es lo que se denomina como potencia media anual (ideal) de cada
generador. Cuando se tiene en cuenta el efecto de las estelas se denominará potencia
media anual (real).
La potencia también se calcula por sectores, debido a que durante el estudio de la rosa
de los vientos se han analizado y caracterizado los datos de viento para cada sector.
Como se conoce la probabilidad de de cada partición, el modo de calcular la potencia
para un aerogenerador es obtener la potencia de cada sector y realizar la suma
ponderada con la probabilidad de viento en cada sector. Para cada valor unitario de
velocidad se multiplica su frecuencia por la potencia correspondiente según la curva del
aerogenerador y se va realizando el sumatorio para todas las velocidades. De esta forma,
se obtiene la potencia media ideal por sectores. Y realizando una ponderación
correspondiente a las probabilidades de cada sector se obtiene la potencia media
ponderada por sectores cuando si se tienen en cuenta dichas probabilidades.
28
Aspectos Generales
1.4.1CASO 1: LAITEC
La curva de potencia que se obtiene se puede observar en la figura Figura 1.4.2.
Curva de potencia
2200
2000
1800
1600
1400
Potencia (kW)
1200
1000
800
600
400
200
0
0 5 10 15 20 25
Velocidad (m/s)
Figura 1.4.2: Curva de Potencia
En el archivo datos.txt se encuentra recogidas las mediciones de viento con sus

correspondientes direcciones, la altura a la que se realiza dichas mediciones es de 20 m,
el número de sectores elegido es 8 por ser un número muy estandarizado en la rosa de
vientos y por último el factor de rugosidad del terreno se obtiene a través de la ecuación
( 1.4.7).
( 1.4.7)
Donde:
- : rugosidad del terreno.

- : altura del buje.
- : altura a la que se realizan las mediciones de viento.
- : velocidad del viento a la altura del buje.
- : velocidad del viento a la altura donde se encuentra el anemómetro.
29
Aspectos Generales
Como en el caso de Laitec tenemos los datos de velocidad de viento a 10 y 20 m de

altura podemos obtener el valor de la rugosidad (igualando la ecuación anterior para
ambos valores y despejando el valor de rugosidad del terreno) siendo de 0.105. El
número de sectores para dibujar la rosa de vientos que se toma es 8 por ser el número de
sectores más utilizado.
Se obtiene que el sector 1 se produce la dirección principal de viento, podemos observar

la distribución de Weibull correspondiente a dicho sector en la Figura 1.4.3.
Frecuencias para el sector 1

0.12
0.1
0.08
Frecuencia
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35 40 45 50
Velocidad
Figura 1.4.3: Distribución de Weibull para el sector 1
En la Figura 1.4.4 y Figura 1.4.5 se pueden observar la rosa de potencia y la de viento

(con la velocidad media al cubo en cada sector) respectivamente. En la rosa de los
vientos la longitud de cada segmento indica la probabilidad de que el viento sople para
cada dirección; y el color, representados sus valores en la leyenda lateral indica la
velocidad media de cada sector en unidades de metros por segundo. En la rosa de
potencia la longitud de cada segmento indica la probabilidad de que el viento sople para
cada dirección; y el color, representados sus valores en la leyenda lateral indica la
potencia media que se produce en cada sector con dichas velocidades en unidades de
kW.
30
Aspectos Generales
Potencia producida en cada sector (kW)
30%
20%
10%
1000 - 1100
900 - 1000
800 - 900
700 - 800
600 - 700
500 - 600
400 - 500
Figura 1.4.4: Rosa de potencias correspondiente a la Isla Laitec
30%
20%
10%
8 - 8.5
7.5 - 8
7 - 7.5
6.5 - 7
6 - 6.5
5.5 - 6
5 - 5.5
Figura 1.4.5: Rosa de vientos correspondiente a la Isla Laitec
Para la distribución del parque se estudiará una de tresbolillo y otra distribución

rectangular para ver en que distribución se disminuye más los efectos producidos por las
estelas.
31
Aspectos Generales
En primer lugar comenzamos estudiando la distribución tresbolillo, dicho estudio será a

un parque compuesto por 24 aerogeneradores, de 2 MW de potencia cada uno, con tres
filas y ocho aerogeneradores por fila (ver Figura 1.4.6). Con ello la planta eólica tiene
una potencia nominal de 48 MW que, al ser inferior a los 50 MW, podrá acogerse al
Régimen Especial de producción.
La disposición al tresbolillo, comúnmente utilizada en parques de aerogeneradores ya

que disminuye la intersección de unos aerogeneradores con las estelas producidas por
otros según la dirección principal, aumentando así el rendimiento de la instalación.
Los parámetros que son objeto de estudio son las distancia entre filas de
aerogeneradores d y la distancia entre los elementos de una misma fila D. Diversos
estudios sobre la disposición óptima de los aerogeneradores en los parques eólicos han
establecido unas distancias límite entre turbinas para las cuales el rendimiento del
parque se maximiza. En disposiciones al tresbolillo, tal como la analizada en este caso,
la distancia mínima entre dos turbinas es de ocho diámetros de rotor en la dirección
principal de viento, d y de dos diámetros de rotor en la dirección perpendicular, D.
Basándose en estos límites extremos se recomiendan intervalos óptimos para el
espaciamiento entre turbinas. Los aerogeneradores suelen estar distanciado entre cinco y
nueve diámetros de viento y entre tres y cinco diámetros en la dirección perpendicular a
la principal.
La configuración del parque que se va a considerar está compuesta por 24

aerogeneradores, como se ha mencionado anteriormente, dispuesto en tres filas con
ocho aerogeneradores en cada una. Se va a identificar la distancia entre aerogeneradores
de una misma fila como D y la distancia entre filas como d. Dicha disposición se
muestra en la Figura 1.4.6, se toma D=4 y d=9. Las distancias se consideran función
lineal del diámetro de la turbina seleccionada, es decir, para un valor de D igual a tres
considerando un radio de rotor de 45 metros la distancia real entre los aerogeneradores
será de 135 m.
32
Aspectos Generales

1800
1600
1400
1200
Frecuencia
1000
800
600
400
200
0
0 500 1000 1500 2000 2500 3000
Velocidad
Figura 1.4.6: Distribución tresbolillo
En la Tabla 1.4.1 se recoge la potencia por cada sector, la primera columna es la

potencia media anual que se obtendría teniendo en cuenta los valores de la probabilidad
de Weibull; mientras que, en la segunda columna se recogen los datos de la potencia
ponderada por la probabilidad de cada sector.
Tabla 1.4.1: Potencia por cada sector
Potencia media ideal Potencia media ponderada

por sectores por sectores
[kW] [kW]
SECTOR 1 1018.178 242.068
SECTOR 2 435.168 25.379
SECTOR 3 434.120 19.645
SECTOR 4 563.483 30.149
SECTOR 5 673.449 78.550
SECTOR 6 797.446 115.740
SECTOR 7 765.805 119.281
SECTOR 8 713.235 133.832
La energía producida por un único aerogenerador en este emplazamiento durante un año

es 6 698 281.6 kWh y la energía que proporcionaría el parque completo (24 turbinas)
en un año es 160 758 758.8 kWh.
33
Aspectos Generales
A continuación, se muestran los datos correspondientes al cálculo de la producción

considerando estelas en el parque eólico. En la Tabla 1.4.2 se puede observar la
potencia reducida por cada aerogenerador en cada sector y el rendimiento de cada
aerogenerador.
Tabla 1.4.2: Potencia media real en un año y rendimiento en cada generador
Potencia media anual Potencia media

Rendimiento de
Nº (ideal) de cada anual (real) de cada
cada
aerogenerador aerogenerador aerogenerador
aerogenerador
[kW] [kW]
1 764.644 718.033 0.939
2 764.644 709.310 0.927
3 764.644 708.941 0.927
4 764.644 707.562 0.925
5 764.644 707.809 0.925
6 764.644 708.178 0.926
7 764.644 714.314 0.934
8 764.644 751.833 0.983
9 764.644 715.233 0.935
10 764.644 706.514 0.924
11 764.644 703.142 0.919
12 764.644 703.115 0.919
13 764.644 703.227 0.919
14 764.644 712.870 0.932
15 764.644 714.858 0.934
16 764.644 752.377 0.984
17 764.644 714.562 0.934
18 764.644 705.843 0.923
19 764.644 705.469 0.922
20 764.644 704.085 0.920
21 764.644 704.377 0.921
22 764.644 704.745 0.921
23 764.644 711.814 0.930
24 764.644 749.332 0.980
La energía producida por el parque de aerogeneradores en un año es 150 124 925.5

kWh, a diferencia de los 160 758 758.8 kWh sin considerar las estelas producidas. El
rendimiento global de la instalación es de 93.39%.
Finalizado el estudio de la distribución tresbolillo pasamos al estudio de la distribución

rectangular. Para que ambos estudios se pudieran comparar el número de
aerogeneradores en dicha distribución deberá ser el mismo que en la anterior, es decir,
de 24 aerogeneradores. En la Figura 1.4.7 se puede observar la distribución tomada, 4
filas y 6 aerogeneradores por fila.
34
Aspectos Generales
Al igual que en la disposición al tresbolillo, para estudiar la influencia de la distancia

entre turbinas en los parámetros de la instalación se considera la dirección vertical el eje
en que se produce mayor probabilidad de viento, es decir, el eje vertical es la dirección
principal de viento. En consecuencia, las turbinas se encontrarán más distanciadas en
dicha dirección y un poco más cercanas en la dirección principal, disminuyendo así el
efecto de las estelas. Su disposición será rectangular de forma que todas las filas estén
perfectamente alineadas según la dirección y del modelo y todas sus columnas formadas
por los aerogeneradores están alineadas según la dirección x de la disposición
rectangular. La distancia entre aerogeneradores de una misma fila se identifica como D
y la distancia entre filas como d. Las distancias se consideran función lineal del
diámetro de la turbina seleccionada, es decir, para un valor de D igual a tres
considerando un radio de rotor de 45 metros la distancia real entre los aerogeneradores
será de 135 metros.

2500
2000
1500
Frecuencia
1000
500
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Velocidad
Figura 1.4.7: Distribución rectangular
En este caso la potencia media ideal por sectores y la potencia media ponderada de
cada sector es la misma que en el caso anterior, puesto que estas características no han
sido modificadas, como se muestra en la Tabla 1.4.1. Pero los valores de potencia
obtenida por cada generador teniendo en cuenta las estelas si se ven modificados con
respecto al caso anterior como se muestra en la Tabla 1.4.3.
35
Aspectos Generales
Tabla 1.4.3: Potencia reducida efecto estela

Rendimiento de
cada
aerogenerador
[kW] [kW]
1 764.644 708.898 0.927
2 764.644 700.246 0.915
3 764.644 698.117 0.913
4 764.644 698.458 0.913
5 764.644 706.148 0.923
6 764.644 743.650 0.972
7 764.644 680.550 0.890
8 764.644 671.875 0.878
9 764.644 667.642 0.873
10 764.644 667.983 0.873
11 764.644 682.760 0.892
12 764.644 720.270 0.942
13 764.644 680.046 0.889
14 764.644 671.371 0.878
15 764.644 667.181 0.872
16 764.644 667.523 0.873
17 764.644 682.299 0.892
18 764.644 719.808 0.941
19 764.644 694.850 0.908
20 764.644 686.203 0.897
21 764.644 684.074 0.894
22 764.644 684.416 0.895
23 764.644 693.400 0.906
24 764.644 730.902 0.955
La energía total producida en el parque teniendo en cuenta el efecto de las estelas es de

145 491 940.98 kWh y el rendimiento global de la instalación es de 90.50%.
Por lo tanto, resulta más atractiva la distribución de tresbolillo puesto que la energía
total producida es mayor que la que se obtendría con la distribución rectangular.
36
Aspectos Generales
1.4.2CASO 2: SIBAYA
Para este caso se seguirá el mismo procedimiento que en el caso anterior.
La curva de potencia correspondiente se puede observar en Figura 1.4.8.
Curva de potencia
2200
2000
1800
1600
1400
Potencia (kW)
1200
1000
800
600
400
200
0
0 5 10 15 20 25
Velocidad (m/s)
Figura 1.4.8: Curva de potencia (Sibaya)
Al igual que en el caso anterior, en el archivo datos.txt se encuentra recogidas todas las
medidas de viento con sus correspondientes direcciones de viento, las mediciones se
realizan a 20 m de altura, el número de sectores elegido es de ocho y para este caso no
se disponen de datos suficientes para calcular el valor de rugosidad del suelo porque
solo disponemos de los datos de viento a una altura, por lo tanto, se ha elegido el mismo
valor que en caso anterior, siendo 0.105.
El parque se reorienta para que su dirección principal coincida con el sector de mayor
probabilidad para optimizar la producción de energía. El sector 1 pasa a ser el principal,
y la dirección según se orienta el parque es 90.00 grados respecto al archivo de datos de
viento introducidos. La correspondiente distribución de Weibull de dicho sector se
puede observar en Figura 1.4.9.
37
Aspectos Generales

0.14
0.12
0.1
Frecuencia
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35 40 45 50
Velocidad
Figura 1.4.9: Distribuación Weibull Sector 1
En la Figura 1.4.10 y Figura 1.4.11 se pueden observar la rosa de potencia y de viento

respectivamente. En la rosa de los vientos la longitud de cada segmento indica la
probabilidad de que el viento sople para cada dirección; y el color, representados sus
valores en la leyenda lateral indica la velocidad media de cada sector en unidades de
metros por segundo. En la rosa de potencia la longitud de cada segmento indica la
probabilidad de que el viento sople para cada dirección; y el color, representados sus
valores en la leyenda lateral indica la potencia media que se produce en cada sector con
dichas velocidades en unidades de kW.
Potencia producida en cada sector (kW)
40%
30%
20%
10%
1000 - 1100
900 - 1000
800 - 900
700 - 800
600 - 700
500 - 600
400 - 500
300 - 400
200 - 300
100 - 200
0 - 100
Figura 1.4.10: Rosa de potencias (Sibaya)
38
Aspectos Generales
40%
30%
20%
10%
8- 9
7- 8
6- 7
5- 6
4- 5
3- 4
2- 3
1- 2
Figura 1.4.11: Rosa de vientos (Sibaya)
Al igual que se hizo en el caso Laitec, primero se realizará un estudio de una

distribución tresbolillo, compuesta por los mismos generadores, mismas filas y mismo
número de aerogeneradores por fila.
Los resultados que se obtienen sin tener en cuenta el efecto de las estelas, se recogen en
la Tabla 1.4.4.
Tabla 1.4.4: Potencia por cada sector
Potencia media ideal Potencia media ponderada

por sectores por sectores
[kW] [kW]
SECTOR 1 1096.878 368.030
SECTOR 2 223.625 4.909
SECTOR 3 52.686 0.290
SECTOR 4 27.159 0.237
SECTOR 5 702.267 231.858
SECTOR 6 191.883 12.934
SECTOR 7 336.716 72.221
SECTOR 8 1.252 0.020
El cálculo de la producción de energía se realizará mediante los valores de probabilidad

Weibull. La energía producida por un aerogenerador en un año son 6 048 757.99 kWh.
La energía que proporcionaría el parque completo en un año son 145 170 191.76 kWh.
A continuación, se muestran los datos correspondientes al cálculo de la producción

considerando estelas en el parque eólico. En la Tabla 1.4.5 se puede observar la
potencia reducida por cada aerogenerador.
39
Aspectos Generales
Tabla 1.4.5: Potencia reducida por efecto estelas

Rendimiento de
cada
aerogenerador
[kW] [kW]
1 690.497 647.545 0.939
2 690.497 647.394 0.927
3 690.497 647.409 0.927
4 690.497 647.451 0.925
5 690.497 647.598 0.925
6 690.497 647.906 0.926
7 690.497 650.352 0.934
8 690.497 682.145 0.983
9 690.497 655.772 0.935
10 690.497 655.621 0.924
11 690.497 655.324 0.919
12 690.497 655.364 0.919
13 690.497 655.465 0.919
14 690.497 656.768 0.932
15 690.497 658.222 0.934
16 690.497 690.016 0.984
17 690.497 651.250 0.934
18 690.497 651.100 0.923
19 690.497 651.114 0.922
20 690.497 650.872 0.920
21 690.497 650.958 0.921
22 690.497 651.257 0.921
23 690.497 652.716 0.930
24 690.497 684.510 0.980
La energía que proporcionaría el parque teniendo en cuenta el efecto de las estelas

completo en un año es 137 919 245.6 kWh y el rendimiento es del 95%.
A continuación, se procederá al estudio de la distribución rectangular. De igual forma el

número de aerogeneradores será de 24 (4 filas y 6 aerogeneradores por fila).
Los datos que se obtienen sin tener en cuenta el efecto de las estelas son los mismos que
se obtienen para la distribución tresbolillo, puesto que ninguno de esos datos ha sido
modificado.
Los resultados que se muestran en la Tabla 1.4.6 son los obtenidos para la distribución
rectangular teniendo en cuenta el efecto de las estelas. En dicha tabla se puede ver la
potencia reducida en cada aerogenerador.
40
Aspectos Generales
Tabla 1.4.6: Potencia ponderada efecto estelas

Rendimiento de
cada
aerogenerador
[kW] [kW]
1 690.497 615.944 0.892
2 690.497 615.829 0.891
3 690.497 615.929 0.892
4 690.497 616.236 0.892
5 690.497 619.058 0.896
6 690.497 650.852 0.942
7 690.497 589.198 0.853
8 690.497 589.078 0.853
9 690.497 588.786 0.852
10 690.497 589.093 0.853
11 690.497 591.920 0.857
12 690.497 623.714 0.903
13 690.497 589.551 0.853
14 690.497 589.432 0.853
15 690.497 589.095 0.853
16 690.497 589.402 0.857
17 690.497 592.218 0.903
18 690.497 624.011 0.910
19 690.497 628.565 0.910
20 690.497 628.445 0.909
21 690.497 628.147 0.910
22 690.497 628.454 0.912
23 690.497 629.901 0.912
24 690.497 661.693 0.958
La producción de energía anual es de 128 636 669.2 kWh y el rendimiento global de la

instalación es de 88.61%.
Por lo tanto, resulta más atractiva la distribución tresbolillo puesto que la energía que se
obtiene es mayor que con la que se obtendría con la distribución rectangular.
41
Caracterización de Parques Eólicos
Capítulo 2 Caracterización de
Parques Eólicos
2.1INTRODUCCIÓN
El objetivo de este capítulo consiste en evaluar los beneficios de la utilización de
sistemas de almacenamiento de energía para incrementar el valor de un parque eólico.
Debido a la naturaleza aleatoria inherente a la producción eléctrica de origen eólico, su

integración en red plantea importantes problemas que suponen un reto tecnológico cada
vez mayor a medida que la penetración de la energía eólica aumenta en la generación. A
su vez, las aplicaciones de los sistemas de almacenamiento de energía representan la
oportunidad de mitigar los efectos indeseables de la producción eléctrica eólica.
Los conocimientos adquiridos a lo largo de este proyecto se aplicarán para determinar

qué sistema de almacenamiento de energía es óptimo para implantar en el parque eólico
objeto del estudio, así como para cuantificar los beneficios derivados de la hibridación.
2.2 ESCENARIO ACTUAL DE LA EÓLICA EN

ESPAÑA
El crecimiento que ha experimentado la energía eólica durante los últimos años en
España, hace que en la actualidad sea uno de los principales países productores de este
tipo de energía a nivel mundial. En la Figura 2.2.1 y Figura 2.2.2, cuya fuente es la
Asociación Empresarial Eólica, se muestra la evolución que ha desarrollado el sector.
Figura 2.2.1: Evolución potencia eólica instalada (AEE) [13]
42
Figura 2.2.2: Potencia instalada por comunidades (AEE)[13]
De este modo, la eólica ha crecido hasta convertirse en la segunda tecnología por

potencia instalada en España, sólo por detrás del ciclo combinado y muy por encima del
resto de energías renovables. Como consecuencia, el peso de la eólica en la producción
neta de energía y por extensión en la cobertura de la demanda se ha visto incrementado
significativamente, como se puede observar en la Figura 2.2.3.
43
Figura 2.2.3: Evolución potencia instalada (AEE)[13]
Figura 2.2.4 puede observarse la evolución de la potencia eólica instalada en la Unión

Europea.
44
Figura 2.2.4: Evolución potencia instalada en la Unión Europea[13]
Figura 2.2.5 se puede observar la evolución mundial de potencia eólica instalada [13]
45
Figura 2.2.5: Evolución mundial de la potencia eólica instalada [13]
A pesar de ser una de las pocas tecnologías que aumentó la potencia instalada, en 2011
la eólica española registró el menor crecimiento de su historia en términos porcentuales.
En total, se instalaron 1050 MW, lo que supuso un aumento del 5.1% en el año y situó
la potencia total 2167.3 MW a 31 de diciembre de 2011.
El sector esperaba que al menos se instalasen los 1228 MW inscritos para el año en el
Registro de Preasignación, lo que no ha ocurrido por problemas ajenos a los promotores
(retrasos en la planificación, dificultades administrativas, etc). Además, hay que tener
encuenta que los 1050 MW instalados responden a pedidos de aerogeneradores
realizados en años anteriores, ya que el largo periodo de maduración de los proyectos
eólicos –de entre cinco y siete años- exige realizar los pedidos en fábrica entre 1.5 y 2
años antes. Según los principales fabricantes, en 2011 menos del 10% de producción
que tuvo lugar en España se destino al mercado nacional.
Un año más, fue Castilla y León (una de las pocas que no ha apostado por el modelo de
concursos eólicos) la comunidad autónoma que lideró la apuesta por la eólica, al instalar
el 44% de la potencia total.
En cuanto a generación, la producción eólica fue de 41.67 GWh en 2011, lo que

representa una cobertura de la demanda eléctrica del 16.33%. Hay que recordar que
2010 fue un año excepcional en lo que a generación eólica se refiere –
fundamentalmente, por la posición de la trayectoria en Chorro Polar (CCP), que atrajo
más viento de lo normal a la península- lo que implicó que en 2011 no se superasen los
máximos de producción del año anterior por primera vez en la historia de la eólica en
46
España. Sin embargo, sí se logró un máximo de cobertura en la demanda: el 6 de

noviembre de 2011 a las 2:00 horas, se alcanzó un 59,6%.
En 2011, las primas a la energía eólica ascendieron a 1.707 millones de euros, lo que
representa el 31.2% del total percibido por las tecnologías renovables en régimen
especial. Mientras tanto, la producción eólica supuso el 62% del total generado por
éstas. El año pasado, las primas a la eólica fueron 257 millones de euros (el 13%)
inferiores a las de 2010, debido a que el precio de la electricidad estuvo por encima del
ejercicio anterior y a la menor producción. Esto significa que la eólica percibió más
ingresos procedentes del mercado que de las primas.
Aunque en España las dificultades del corto plazo están frenando el desarrollo eólico, el
sector se muestra muy saludable a nivel mundial. En 2011, se instalaron un total de 40.5
GW eólicos, lo que representa un crecimiento del 20% y sitúa la potencia global en 238
GW.
La potencia instalada en el sistema eléctrico peninsular español aumentó en 1879 MW

en 2011, según la información publicada por Red Eléctrica de España (REE) en el
Avance del informe del Sistema Eléctrico Español 2011 superó los 100 GW instalados.
Figura 2.2.6: Reparto de la potencia instalada en el sistema eléctrico nacional español por
tecnologías [13]
47
Figura 2.2.7: Evolución anual de la potencia instalada por tecnologías (2006-2011) [13]
En lo que respecta a las empresas promotoras, el reparto de la potencia acumulada a

final de año permaneció estable en los primeros puestos del ranking, con Iberdrola,
Acciona y EDPR a la cabeza, con un 25%, un 19% y un 9% de la cuota de mercado
respectivamente.
Eufer, que ocupaba el cuarto puesto en 2010, repartió sus activos eólicos entre Enel
Green Power España y Gas Natural Fenosa Renovables en 2011, provocando la subida
de ambas en el ranking al cuarto y quinto puesto, respectivamente. Enel Green Power
España pasa a tener una cuota de mercado del 6.3% y Gas Natural Fenosa Renovables,
del 4.4%.
Por lo que respecta a la potencia instalada en el año 2011, EyRA (filial de la

constructora ACS) ha sido la compañía más activa en el año, con 238.5 MW, seguida de
EDPR, Enel Green Power España, Acciona Energía, Iberdrola, VAPAT y E.ON
Renovables.
48
Figura 2.2.8: Reparto por sociedades propietarias de la potencia eólica instalada y

acumulada en 2011 [13]
Figura 2.2.9: Reparto por sociedades propietarias de la potencia eólica instalada en 2011
[13]
49
2.2.1 Marco regulatorio español de la energía eólica

El marco regulatorio respecto a las energías renovables ha sido un marco estable que ha
conseguido incentivar adecuadamente su implantación. La normativa española vigente
se basa en el Real Decreto 436/2004, Real Decreto 661/2007 y Real Decreto-ley 6/2009,
que afecta a la generación del régimen especial, en el que se incluyen las energías
renovables así como la cogeneración.
A continuación se destacan los puntos más importantes del marco regulatorio que
atañen a la energía eólica:
 Dentro de las energías renovables, la eólica se incluye en el grupo b.2, que a su

vez se divide en dos subgrupos:
- Subgrupo b.2.1. Instalaciones eólicas ubicadas en tierra.
-Subgrupo b.2.2. Instalaciones eólicas ubicadas en el mar territorial.
 Las instalaciones han de tener una potencia instalada inferior a 50 MW.
 La licencia de instalación corresponde a autoridades territoriales, que transfieren
esta competencia al Gobierno central cuando:
-La potencia instalada supera 50 MW.
-La localización afecta a más de una región.
-La instalación está ubicada en el mar.
 Prioridad de acceso a las redes de transporte y distribución.
 Inscripción en un control de generación, como un centro de despacho conectado
al operador del sistema.
 Todas las instalaciones con una capacidad mayor de 10 MW han de estar
conectadas a un centro de control o establece uno por su cuenta, de tal manera
que:
-La información que se manda al operador del sistema y las órdenes
recibidas deber ser ejecutadas en tiempo real.
-Esta obligación es condición necesaria para percibir la tarifa o la prima.
 Toda instalación eólica ha de cumplir el Procedimiento de Operación 12.3, por
el cual se establecen los requisitos necesarios a efectos de garantizar la
continuidad de suministro frente a huecos de tensión.
 El productor de energía eólica tiene dos opciones para vender la energía que
produce:
-A una tarifa fija regulada.
-Ofertar en el mercado, a través de un contrato bilateral o un contrato a
futuros. De este modo percibe el precio del mercado más una prima
establecida por el gobierno, tal que la suma de ambos ha de estar dentro
de unos valores límite superior (techo) e inferior (suelo).
Resulta necesario dejar constancia de la importancia de la redacción de un nuevo marco

regulatorio, dado que el Real Decreto 661/2007 vence el 31 de diciembre de 2012.
50
2.2.2 Integración de energía eólica en el sistema eléctrico

Para la operación del sistema, la integración de producción eólica supone:
 Necesitar mayor capacidad de regulación.

 Utilizar más energías de regulación.
 Resolver más restricciones.
 Interrumpir o limitar la producción eólica (energía vertida).
Todos estos factores conllevan un incremento en el coste de operación del sistema.
Por tanto, el problema a resolver es cómo integrar en el sistema eléctrico un contingente

considerable de generación cuya incorporación es prioritaria, de disponibilidad
aleatoria, localización libre y que, ante situaciones de inestabilidad, puede desconectarse
de dicho sistema, obligando al resto de generación a incrementar su cuota de
participación en los servicios complementarios del sistema, imprescindibles para su
buen funcionamiento.
La escasez de interconexiones del sistema eléctrico español, como se detalla en el

apartado posterior, complica todavía más la integración eólica en el sistema, haciendo
más difícil la gestión de los desvíos de producción y los problemas derivados de la
desconexión por huecos de tensión.
Con el fin de paliar estos problemas, el Operador del Sistema ha establecido distintos
requisitos para los parques eólicos, tales como el Procedimiento de Operación 3.3, por
el cual se establece el proceso de resolución de los desvíos entre generación y consumo.
Para afrontar los problemas inherentes a la naturaleza de la energía eólica y posibilitar

su apropiada integración en la red, han de cumplirse una serie de requisitos que se
describen a continuación:
1. Acercar en lo posible el funcionamiento de la generación en régimen especial al

del régimen ordinario, con el objetivo de lograr una mayor capacidad de
gestión.
2. Imponer en los aerogeneradores los nuevos avances tecnológicos en electrónica
de potencia, con el fin de evitar los huecos de tensión asociados a cortocircuitos
y limitar el consumo de potencia activa y reactiva durante la perturbación,
suponen un importante en este sentido (de acuerdo a lo requerido en el
Procedimiento de Operación 12.3)
3. Integrar de forma obligatoria las instalaciones en centros de control de
generación interlocutores del Operador del Sistema y, en su caso, de los
gestores de la red de distribución, y responsables del cumplimiento de sus
consignas (control de producción, control de tensión, etc.) de acuerdo con el
Procedimiento de Operación 3.7 “Programación de la generación renovable no
gestionable”.
4. Participar en la solución de restricciones técnicas y servicios complementarios.
51
5. Determinar los procedimientos y organismos competentes para avalar el

cumplimiento de los requisitos exigidos a los parques eólicos.
6. Establecer los periodos transitorios de adecuación necesarios.
Para facilitar al máximo posible la integración de la generación no gestionable, el

operador del sistema ha puesto en marcha el Centro de Control de Energías Renovables
(CECRE). Es una unidad operativa integrada en el Centro de Control Eléctrico
(CECOEL). Desde él se gestiona y controla la generación de los productores de energías
renovables. Su objetivo es integrar en el sistema eléctrico la máxima producción de
energía renovable, especialmente eólica, en condiciones de seguridad.
El CECRE es el único interlocutor en tiempo real entre el CECOEL y cada uno de los
centros de control de generación a los que están conectados los parques eólicos. Su
función principal es supervisar y controlar a los generadores del régimen especial,
principalmente eólicos, y articular la integración de su producción en el sistema
eléctrico de forma compatible con la seguridad de éste. Para ello:
 Recibe la información sobre las unidades de producción que es necesaria para la

operación en tiempo real. En concreto cada 12 segundos recibe de cada parque
eólico los datos relativos a la potencia activa, reactiva, tensión, conectividad,
temperatura y velocidad del viento.
 A partir de esta información calcula la producción eólica que en cada momento
puede integrarse en el sistema eléctrico en función de las características de los
generadores y del propio estado del sistema.
 El cálculo se realiza con un desglose por parque eólico y con una agregación
para cada nudo de la red de transporte, y es enviado a los Centros de Control de
Generación (CCG), quienes, a su vez, lo comunican a los productores para que
procedan a la modificación de la consigna de potencia vertida a la red.
 El CECRE remitirá a los Centros de Control de Generación las consignas de
actuación para los generadores adscritos al mismo, quienes deberán asegurar el
cumplimiento y mantenimiento de dichas consignas que limitan la producción
eléctrica.
Por otra parte, el estudio de integración de la generación eólica realizado por REE para
la península ibérica, concluyó con la necesidad de recomendar un nivel de adecuación
técnica homogéneo en todo el sistema peninsular, tanto español como portugués.
En relación con dichos requisitos técnicos necesarios, se está evaluando:
 La necesidad de que los aerogeneradores realicen una regulación rápida de la

tensión durante los huecos y recuperación de los mismos a la vez que los nuevos
aerogeneradores inyecten niveles de corriente reactiva superiores.
52
 La necesidad de regulación potencia-frecuencia y los aspectos relacionados con

la disminución de inercia en el sistema debida a la progresiva presencia de
convertidores electrónicos de potencia.
 La participación en el amortiguamiento de las oscilaciones entre distintas áreas
del sistema.
En relación con el desarrollo del estudio se esperan obtener las siguientes conclusiones:
 Una red de transporte planificada para el horizonte de 2016 suficiente para

poder lograr los 29 000 MW de potencia eólica instalada.
 No se espera límite por desconexión de generación eólica por huecos de tensión
con el 100% de adecuación técnica de dicha generación.
 Con el conjunto de requisitos técnicos que se deriven del estudio en curso, se
pretende que no existan otras limitaciones de producción asociadas a las
tecnologías de aerogeneradores y de convertidores electrónicos, de modo que las
limitaciones de producción eólica que puedan aparecer estén restringidas a la
capacidad de gestión del recurso eólico.
 Resolución de aspectos relativos a la provisión de servicios complementarios:
-Posible limitación de generación eólica en situación de valle para
garantizar las reservas necesarias para asegurar la cobertura de la
demanda (necesidad de aumento de sistemas de almacenamiento de
energía).
-Valoración de las necesidades de reservas para cubrir el aumento
esperado en los desvíos en la previsión y en la variabilidad de la
producción.
2.2.3 Redes de transporte y distribución

Una de las características particulares de la energía eólica es su localización, ya que las
instalaciones deben ubicarse donde esté el recurso eólico. En pocas ocasiones esta
localización coincide con la demanda de electricidad, por lo que es importante
desarrollar una red capaz de poder transportar la electricidad desde los puntos de
generación a los puntos de consumo, que en la mayor parte de los casos se encuentran
muy alejados entre sí.
La mayoría de la producción renovable se encuentra conectada a las redes de

distribución, mientras que sólo un 30% de media está conectada a la red de transporte.
Pero el caso de la eólica es diferente, dado que alrededor del 50% de los parques están
conectados a la red de transporte.
La mejora de la infraestructura de red, y en particular de las interconexiones con el resto

de países, favorecería en gran medida la integración de eólica en el sistema eléctrico. El
incremento de capacidad de exportación mejoraría la comercialización de energía con
otros países, facilitaría la gestión de los desvíos de producción, y reducía la necesidad
de limitar la generación eólica.
53
Con el fin de facilitar la expansión de la energía eólica durante las próximas décadas, las
infraestructuras de red eléctricas afrontan dos retos de gran envergadura:
 Asegurar una capacidad de transmisión suficiente

 Asegurar el soporte dinámico de la red
Deben tenerse en cuenta muchas medidas diferentes para hacer frente a los desafíos
técnicos de la integración de la energía eólica a gran escala. Es importante tener en
cuenta que la adaptación de las redes a la energía eólica moderna requiere más tiempo
que la construcción de parques eólicos. Como resultado de ello, son esenciales tanto la
planificación a largo plazo como la rápida adopción de medidas, al igual que la voluntad
de emprender acciones de carácter más inmediato cuando éstas resulten necesarias. Para
todo lo anterior es completamente necesaria la existencia de un marco regulatorio
estable, como el que permitió en España un fuerte desarrollo del sector eólico durante la
última década.
La construcción de las líneas de transmisión necesarias, por ejemplo, es un proceso que

requiere tiempo y que debe iniciarse rápidamente para contribuir a la implementación de
la energía eólica a gran escala. También las medidas que favorezcan la gestión de la
demanda mediante sistemas de almacenamiento de energía serán de suma importancia a
la hora de apoyar la implantación a gran escala de la energía eólica y el resto de
renovables de carácter aleatorio.
Además de la construcción de nuevas redes eléctricas, será necesario acometer medidas

de renovación, actualización y reestructuración de redes de transmisión ya existentes, de
cara a poder asegurar la continuidad y calidad del suministro eléctrico. En resumen, la
inversión en mejorar las redes de transmisión será imprescindible durante los próximos
años, así como la necesidad de tener en cuenta las tecnologías de las energías
renovables modernas a la hora de afrontar dichas mejoras.
En 2008, el Consejo de Ministros aprobó el documento de Planificación de los Sectores

de Electricidad y Gas 2008-2016, que recoge información sobre las previsiones de la
demanda eléctrica y de gas y los recursos necesarios para satisfacerla. Además,
establece las redes de transporte de electricidad que se deben construir durante dicho
periodo, describiendo cada una de ellas y realizando las estimaciones económicas
oportunas. La Figura 2.2.10, obtenida de REE, muestra el desglose de las
infraestructuras eléctricas incluidas en la mencionada planificación.
54
Figura 2.2.10: Infraestructura eléctricas [10]
Dado que la mayor parte de la producción eólica se corresponde con generación

distribuida, cobra gran importancia la mejora de las redes de distribución. Las mejoras a
realizar pasan por adecuar técnicamente dichas redes para poder controlar mejor los
flujos crecientes derivados del aumento de la producción. Con respecto a esto, las redes
inteligentes se postulan como una opción que en el futuro puede llegar a cobrar gran
relevancia, una vez superadas sus trabas técnicas, económicas y regulatorias.
Un aspecto fundamental y decisivo en la distribución es la necesidad creciente de

gestionar la demanda, que permitiría ajustarla a la producción real y así hacer un uso
más eficiente de la electricidad. El carácter aleatorio de los recursos renovables podría
ser compensado en gran medida una mayor flexibilidad de la demanda. El empleo del
telecontrol de determinados consumos (por ejemplo, equipos de calefacción o de frío en
sectores domésticos, servicios y pequeña industria) o de equipos de almacenamiento de
energía, podría contribuir a allanar la curva de demanda, desplazando el consumo desde
las horas punta a las horas valle, y contribuyendo a su reducción.
55
2.2.4 Interconexiones internacionales

España es un sistema aislado eléctricamente, en cuanto a interconexiones se refiere. Su
interconexión con Europa a través de Francia representa sólo el 3% de la demanda,
siendo su capacidad de 1400 MW. Está previsto doblar esta capacidad, mediante una
nueva interconexión en corriente continua con Francia.
Además de con Francia, España está interconectada con Portugal y Marruecos, tal y
como se muestra en la figura Figura 2.2.11.
La Figura 2.2.12 establece una comparación entre países europeos en cuanto a la

infraestructura de interconexión eléctrica, expresando en el eje de las ordenadas el tanto
por ciento de la relación de la capacidad de importación y la potencia instalada.
Además, podemos ver una línea roja que representa el 10% de capacidad de
interconexión fijado como objetivo por el Consejo Europeo (Barcelona 2002) para el
año 2005. En la actualidad, España tiene una capacidad de interconexión del 3.9%,
todavía muy lejos de alcanzar dicho objetivo. Con la finalización del proyecto Santa
Llogaia-Baixas, mediante el cual se doblará la capacidad de interconexión con Francia,
pasando de 1300 a 2600 MW. España lograría alcanzar en torno a un 6% de capacidad
de interconexión. Destaca la gran capacidad de interconexión de Dinamarca, punto
clave es su ejemplar integración en red de la generación eólica.
Figura 2.2.11: Interconexiones internacionales [10]
56
Figura 2.2.12: Capacidad de interconexión [10]
En los próximos años, está planeado mejorar las interconexiones con Marruecos y con
Portugal, lo que incrementaría la capacidad de interconexión. El escenario que plantea
REE para 2016 viene representado en la Figura 2.2.13.
Figura 2.2.13: Interconexiones previstas para 2016 [10]
57
2.2.5 Mercado eléctrico

A partir del 1 de enero de 1998 comienza a operar en España un mercado de producción
organizado. Este mercado está basado en la libre competencia de la generación de
electricidad con la exigencia de disponer de un suministro que cumpla con los criterios
de seguridad y calidad requeridos. Se establece la separación entre, por un lado, la
gestión de los mercados de energía (mercados a plazo, diario e intradiario), labor
encomendada al Operador del Mercado y, por otro, la gestión del sistema eléctrico
incluida la gestión de los servicios de ajuste del sistema y la liquidación de los servicios
de ajuste, desvíos y garantía de potencia, responsabilidad encomendada al Operador del
Sistema. En la Figura 2.2.14 se puede observar de forma esquemática la separación de
funciones.
Figura 2.2.14: Separación de funciones
El mercado de electricidad en España consiste en una secuencia de mercados en los que

generación y demanda intercambian energía para distintos plazos de tiempo. Ver Figura
2.2.15.
58
Figura 2.2.15: Secuencia de mercados en el mercado español [10]
Semanas, meses e incluso años antes del momento en que la energía sea generada y
consumida, los agentes intercambian contratos con periodos de entrega de distinta
duración (anual, trimestral, mensual, etc.).Estas transacciones se realizan en los
llamados mercados a plazo. Al llegar al día D-1 (un día antes de que la energía sea
generada/ consumida), los agentes intercambian energía para cada una de las horas del
día D en el mercado diario organizado por el Operador del Mercado Eléctrico (OMIE).
Además, ya dentro de las 24 horas anteriores al momento de generación/consumo, los
agentes pueden ajustar sus posiciones comerciales comprando y vendiendo energía en
los mercados intradiarios, también gestionados por OMIE.
En el muy corto plazo (desde unas pocas horas hasta unos pocos minutos antes de la
generación/consumo) los generadores (y en algunos casos también la demanda), ofrecen
una serie de servicios al sistema en varios mercados organizados por el Operador del
Sistema (REE). Estos servicios son necesarios para que la generación iguale
perfectamente a la demanda, manteniendo así al sistema eléctrico en equilibrio y con un
nivel de seguridad y calidad del suministro adecuado.
2.2.5.1 Mercado diario

El mercado diario está organizado de acuerdo con lo dispuesto en la Ley 54/1997. Está
gestionado por OMIE, entidad privada cuya principal función es llevar a cabo la gestión
del mercado y garantizar que la contratación en el mismo se lleva a cabo en condiciones
de transparencia, objetividad e independencia. El mercado diario se celebra el día
anterior al de la entrega de la energía y en él compradores y vendedores intercambian
energía para cada una de las horas del día siguiente. Esquemáticamente:
 Los vendedores (generadores, importadores, otros intermediarios) presentan

ofertas de venta y los compradores (distribuidores, comercializadores,
consumidores finales, exportadores) ofertas de compra al OMIE para cada hora
del día siguiente.
59
 Con estas ofertas OMIE construye las curvas de oferta y demanda de cada hora
del día siguiente.
 Del cruce de las curvas de oferta y demanda resulta el precio del mercado.
 Con estas ofertas OMIE construye las curvas de oferta y demanda de cada hora
del día siguiente.
 Del cruce de las curvas de oferta y demanda resulta el precio del mercado para
cada hora del día siguiente y se identifican las ofertas “casadas” (las ofertas de
venta y de compra que se convierten en compromisos firmes de venta/compra de
energía).
2.2.5.2 Mercado intradiario

El mercado intradiario es un mercado de ajustes al que pueden acudir como
demandantes y ofertantes de las unidades de producción, los comercializadores de
último recurso, así como los comercializadores residentes y no residentes, y
consumidores directos, que tengan la condición de agentes del mercado. En el caso de
los compradores en el mercado diario, para poder acudir al mercado intradiario han de
haber participado en la correspondiente sesión del mercado diario o en la ejecución de
un contrato bilateral físico. En el caso de los productores deben haber participado en la
correspondiente sesión del mercado diario o en la ejecución de un contrato bilateral
físico, o haber estado indisponible para su participación en el mercado diario y haber
quedado disponible posteriormente.
Normalmente, la generación eólica acude al mercado diario para vender su producción,

y para compensar sus desvíos acude al mercado intradiario.
2.2.5.3 Servicios de ajuste gestionados por el Operador del Sistema Eléctrico

Bajo el concepto de mercados de servicios de ajuste del sistema se agrupa un conjunto
de mecanismos de carácter competitivo gestionados por el Operador del Sistema. Los
servicios de ajuste comprenden las restricciones técnicas, los servicios complementarios
y la gestión de desvíos generación-consumo. Los servicios complementarios incluyen
regulación frecuencia-`potencia (primaria, secundaria y terciaria), la gestión de desvíos
de generación y consumo, el control de tensión de la red de transporte y reposición del
servicio.
En términos económicos, el conjunto de mercados de servicios de ajuste del sistema

tiene una incidencia reducida sobre el coste del suministro eléctrico, sin embargo, son
vitales para garantizar la seguridad y la calidad del suministro eléctrico.
2.2.5.4 Soluciones de restricciones técnicas

Con posterioridad a cada una de las sesiones de los mercados diario e intradiario y
teniendo en cuenta los contratos bilaterales, cuya ejecución diaria le ha sido
comunicada, el operador del sistema ejecuta el proceso de solución de restricciones
técnicas. Para ello, analiza los programas de las unidades de producción y los
intercambios internacionales previstos, a fin de garantizar que el suministro de energía
eléctrica se puede realizar con las adecuadas condiciones de seguridad, calidad y
60
fiabilidad y en su caso, que se hayan resuelto previamente todas las posibles

restricciones técnicas identificadas.
Las centrales de generación deben haber presentado previamente al operador del

sistema ofertas específicas de energía a subir y a bajar, para ser utilizadas en el proceso
de solución de restricciones técnicas. Este proceso consta de dos fases. En la primera
fase del proceso de solución de restricciones, se despachan (a subir y/o a bajar) unidades
de generación y/o consumo de bombeo para aliviar las posibles restricciones técnicas
existentes, contemplando los escenarios del caso base, y también los resultantes de un
fallo simple y los correspondientes a un fallo múltiple, líneas con doble circuito con
longitud superior a 30 Km y fallo consecutivo de grupo generador y línea de
interconexión aérea. En esta primera fase, los despachos a subir se liquidan en base al
precio de la oferta específica de restricciones, mientras que los despachos a bajar son
liquidados en base al precio del mercado diario; es decir, se produce una anulación del
programa despacho a la baja.
En la segunda fase del proceso de solución de restricciones, también denominado

proceso de cuadre, se llevan a cabo nuevas reprogramaciones de unidades de generación
y de consumo mediante bombeo, con objeto de equilibrar los programas globales de
generación y demanda. En esta fase de cuadre, se aplica el orden de mérito de las ofertas
específicas de restricciones a subir y a bajar, siempre que éstas no originen nuevas
restricciones. Los despachos a subir se liquidan en base al precio de la oferta específica
de energía a subir, mientras que los despachos a bajar son liquidados en base al precio
de la oferta específica de restricciones a bajar.
2.2.5.5 Servicios complementarios

Son aquellos servicios necesarios para asegurar el suministro de energía eléctrica en las
condiciones de seguridad, calidad y fiabilidad requeridas. Estos servicios son los que se
describen a continuación:
Regulación primaria
Tiene por objeto la corrección automática de los equilibrios instantáneos que se

producen entre la generación y el consumo.
Es aportada por los reguladores de velocidad con los que están equipados los
generadores. Su horizonte temporal de actuación alcanza los 30 segundos. Es un
servicio complementario de carácter obligatorio y no retribuido de forma explícita.
Regulación secundaria
Tiene por objeto el mantenimiento del equilibrio generación-consumo, corrigiendo los

desvíos respecto a los programas de intercambio previstos en la interconexión entre
España y Francia , a las desviaciones de la frecuencia, respecto al valor de consigna
establecido. Su horizonte temporal se extiende desde los 30 segundos hasta los 15
minutos.
61
La regulación secundaria es aportada por los generadores, cuyas ofertas son seleccionas
mediante mecanismos competitivos.
La prestación del servicio se realiza a través de zonas de regulación. Cada zona está
constituida por una agrupación de centrales con capacidad de prestar el servicio de
regulación secundaria. Las zonas son comandadas por el regulador maestro del operador
del sistema, denominado Regulación Compartida Peninsular (RCP). El requerimiento de
respuesta dinámica de cada zona de regulación es el correspondiente a una constante de
tiempo de 100 segundos.
El servicio de regulación secundaria es complementario de carácter potestativo,

retribuido por dos conceptos: disponibilidad (banda) y utilización (energía).
Cada día el operador del sistema publica los requerimientos de reserva de regulación
secundaria, tanto a subir como a bajar, para la programación del día siguiente. Los
productores ofertan una banda de regulación para cada unidad de programación
habilitada para la prestación de este tipo de servicio complementario.
Se asignan las ofertas, aplicando criterios de mínimo coste, hasta cubrir los
requerimientos, estableciéndose un precio marginal de banda en cada hora.
La utilización de energía de regulación secundaria se realiza, de forma automática,

basándose en la asignación de banda establecida por el operador del sistema el día
anterior a través del correspondiente mercado.
La energía de regulación secundaria utilizada como consecuencia del seguimiento en

tiempo real de los requerimientos de regulación se valora, al precio marginal de la
energía de regulación terciaria que hubiera sido necesario programas en cada hora, tanto
a subir como a bajar, para sustituir la energía.
Regulación terciaria
Tiene por objeto la restitución de la reserva de regulación secundaria que haya sido
utilizada. Es aportada mediante la actuación manual de subida o bajada de potencia de
las centrales de generación o de consumo de bombeo que la oferten al menor precio, en
caso de energía a subir, o un mayor precio de recompra en el caso de energía a bajar.
La reserva terciaria se define como la variación máxima de potencia que puede efectuar
una unidad de producción o de consumo de bombeo en un tiempo no superior a 15
minutos, y que puede ser mantenida al menos durante 2 horas.
La regulación terciaria es un servicio complementario de oferta obligatoria y retribuida

a través del mercado de operación. En caso de resultar necesario, se asigna el servicio
de regulación terciaria en base a las ofertas enviadas a tal fin por las unidades de
producción. El precio del servicio es fijado por la última oferta asignada en cada
dirección, subir o bajar en cada hora.
62
2.3 SISTEMAS DE ALMACENAMIENTO

Antes de adentrarnos en la evaluación de los beneficios existentes tras la utilización de
sistemas de almacenamiento de energía se estudiará la variedad existente de dichos
dispositivos con sus ventajas y desventajas correspondientes.
Se puede distinguir tres categorías principales para las aplicaciones de los sistemas de
almacenamiento de energía a larga escala:
a. Calidad de la energía:
- Asegurar continuidad en la calidad de la energía entregada a la red.
- Tiempo de respuesta requerido: segundos o minutos.
b. Continuidad de la energía:
- Asegurar continuidad del servicio ante conexiones y desconexiones de distintas
fuentes de generación del sistema eléctrico.
- Tiempo de respuesta requerido: minutos o una hora.
c. Gestión de la energía:
- Desacoplar el tiempo que existe entre generación y demanda de energía.
- Incluye la gestión de la demanda, que consiste en cargar el sistema de
almacenamiento cuando el precio de la energía es bajo, para disponer de ella
cuando sea necesario.
- Tiempo de respuesta requerido: horas.
A continuación se mencionan una serie de aplicaciones prácticas de los sistemas de

almacenamiento de energía que pueden reducir los problemas que entrama la
integración de la generación eólica en el sistema eléctrico.
 Incremento en la calidad de la energía entregada a la red:

- Regulación de la frecuencia.
- Control de tensión.
- Disminución de armónicos.
 Incremento en la fiabilidad de la energía entregada a la red.
 Beneficio a las redes de transporte y distribución:
- Retraso de la necesidad de mejorar subestaciones, transformadores y líneas

eléctricas.
- Reducción de pérdidas.
- Reducción de la congestión que puede producirse en subestaciones,
transformadores y líneas eléctricas.
63
 Gestión de la demanda.
 Gestión de la producción.
 Mercado.
De entre todas las aplicaciones mencionadas, se procede a describir las características

principales de las más relevantes.
Los sistemas de almacenamiento de energía aportan continuidad del suministro eléctrico

ante posibles cortes momentáneos o alargados en el tiempo. Acoplados con dispositivos
avanzados de electrónica de potencia, también pueden reducir distorsiones causadas por
armónicos, así como eliminar tanto huecos de tensión como sobretensiones.
La infraestructura de red de transporte y distribución se implementa con la instalación

de sistemas de almacenamiento, dado que éstos incrementan su capacidad de carga,
permitiendo posponer el desarrollo de la red y al mismo tiempo reduciendo los
problemas de congestión.
La aplicación de mercado, también conocida como arbitraje, consiste en comprar

energía a bajo precio (en tramos de baja demanda) para venderla posteriormente a un
precio superior (en tramos de alta demanda). Normalmente, son los sistemas con gran
capacidad de almacenamiento los que actúan de este modo en el Mercado Eléctrico.
Como consecuencia del arbitraje, la curva de demanda es menos apuntada, en la medida

en que los sistemas de almacenamiento demandan electricidad durante periodos valle
de demanda, mientras que durante periodos de punta de demanda aportan generación.
Por tanto, se puede determinar que los sistemas de almacenamiento de energía aportan
diversos beneficios para productores, consumidores, comercializadores de energía, así
como para el Operador del Sistema Eléctrico.
2.3.1Selección de los sistemas de almacenamiento de

energía a implementar
De entre todas las posibles aplicaciones que ofrecen los sistemas de almacenamiento de
energía, la gestión de la producción energética es la única que interesa de cara a cumplir
los objetivos planteados.
Por este motivo, podemos descartar los sistemas de almacenamiento cuyas

características principales se basan en aportar calidad de energía. De tal manera que,
basándonos en la clasificación que se establece en la Figura 2.3.1, quedan descartadas
las opciones de implementar los siguientes sistemas de almacenamiento:
 Volantes de inercia.
 Supercondensadores.
64
Además, atendiendo a la potencia nominal que tiene un parque eólico, también se deben
descartar aquellos sistemas de almacenamiento cuyas aplicaciones se centran en la
gestión masiva de energía, tales como:
 Centrales de bombeo.
 Centrales de aire comprimido.
En consecuencia, los sistemas de almacenamiento de energía que serán tomados en

consideración a la hora de evaluar su hibridación con un parque eólico, son los
siguientes:
 Baterías de Litio-Ión.
 Baterías avanzadas de Plomo-Ácido.
 Baterías de Sodio-Sulfuro.
 Baterías redox de Vanadio.
 Baterías redox de Zinc-Bromo.
Figura 2.3.1: Aplicaciones y tecnologías de sistemas de almacenamiento de energía [15]
2.3.2Características de los sistemas de almacenamiento

seleccionados
A continuación se procederá a hacer una descripción de cada uno de los sistemas de
almacenamiento de energía seleccionados, incluyendo los siguientes aspectos:
 Tecnología empleada
 Características
 Ventajas
 Inconvenientes
 Casos reales de aplicación
65
2.3.2.1 Baterías de Litio-Ión

Cuando la batería se está cargando, los átomos de litio que hay en el cátodo pasan a ser
iones y migran a través del electrolito hasta el ánodo de carbono, donde se combinan
con los electrones externos hasta quedar depositados como átomos de litio entre las
capas de carbono. Durante la descarga, el proceso es inverso. Ver Figura 2.3.2.
Figura 2.3.2: Representación batería Litio-Ion [15]
Las ventajas que aporta este tipo de batería son:
 Alta densidad de energía: 300-400

 Alto rendimiento: 94%
 Largo ciclo de vida: 4500 ciclos equivalentes
 Mínimo estado de carga del 10%
Debido a estas ventajas, las baterías de litio son las más empleadas en artículos de
electrónica de consumo. En la industria del coche eléctrico, estas baterías parten con
una posición de ventaja frente al resto de tecnologías, lo cual supone un factor muy
destacable en la medida en que se prevé un importante desarrollo tecnológico a corto y
medio plazo en esta industria.
Los inconvenientes que presentan las baterías de litio son:
 Empaquetamiento especial
 Circuito interno de protección ante sobrecargas
Estos inconvenientes derivan en un alto coste de inversión de entorno a 530 €/kWh,

mientras que sus costes de operación y mantenimiento se encuentran cercanos a los
0.006 €/kWh. En cualquier caso, es de esperar que se produzca una reducción en el
coste de su inversión a medida que avance su desarrollo tecnológico.
66
En la actualidad, hay conectados a la red sistemas basados en baterías de litio con una
potencia total equivalente a 18 MW aproximadamente, en fase experimental y también
en operación. La Figura 2.3.3, cuya fuente es Electric Power Research Institute, muestra
una foto aérea de los 12 MW instalados por AES Gener en la subestación Los Andes, en
el desierto de Atacanna, Chile.
Figura 2.3.3: Sistemas de batería de Litio en Chile [15]
2.3.2.2 Baterías avanzadas de Plomo-Ácido

Las baterías de plomo-ácido son las más maduras comercialmente a nivel mundial. En
consecuencia, presentan las siguientes ventajas:
 Mayor desarrollo tecnológico

 Coste de inversión reducidos
En contraposición, estas baterías tienen una serie de inconvenientes, entre los que
destacan:
 Ciclo de vida corto: 4500 ciclos equivalentes

 La energía que pueden descargar no es fija, sino que depende del mínimo estado
de carga admisible por cada batería
 Complejos requisitos de mantenimiento
Las baterías avanzadas de plomo están consiguiendo paliar los inconvenientes

mencionados, con el objetivo de aplicarlas en sistemas que faciliten la integración de
energías renovables en el sistema eléctrico. Se encuentran todavía en fase de desarrollo,
y por tanto existe incertidumbre acerca de sus costes asociados de operación y
mantenimiento. Alcanzan un rendimiento del 90%, con un estado mínimo de carga del
20%. Sus costes de adquisición ascienden a 360 €/kWh, mientras que sus costes de
operación y mantenimiento están en torno a 0.005 €/kWh. La Figura 2.3.4, muestra un
67
sistema de baterías avanzadas de plomo-ácido de 1 MW/MWh implantado en un parque

eólico en Hampton, Australia.
Figura 2.3.4: Sistema de baterías de plomo avanzadas en Australia [15]
2.3.2.3 Baterías de Sodio-Sulfuro

Los materiales activos de este tipo de baterías son azufre fundido y sodio fundido como
electrodos positivo y negativo respectivamente. Dichos electrodos se encuentran
separados por un material cerámico en estado sólido, el cual sirve de electrolito. A
través de este cerámico pasan únicamente a los iones de sodio con carga positiva.
Durante la descarga, los electrones salen del sodio metal, dando lugar a la formación de
iones de sodio con carga positiva que pasan a través del cerámico al electrodo positivo.
Los electrones que salen del sodio metal se mueven a través del circuito y vuelven de
nuevo a la batería a través del electrodo positivo, donde son absorbidos por el azufre
fundido para formar polisulfuro. Los iones de sodio con carga positiva que se
desplazaron al electrodo positivo equilibran el flujo de carga de los electrones. Durante
la carga, el proceso es a la inversa del descrito. Ver Figura 2.3.5.
68
Figura 2.3.5: Composición de una batería de Sodio-Sulfuro [15]
Estas baterías necesitan un aporte de calor para poder mantenerse a temperaturas

superiores a los 300ºC, lo cual supone que los sistemas encargados de aportar este calor
se consideran parte integrante de la propia batería. Tienen un estado mínimo de carga
del 10%, con un rendimiento del 80%, y con un total de 4500 ciclos equivalentes como
vida útil. Sus costes de adquisición por un lado, y de operación y mantenimiento por
otro, están en torno a los 195 y 0.006-0.01 €/kWgh respectivamente.
Se encuentran en una fase avanzada de desarrollo, ya que las empresas japonesas

TEPCO y NGK Insulators llevan 25 años desarrollando esta tecnología. Por ese motivo,
sólo en Japón hay implantados 270 MW de baterías destinados a la integración de
renovables y al aporte de servicios de ajuste del sistema. Aparte de esto, otras muchas
empresas como Electricite de France y American Electric Power han desarrollado
sistemas experimentales basados en este tipo de baterías. Ver Figura 2.3.6.
Figura 2.3.6: Sistemas de baterías de Sodio-Sulfuro [15]
69
2.3.2.4 Baterías redox de Vanadio

Las baterías redox de Vanadio son las más desarrolladas tecnológicamente dentro de las
baterías de flujo. En las baterías de flujo, la energía se almacena mediante iones
cargados que se encuentran en dos tanques de electrolito separados entre sí, de manera
que uno de ellos contiene electrolito para reacciones de electrodo positivo, mientras que
el otro contiene electrolito para reacciones de electrodo negativo. La peculiaridad que
presentan las baterías redox de Vanadio es que emplean un único electrolito común, lo
que repercute en un incremento de la vida útil de la batería. Cuando se necesita
descargar electricidad de la pila, el electrolito fluye hacia una celda redox con
electrodos, y la corriente eléctrica es generada. Esta reacción electroquímica se invierte
cuando se aplica una sobretensión, como en las baterías convencionales, permitiendo al
sistema efectuar cargas y descargas repetidamente. Como en toda batería de flujo, es
posible obtener un amplio rango de potencia y capacidad de almacenamiento, en
función del tamaño del tanque de electrolito.
Los sistemas de baterías redox de Vanadio pueden diseñarse para suministrar energía en
un rango de tiempo que abarca desde las 2 horas, hasta más de 8 horas. Los fabricantes
de este tipo de baterías estiman una vida media del sistema de 15 años, mientras que la
vida media de los electrolitos alcanza los 25 años.
Las baterías redox de Vanadio tienen un rendimiento del 90%, y pueden llegar a
alcanzar una profundidad de descarga del 100%. Su número de ciclos equivalentes a lo
largo de la vida útil de la batería está en torno a los 12000 ciclos. Como costes de
adquisición, de operación y mantenimiento tienen valores cercanos a los 485 y 0.004-
0.008 €/kWh respectivamente.
Para proyectos que requieran capacidad de almacenamiento de MWh, hay que tener en
cuenta que el tamaño de los tanques de electrolito tiende a ser muy grande. Es necesario
mantener los electrolitos a 300ºC.
Diversos sistemas de baterías redox de Vanadio se emplean en la actualidad, de los

cuales se mencionan:
 Un sistema de 15kW/120kWh, operando en Dinamarca como parte de un

sistema de redes inteligentes.
 Un sistema de 200kW/800kWh en Tasmania.
 Un sistema de 4MW/6MWh en Tomamae, Japón.
70
2.3.2.5 Baterías redox de Zinc-Bromo

Las baterías de redox de Zinc-Bromo son otro tipo de baterías de flujo. La Figura 2.3.7
muestra cómo funcionan este tipo de sistemas, incluyendo las reacciones redox.
Figura 2.3.7: Sistema de batería de Zinc-Bromo [15]
En cada celda de una batería de Zinc-Bromo, dos electrolitos diferentes fluyen a través
de electrodos en dos compartimentos separados por una membrana porosa. Durante la
descarga, el zinc se carga positivamente y el bromo pasa a ser bromuro, del cual se
obtiene el bromuro de zinc. El proceso químico que se utiliza para generar esta corriente
eléctrica incrementa las concentraciones de iones cargados tanto de zinc como de
bromuro en ambos tanques de electrolito. Durante la carga , el zinc se deposita en una
fina capa al lado del electrodo. Mientras, el bromo se desprende como una solución
diluida al otro lado de la membrana, reaccionando con los otros compuestos en solución
(aminas) para formar un compuesto denso y viscoso que precipita al fondo del tanque.
Las baterías redox de Zinc-Bromo están menos desarrolladas tecnológicamente que las
de Vanadio. Tienen un rendimiento en torno al 75%, y una vida útil de 12000 ciclos
equivalentes al 90% de descarga máxima admisible. Sus costes de operación y
mantenimiento se sitúan en torno a los 385 y 0.006-0.01 €/kWh respectivamente.
En los Estados Unidos, las empresas eléctricas llevan a cabo ensayos de sistemas
transportables de 0.5-MW/2.8-MWh, como el que se muestra en la Figura 2.3.8.
71
Figura 2.3.8: Sistema transportable de baterías de Zinc-Bromo [15]
2.3.2.6 Resumen de las características de las baterías seleccionadas
La Tabla 2.3.1 recoge las características técnicas de las baterías seleccionadas.

Mostrándose el mínimo estado de carga, rendimiento y número equivalente de ciclos
completos.
Tabla 2.3.1: Resumen de características técnicas de las baterías
Mínimo estado de Rendimiento Nº equival. de ciclos

Tipo de baterías
carga (%) (%) completos
Litio 10 94 4500
Avanzadas de
20 90 4500
Plomo-Ácido
Sodio-Sulfuro 10 80 4500
Vanadio 5 85 12000
Zinc-Bromo 10 75 12000
Destacar que el valor de rendimiento mostrado en la Tabla 2.3.1, viene dado como
resultado del producto de los siguientes rendimientos:
 Rendimiento de carga y descarga de la batería.

 Rendimiento del inversor y el rectificador, los cuales se consideran integrados
en la batería.
 Rendimiento del transformador conectado a la red, incluyendo pérdidas en los
cables.
72
Del mismo modo, se define el mínimo estado de carga como aquel estado de carga que
por debajo del cual la batería puede sufrir daños estructurales.
La Tabla 2.3.2 resume los costes de adquisición y mantenimiento que se tendrán en

cuenta en posteriores cálculos. Se tendrá en cuenta que:
 Los costes de adquisición están expresados en miles de euros por MWh de

capacidad nominal de almacenamiento de la batería.
 Los costes de mantenimiento son anuales, y están expresados en euros por
MWh de capacidad nominal de almacenamiento.
Tabla 2.3.2: Resumen de costes de las baterías
Coste de adquisición Coste de mantenimiento

Tipos de baterías
(M€/MWh) (€/MWh)
Litio 530 6-10
Avanzadas de Plomo-
360 5-9
Ácido
Sodio-Sulfuro 195 6-10
Vanadio 485 4-8
Zinc-Bromo 385 7-12
2.4 MÉTODOS DE PREDICCIÓN

El objetivo de este apartado consiste en exponer los diferentes métodos de predicción,
los cuales serán necesarios para obtener la potencia programada.
La potencia programada se utilizará para el cálculo de los desvíos de potencia eólica,

dicho cálculo se realizará en el apartado siguiente con su correspondiente desarrollo.
Tras una larga revisión de la bibliografía existente sobre métodos predictivos de energía
eólica, encontramos que las técnicas más citadas y empleadas son el modelo de
persistencia, el modelo autorregresivo, el modelo autorregresivo de medias móviles, las
redes neuronales recurrentes y la regresión mediante vectores soporte.
2.4.1Modelo de persistencia (PRS)

El método de persistencia es el más simple de los modelos de predicción, de hecho, es
conocido como “predictor simple”. Se basa en asumir la fuerte inercia del modelo físico
en que éste subyace. Si y(t) es un valor dado en un instante t de una serie temporal, en el
método de persistencia el valor predicho para un tiempo k es:
Es considerado un modelo de referencia difícil de superar para valores pequeños de k.
73
2.4.2Modelo autorregresivo (AR)

Un método predictivo autorregresivo es sencillamente una regresión lineal que intenta
reconstruir series temporales suponiendo que el valor actual de y(t) depende de recientes
valores anteriores de y(t-i) y una componente aleatoria de media cero y varianza
constante.
Formalmente,
Donde p es el orden del modelo autorregresivo, los parámetros de configuración y c

una constante relacionada con la media del proceso.
El orden p se identifica mediante la función de autocorrelación (ACF) y la función

parcial de autocorrelación (PACF) y los valores de los parámetros se pueden obtener a
través de Matlab. El método para la identificación de dicho orden y los valores de sus
correspondientes parámetros será explicado más adelante.
Por lo tanto, una vez identificado el orden y los valores de los parámetros del modelo
podemos pronosticar el valor predicho para un momento lejano k gracias a sucesivas
iteraciones, desde hasta . Matemáticamente se describe como
Por simplificación, se sume una constante c igual a cero y la esperanza de (t).
2.4.3Modelo autorregresivo de medias móviles (ARMA)

Se trata de una mejora del modelo autorregresivo. La predicción de este modelo no sólo
depende de los valores obtenidos en un pasado más o menos reciente, de acuerdo a su
componente autorregresivo, sino que también depende de los residuos de predicciones
pasadas. La expresión matemática del modelo general ARMA(p,q) que se aplica a las
series es las siguiente:
Donde p y son el orden y los parámetros de la componente autorregresiva

respectivamente y, q y el orden y los parámetros de la componente de medias
móviles.
En resumen, la construcción de este modelo consiste en identificar los índices p y q de

los modelos, determinar los parámetros y contenidos en los mismos y, finalmente,
74
validarlos. La predicción de se calcula de la misma manera que el modelo AR

incluyendo la predicción de .
2.4.4Redes neuronales recurrentes (RNN)

Las redes neuronales recurrentes (RNN, Recurrent Neural Networks) son sistemas
dinámicos, tanto lineales como no lineales, de tiempo continuo y/o discreto que pueden
ser usados como memorias asociativas o como sistemas de mapeo de secuencias.
Un ejemplo de arquitectura general de una RNN se muestra en la Figura 2.4.1.
Figura 2.4.1: Arquitectura de RNN [21]
Este modelo corresponde con una Red Recurrente Completamente Conectada (FRNN)
que se caracteriza debido a que sus neuronas reciben como entrada la activación del
resto de las neuronas de la red así como su propia activación. Por tanto, si
representa la activación de la neurona i en el instante t, su valor viene dado por la
ecuación
75
Donde es la función de activación, A es el conjunto de entrada de las neuronas, B el

resto de las neuronas y representa el peso de conexión de la neurona j a la neurona i.
Se supone que todas las neuronas de la red se conectan entre todas aunque podría haber
ciertas restricciones.
Los pesos de las conexiones de una FRNN no son estáticos sino que se fijan según un
método adaptivo y de aprendizaje denominado entrenamiento. Existen dos métodos
principales de entrenamiento:Back_Propagation Through Time y Real-Time Recurrent
Learning.
2.4.5Regresión mediante vectores soporte (SVR)

El método de regresión mediante vectores soporte (SVR) son algoritmos que están
siendo empleados en una amplia variedad de problemas de predicción ya que no tienen
en cuenta sólo la aproximación del error sino que también la generalización del modelo,
es decir, su capacidad para mejorar la predicción del modelo cuando nuevos datos son
introducidos.
Aunque hay diversas versiones de SVR, en este caso, presentamos el modelo clásico.
Dado un conjunto de entradas de entrenamiento , el
método ε-SVR consiste en entrenar un modelo de la forma para
minimizar la función de riesgo empírico dada por la ecuación
Donde controla la “finura” del modelo, es una función de proyección del

espacio de entrada de características, b es el parámetro de bias, es el vector de
características del espacio de entrada de dimensión N, es el valor de salida que será
estimado y es la función de pérdida seleccionada. El modelo clásico se
caracteriza por el uso de la función de pérdida ε-insensitiva dada por
Para entrenar este modelo, es necesario resolver el siguiente problema de optimización
76
La forma dual del problema de optimización se obtiene normalmente a través de la

minimización de la función de Lagrange, construida a partir de la función objetivo y las
restricciones del problema. En este caso, la forma dual del problema de optimización
anterior quedaría
Dado que el problema de optimización es de orden cuadrático, obtener la configuración

óptima de los parámetros del modelo SVR es una tarea bastante complicada por lo que
es necesario emplear el uso de algoritmos de búsqueda (descenso de gradiente,
evolutivos, genéticos, etc.) para obtener estos valores óptimos o una estimación de ellos.
2.4.6Elección modelo de predicción

En este estudio se tomarán como modelos de predicción los AR,MA, ARMA,
anteriormente explicados cada uno.
En primer lugar, para poder utilizar estos métodos de predicción se debería obtener el
orden del modelo. La obtención de dicho orden de puede realizar mediante dos
procedimientos:
 Estudio de las funciones fac y facp (función de autocorrelación y función parcial

de autocorrelación respectivamente)
 A través de una función denominada “armabat.m” en matlab que nos devuelve
los valores de p y q que mejor se ajustan para una determinada serie de datos-
entrada del modelo.
2.4.6.1 Estudio de la fac y facp

Tal y como se ha señalado, para identificar el modelo ARIMA generador de la serie se
utilizan las funciones fac y facp muestrales. La representación gráfica de ambas, en
función de los distintos retardos se denomina correlograma. Pues bien, la identificación
se realiza mediante la comparación de las características observadas en el correlograma
y las características que cabe esperar para los distintos, y posibles, modelos teóricos.
Los siguientes ejemplos ayudarán a clarificar este aspecto.
77
En primer lugar, se puede comprobar que un modelo AR(1) podría presentar uno de los
dos siguientes correlogramas, en los que se recogen , por ejemplificar con una cifra, los
10 hipotéticos primeros retardos. Ver Figura 2.4.2
Figura 2.4.2: Modelo AR(1) [17]
Es decir, en un modelo AR(1) o, lo que es lo mismo ARMA(1,0), encontramos que la

función de autocorrelación decrece rápidamente hacía cero, bien sea de forma regular
(primer correlograma), o alternando valores positivos y negativos (segundo
correlograma). Aunque en nuestros gráficos, para ejemplificar, se haría cero para
valores superiores al 11 retardo, el modelo teórico puede presentar tales valores para
retardos previos. A su vez, la función de autocorrelación parcial presenta un único valor
distinto de cero, es decir, tantos como el orden del proceso AR. Estas características son
generalizables para los modelos ARMA, con orden de medias móviles igual a cero. Es
decir, un modelo ARMA(2,0) podría presentar los siguientes correlogramas teóricos
(ver Figura 2.4.3)
78
Figura 2.4.3: Modelo AR(2) [17]
Un modelo ARMA(p,0) presenta una función de autocorrelación que decrece

rápidamente hacia cero, bien de forma regular, sinusoidal o alternando valores positivos
y negativos, junto con una función de autocorrelación parcial con tantos valores
distintos de cero como orden del autorregresivo.
Una regla simétrica puede extraerse para los modelos ARMA(0,q). En este caso, la regla
general sería:
79
Un modelo ARMA(0,q) presenta una función de autocorrelación parcial que decrece

rápidamente hacia cero, bien de forma regular, sinusoidal o alternando valores positivos
y negativos, junto con una función de autocorrelación con tantos valores distintos de
cero como orden de la media móvil.
Los modelos más habituales de este estilo serían los MA(1) y MA(2). Por ejemplo, un
modelo ARMA(0,2) podría presentar cualquiera de los siguientes correlogramas
teóricos (ver Figura 2.4.4):
Figura 2.4.4: Modelo MA(2) [17]
80
Por lo que respecta a los modelos ARIMA(p,d,q), decir que el más habitual es el
ARIMA(1,d,1). Pues bien, en este caso la regla de identificación sería, sencillamente,
observar que ambas funciones decrecen, admitiendo varias posibilidades de la
combinación (sinusoidal, regular y alternando positivos y negativos) de ambas
funciones. Cualquiera de los siguientes correlogramas sería representativo de un modelo
ARIMA(1,d,1) (ver Figura 2.4.5):
Figura 2.4.5: Modelo ARIMA [17]
81
En definitiva, para modelos sin estacionalidad, podemos adoptar las regla que se
muestran en la
Tabla 2.4.1: Resumen características modelos sin estacionalidad
Facp
Un coeficiente Dos coeficientes
Decrece
significativo significativos
Fac
Decrece ARMA(1,1) AR(1) AR(2)
Un coeficiente
MA(1) -- --
significativo
Dos coeficientes
MA(2) -- --
significativos
El problema de esta fase de identificación, estriba en que la estimación muestral de estas

funciones para nuestra serie se aleja, en mayor o menor grado, de cualquiera de estas
representaciones teóricas. Es decir, con frecuencia, las estimaciones muestrales dan una
visión distorsionada de las correspondientes funciones teóricas. Y en estas
circunstancias, optar por uno u otro modelo generador de los datos depende más que
nada de la pericia del analista.
Algunas circunstancias que se nos pueden presentar son las siguientes:
1) En primer lugar, estamos trabajando con un estadístico (con su función de

probabilidad). Por ello, los valores obtenidos están “asociados” a una
determinada probabilidad. Para saber si un determinado coeficiente de
autocorrelación es significativamente distinto de cero necesitamos de un
contraste estadístico, que nos establecerá los intervalos de confianza en los
cuales los coeficientes resultan significativos con una determinada probabilidad.
La teoría nos dice que la varianza de cada coeficiente se obtiene a partir de la
expresión:
Ahora bien, esta expresión se puede aproximar para todos los coeficientes por:
Siendo N el número total de datos. Admitida la normalidad de la distribución, un

coeficiente no significativamente distinto de cero deberá estar, en el 95% de los
casos, comprendidos entre:
82
Por tanto, para que consideremos que un coeficiente estimado es

significativamente distinto de cero debe superar el intervalo anterior.
2) Ahora bien, no podemos olvidar que estamos trabajando con un intervalo de
confianza del 95 por 100. Quiere ello decir, que en el 5 por 100 de los casos
estaremos rechazando la hipótesis nula de coeficiente igual a cero aun siendo
correcta. En otras palabras, uno de cada veinte coeficientes de autocorrelación
puede superar la banda de confianza sin que sea realmente significativo.
Igualmente un coeficiente teórico no nulo puede no alcanzar en la práctica un
valor suficientemente alto como para tomarle en consideración.
Todo ello provoca que, con frecuencia, se tengan dudas razonables sobre el
modelo más adecuado. En esos casos se recomienda la selección de varios
modelos alternativos para analizar posteriormente cuál de ellos resulta
finalmente más idóneo. Completaremos esta etapa con la identificación
posteriormente con el estudio de series con estacionalidad.
2.5 CÁLCULO DE DESVÍOS DE PRODUCCIÓN

En este subapartado, se hace una descripción del modelo de cálculo empleado para
cuantificar el coste asociado a los desvíos de producción correspondientes a los parques
eólicos de Laitec y Sibaya.
Dado que los datos de producción con los que se cuenta corresponden a la potencia
horaria medida y programada, se asumirá que dichas potencias son de valor constante
durante todo el tramo horario. Por tanto, en el desarrollo de este apartado se trabajará en
términos de energía medida y programada en cada hora.
Se define desvío de producción como la diferencia entre la energía medida y la energía

programada para un intervalo horario determinado, tal que:
Donde:
 : energía correspondiente al desvío de producción, durante la hora h,

medida en MWh.
 energía correspondiente a la producción medida durante la hora h,
medida en MWh.
 : energía correspondiente a la producción programada durante la
hora h, medida en MWh.
El valor de este desvío puede ser:
 : implica que en ese inérvalo horario la energía medida fue superior

a la programada, y que por tanto se generó energía en exceso.
 : implica que en ese intervalo horario la energía medida fue inferior
a la programada.
83
El coste del desvío corresponde a una penalización que se paga cuando dicho desvío va
contra de la necesidad de balance del sistema eléctrico. En la Figura 2.5.1, se explica de
manera esquemática cuándo un desvío de producción es contrario al sistema y por
consiguiente conlleva una penalización.
Figura 2.5.1: Desvío de producción frente a la necesidad del sistema eléctrico [10]
Por tanto, los desvíos de producción contrarios al sistema tienen un coste asociado. En
cambio, los desvíos favorables al sistema no son penalizados, sino que retribuyen al
precio del mercado diario (o a tarifa, si esta es la opción de retribución escogida por el
productor). La definición de los valores de coste a subir y coste a bajar, ambos
expresados en €/MWh, así como la forma de obtenerlos de REE sede talla a
continuación.
El coste del desvío se calculará del mismo modo para cada intervalo horario, tal que:
 Si , el coste del desvío será:
 Si , el coste del desvío será:
84
2.5.1 Análisis del coste del desvío

La liquidación de los desvíos depende de varios factores; en primer lugar del desvío en
sí, que se desine como la energía medida menos la energía programada, ya que la
liquidación variará si el desvío es a favor o en contra del sistema.
Por otra parte se desarrolla la necesidad neta del sistema para determinar el precio que
se debe aplicar al desvío.
La liquidación puede ser de dos tipos; la liquidación consolidada del desvío por sujeto
de liquidación, que dependerá del sentido del desvío total de las unidades de
programación del sujeto, o la liquidación de cada unidad de programación por separado.
En este análisis se aplicará la liquidación de tipo consolidada.
Finalmente se desarrolla el coste del desvío dependiendo de si es a favor o en contra del

sistema.
El desvío horario de una unidad de programación se calcula de la manera siguiente:
Donde:
 : desvío de la unidad up en la hora h.

 : programa horario final del mercado de la unidad up en la h tras la
última sesión del mercado intradiario. Calculado como diferencia entre la
producción horaria medida y el programa horario final operativo que es el
programa final del mercado menos la reducción por restricciones en tiempo
real.
 : programa horario operativo de la unidad up en la hora h. Es igual al
programa horario final del mercado menos la reducción, en su caso, de energía
por restricciones en tiempo real por congestión de las líneas de evacuación.
La necesidad neta de balance del sistema en cada hora se utiliza para determinar el
precio a aplicar a los desvíos según se detalla más adelante.
La necesidad neta de balance del sistema en cada hora se calcula de la siguiente

manera:
85
Donde:
 : necesidad neta de balance del sistema en la hora h.

 : energía de balance del tipo t en la hora h en el sentido s
- t: energía de gestión de desvíos, energía de regulación terciaria, energía de
regulación secundaria.
- s: subir producción, bajar producción.
- es positiva si el sentido es mayor producción y negativa en caso de
ser el sentido menor producción.
El sujeto de liquidación es la empresa responsable de los cobros, pagos y prestación de

las garantías que se derivan del proceso de liquidación del Operador del Sistema (OS).
La liquidación consolidada del desvío por sujeto de liquidación (SL) dependerá del
sentido de la suma total de desvíos de las unidades de programación (UP) del sujeto,
variará si el sentido es favorable al sistema o contrario al mismo.
El desvío consolidado es favorable al sistema cuando el desvío sigue el sentido de la

necesidad de balance del sistema, es decir, cuando la necesidad del sistema sea reducir
producción y el desvío consolidado sea a bajar, es decir, menos producción; o en el caso
de que la necesidad sea aumentar producción, y a su vez el desvío sea a subir, más
producción.
El desvío consolidado es contrario al sistema cuando el desvío sigue el sentido contrario

a la necesidad de balance del sistema, por tanto se dará cuando la necesidad del sistema
sea reducir producción y a su vez el desvío sea a subir, más producción; o en el caso de
ser la necesidad del sistema aumentar producción, y el desvío sea a bajar, menor
producción. La Figura 2.5.1muestra un esquema de lo explicado.
El desvío consolidado por sujeto de Liquidación se calcula como la suma de los desvíos
de todas las unidades de programación:
Donde:
- : desvío consolidado de la unidad up del sujeto de liquidación sl en la

hora h.
Para calcular el importe de la valoración económica del desvío consolidado, se

estudiarán por separado los cuatro casos posibles en función del sentido del desvío
consolidado y de la necesidad del sistema, según se muestra esquemáticamente en la
Figura 2.5.2
86
Figura 2.5.2: Precio de los desvíos [10]
Caso a): Desvío consolidado a subir ( y necesidad neta del sistema a bajar
En este caso, el importe de la valoración económica del desvío consolidado se calcula

de la siguiente manera:
Donde:
 : valor en euros del desvío consolidado de sujeto de liquidación sl en la

hora h.
 : precio general de desvíos a subir en la hora h. Se calcula del
siguiente modo:
Donde:
- : precio marginal de la energía de balance a bajar de tipo t
en la hora h.
- : precio del mercado diario en la hora h.
-
87
Caso b): Desvío consolidado a subir y necesidad neta del sistema a subir
(

Caso c): Desvío consolidado a bajar y necesidad neta del sistema a bajar

Caso d): Desvío consolidado a bajar y necesidad neta del sistema a subir

Donde:
 : valor en euros del desvío consolidado del sujeto de liquidación sl en la

hora h.
 : precio general de desvíos a bajar en la hora h. Se calcula del
siguiente modo:
Donde:
- : precio marginal de la energía de balance a subir de tipo t

en la hora h.
Los precios del sistema son publicados por Red Eléctrica de España, ya que son datos
públicos, se pueden encontrar en su página web (www.esios.ree.es) en el apartado de
publicaciones y buscar el mes que nos interese, se encuentra en un archivo zip
denominado “liquicomun”.
88
El coste del desvío a bajar es la pérdida de ingresos por haber cobrado en el mercado
una energía finalmente no producida que ha generado un pago al Operador del Sistema
(OS) como desvío a un precio de desvío superior o igual al precio del mercado.
El coste del desvío a subir es la pérdida de ingresos por haber cobrado a precio de
desvío una energía que podía haberse vendido en el mercado a un precio superior.
Se toma como referencia el precio del mercado diario los costes generales de desvíos a
subir y a bajar son:
El coste de los desvíos depende del sentido de los desvíos según sean éstos a favor o en
contra del sistema.
Para calcular el importe del coste del desvío consolidado, se estudiarán por separado los
cuatro casos posibles en función del sentido del desvío consolidado y de la necesidad
del sistema, según se muestra esquemáticamente en la Figura 2.5.3.
Figura 2.5.3: Coste de los desvíos [10]
Caso a)
El coste del desvío será el Precio del Mercado Diario (PMD) menos el Precio del desvío
a subir .
Caso b) y caso c)
El coste del desvío es nulo.
Caso d)
El coste del desvío será el Precio del desvío a bajar menos el Precio
Medio Diario.
89
Análogamente a los precios del sistema, los costes del desvío en contra del sistema
también son publicados por Red Eléctrica de España, ya que son datos públicos, se
pueden encontrar en su página web (www.esios.ree.es) en el apartado de publicaciones,
donde podemos encontrar una pestaña de liquidaciones y buscar el mes que nos interese,
se encuentra en un archivo zip denominado “liquicomun”.
90
Aplicaciones Prácticas
Capítulo 3 Aplicaciones Prácticas
3.1 INTRODUCCIÓN
Este capítulo se centra en el cálculo de los desvíos de la producción en Isla Laitec y en
Sibaya (los dos emplazamientos eólicos estudiados en los capítulos anteriores). Para el
cálculo de los desvíos y sus costes asociados, previamente se debe obtener una
predicción de energía con la ayuda de los modelos ARMA y ARIMA.
Los desvíos calculados corresponden a los desvíos de energía que se producen durante
cuatro semanas diferentes del año, se ha tomado una semana de cada estación para que
los resultados sean más representativos.
Para el cálculo de los desvíos se ha tenido en cuenta las siguientes simplificaciones:
- Se tiene en cuenta el efecto de las estelas pero de forma global, es decir, no

se tiene en cuenta el rendimiento de cada generador del parque sino que se
toma el rendimiento global del parque teniendo en cuenta el efecto de las
estelas.
- Los datos de partida para el cálculo de los desvíos son las velocidades del
viento a la altura de la torre, recogidas cada diez minutos y correspondientes
a las semanas que se han tomado representativas de cada estación del año.
Como los datos de velocidad que tenemos son cada diez minutos y los
precios correspondientes a los desvíos son horarios, se realiza una media
horaria tanto con las velocidades de viento medidas como con las
velocidades de viento que se obtiene con los modelos de predicción
utilizados. Además estos desvíos se tienen que pasar a términos de potencia
ya que, los costes de los desvíos están expresados en kW/h. En la ecuación (
3.1.1 ) se puede observar la expresión del desvío.
( 3.1.1 )
donde:
- queda expresado en kW/h.
- : es la velocidad media horaria medida a la altura de la torre del parque.
- : es la velocidad horaria programada, es decir, la que se obtiene con

los modelos de predicción utilizados.
91
- : representa el número de generadores del parque, en este caso el

parque consta de 24 aerogeneradores.
- :es la densidad del aire.
- : radio de las palas expresados en metros.
- : rendimiento global del parque teniendo en cuenta el efecto de las

estelas.
Para obtener el coste de los desvíos solo se tendría que multiplicar dichos desvíos con el
coste correspondiente obtenido de la REE.
3.2 CASO 1: ISLA LAITEC

En este primer caso se tomara los datos de viento de Laitec correspondiente a cuatro
semanas, cada semana se tomará de tal forma que sean representativas de las cuatro
estaciones del año. Las fechas elegidas son las siguientes:
- Invierno: 5-12 Febrero

- Primavera: 1-7 Abril
- Verano: 1-7 Julio
- Otoño: 27 Septiembre-3 Octubre
3.2.1 Semana Invierno

Partiendo de los datos de velocidad del viento correspondiente a dicha semana, se
obtiene la trayectoria, función de autocorrelación, función de autocorrelación parcial y
variograma.
92
trayectoria fac
20 1
Sample Autocorrelation
15
0.5
Xn 10
0
5
0 -0.5
0 500 1000 1500 0 100 200 300
Lag
Sample Partial Autocorrelations
facp Variograma
1 10
0.5
5
0
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.2.1:Trayectoria, fac, facp, variograma correspondiente a la semana invierno
Para que los datos de partida se puedan tomar como datos de un modelo ARMA se
tienen que cumplir las siguientes características:
- El variograma tiene que tender a un valor constante para que se cumpla

estacionariedad en covarianza.
- La función de autocorrelación (fac) tiene que tender a cero tras pocos
retardos bien sea exponencialmente o sinusoidalmente, para que sea
estacionaria.
En la Figura 3.2.1 se puede observar como el variograma no tiende a un valor constante

y la fac no decrece a cero tras pocos retardos, por lo tanto, para poder tratar estos datos
como un modelo ARMA se debe incluir una diferenciación en los datos de partida. Al
incluir la diferenciación estamos ante un modelo ARIMA. Probaremos con una
diferenciación de orden 1 en primer lugar y se comprobará los resultados obtenidos. En
la ecuación( 3.2.1 ) se puede observar en qué consiste la diferenciación.
( 3.2.1 )
93
trayectoria fac
2 1
1 0.5
Xn
0 0
-1 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.2.2:Trayectoria, fac, facp, variograma tras la diferenciación de primer orden
Como se puede observar en la Figura 3.2.2 el variograma tiende a un valor constante y

la fac decrece a cero tras pocos retardos. Por lo tanto, los datos que tenemos tras la
diferenciación se pueden tratar como un modelo ARMA. Utilizando la función armabat
de matlab obtenemos los valores de p y q correspondientes a las órdenes de magnitud
del polinomio correspondiente al modelo ARMA. Dichos valores de magnitud también
se pueden obtener analizando las gráficas de la fac y facp como se explico en el capítulo
anterior. Para saber si los modelos obtenidos son correctos se representa la función de
autocorrelación y la de autocorrelación parcial de los residuos y solo si estos residuos se
encuentran dentro de los límites de Bertz el modelo se dará por correcto.
94
Residuos fac muestral

2 1
1 0.5
0 0
-1 -0.5
0 500 1000 1500 0 10 20 30
Lag
facp muestral Variograma

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
Figura 3.2.3: Residuos modelo ARIMA(4,1,3)

2 1
1 0.5
0 0
-1 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
Figura 3.2.4: Residuos del modelo ARIMA(4,1,0)
95
En la Figura 3.2.3y Figura 3.2.4 se representan los residuos correspondientes al modelo

ARIMA(4,1,3) y al modelo ARIMA(3,1,1) respectivamente y además se puede
comprobar que dichos modelos son válidos puesto que, los valores de la fac y facp de
los residuos permanecen dentro de los límites de Bertz.
Utilizando la función compare de matlab se puede obtener la comparación del modelo

real con el modelo de predicción utilizado, como se puede ver en la Figura 3.2.5 y
Figura 3.2.6.
y1. (1-step pred)

14 yv; measured
model; fit: 67.68%
12
10
8
y1
100 200 300 400 500
Figura 3.2.5: Comparación modelo real con modelo ARIMA(4,1,3)
96
y1. (1-step pred)

14 yv; measured
model; fit: 68.19%
12
10
8
y1
100 200 300 400 500
Figura 3.2.6: Comparación del modelo real con el modelo ARIMA(4,1,0)
El coste de los desvíos correspondientes al modelo ARIMA(4,1,3) es de 1 838.93 € y el

coste de los desvíos correspondientes al modelo ARIMA(4,1,0) es de 1 818.85 €.
97
3.2.2 Semana Primavera

Partiendo de los datos de velocidad del viento correspondientes a esta semana,
obtenemos la trayectoria, función de autocorrelación, función de autocorrelación parcial
y variograma.
trayectoria fac
15 1
10 0.5
Xn
5 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
facp Variograma
1 8
6
0.5
4
0
2
-0.5 0
0 10 20 30 0 5 10 15 20
Lag
Figura 3.2.7: Representación trayectoria, fac, facp y variograma de la semana primavera
En la Figura 3.2.7 se puede observar como la función de autocorrelación no decrece a

cero tras pocos retardos y el variograma no tiende a un valor constante, por lo tanto,
estamos frente a la ausencia de estacionariedad. Se introduce diferenciación de primer
orden a los datos de partida, los resultados obtenidos tras dicha diferenciación se ve en
la Figura 3.2.8.
98
trayectoria fac
2 1
1
0.5
Xn
0
0
-1
-2 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.2.8: Representación de la trayectoria, fac, facp, variograma semana primavera

tras diferenciación

2 1
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
Figura 3.2.9: Representación de residuos modelo ARIMA(4,1,3)
Como se puede comprobar el variograma tiende a un valor constante y la fac decrece a

cero tras pocos retardos, por lo tanto el problema de estacionariedad queda solucionado.
99

2 1
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
Figura 3.2.10: Representación de residuos modelo ARIMA(8,1,8)
Las Figura 3.2.9 y Figura 3.2.10 representa la fac y facp de los residuos
correspondientes a dichos modelos de predicción, se observa que la figura
correspondiente al modelo ARIMA(4,1,3) no es válido porque los valores de fac y facp
superan los límites de Bertz, mientras que el modelo ARIMA(8,1,8) si es válido.
y1. (1-step pred)
yv; measured
10
model; fit: 55.5%
6
y1
50 100 150 200 250 300 350 400 450 500
Figura 3.2.11: Comparación de modelo real con el modelo ARIMA(4,1,3)
100
y1. (1-step pred)
yv; measured
10
model; fit: 55%
6
y1
50 100 150 200 250 300 350 400 450 500
Figura 3.2.12: Comprobación de modelo real con el modelo ARIMA(8,1,8)
En la Figura 3.2.11 y Figura 3.2.12 se puede observar la comparación del modelo real
con los modelos de predicción respectivamente utilizados.
El coste de los desvíos asociados al modelo ARIMA(8,1,8) es de 645.438 € .
101
3.2.3 Semana Verano

Se toman los datos de velocidad del viento correspondiente a dicha semana para obtener
la trayectoria, función de autocorrelación, función de autocorrelación parcial y
variograma. Ver Figura 3.2.13.
trayectoria fac
30 1
20 0.5
Xn
10 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
facp Variograma
1 10
0.5
5
0
-0.5 0
0 10 20 30 0 5 10 15 20
Lag
Figura 3.2.13: Representación trayectoria, fac, facp, variograma semana verano
Como se puede observar, se debe introducir una diferenciación de primer orden ya que,
no existe estacionariedad en los datos de partida puesto que el variograma no tiende a
un valor constante y la fac no decrece a cero tras pocos retardos.
En la Figura 3.2.14 se puede observar los resultados tras la diferenciación, se puede

comprobar que el problema de estacionariedad queda solucionado tras la diferenciación
de primer orden.
102
trayectoria fac
2 1
1
0.5
Xn
0
0
-1
-2 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.2.14: Representación trayectoria, fac, facp, variograma tras la diferenciación
Los modelos que mejor se adaptan a los resultados son: el modelo ARIMA(6,1,3) y el
modelo ARIMA(6,1,6).
En la Figura 3.2.15 y la Figura 3.2.16 se representan la fac, facp y variograma de los

residuos correspondientes a dichos modelos de predicción. Se puede comprobar que
ambos modelos son válidos puesto que los valores de la fac y facp no superan los
límites de Bertz.
En la Figura 3.2.17 y la Figura 3.3.18 se puede ver la comparación del modelo real con
los modelos de predicción utilizados.
103

2 1
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag

2 1
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
104
y1. (1-step pred)
20 yv; measured
model; fit: 74.82%
18
16
14
12
y1
10
50 100 150 200 250 300 350 400 450 500
Figura 3.2.17: Comparación modelo real y modelo ARIMA(6,1,3)
y1. (1-step pred)
20 yv; measured
model; fit: 74.78%
18
16
14
12
y1
10
50 100 150 200 250 300 350 400 450 500
Figura 3.2.18: Comparación modelo real y modelo ARIMA(6,1,6)
El coste de los desvíos asociados al modelo ARIMA(6,1,3) es de 2 144.45 € y el coste

de los desvíos asociados al modelo ARIMA(6,1,6) es de 2 227.234 €.
105
3.2.4 Semana Otoño

A partir de los datos de velocidad del viento correspondientes a la semana de otoño se
variograma. Ver Figura 3.2.19
trayectoria fac
30 1
20 0.5
Xn
10 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
facp Variograma
1 10
0.5
5
0
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.2.19: Trayectoria, fac, facp, variograma semana otoño
Se puede ver como la función de autocorrelación no decrece a cero tras pocos retardos y
el variograma no tiende a un valor constante, por lo tanto, estamos ante falta de
estacionariedad.
Para solucionar la ausencia de estacionariedad se realiza una diferenciación de primer

orden. Los resultados que se obtienen tras aplicar dicha diferenciación se pueden ver en
la Figura 3.2.20.
106
trayectoria fac
3 1
2
0.5
Xn
1
0
0
-1 -0.5
0 500 1000 1500 0 20 40 60
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.2.20: Representación de la trayectoria, fac, facp, variograma tras diferenciación

de primer orden
El modelo que mejor se ajusta a dichos datos es ARIMA(9,1,7). En la Figura 3.2.21 se

puede comprobar cómo dicho modelo es correcto puesto que, la fac y facp de los
residuos permanece dentro de los límites de Bertz.
En la Figura 3.2.22 se puede ver la comparación del modelo real con el modelo de
predicción utilizado, siendo en este caso un modelo ARIMA(9,1,7).
107

1 1
0.5
0.5
0
0
-0.5
-1 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
Figura 3.2.21: Representación fac, facp, variograma de los residuos
y1. (1-step pred)
yv; measured
model; fit: 74.85%
20
15
y1
10
100 200 300 400 500
El coste asociado a los desvíos que se producen en esta semana es de 7 180.97 €.
108
3.3 CASO 2: SIBAYA

En este apartado se realizará el mismo estudio realizado en el caso de Laitec, se
obtendrán los costes asociados a los desvíos que se producen durante cuatro semanas
cada una perteneciente a una estación del año. Los días para los que se calculan los
costes son los siguientes:
- Invierno: 5-12 Febrero

- Primavera: 1-7 Abril
- Verano: 1-7 Julio
- Otoño: 27 Septiembre-3 Octubre
3.3.1 Semana Invierno

A partir de los datos de velocidad correspondientes a dicha semana se obtiene la
trayectoria, fac, facp y variograma. Ver Figura 3.3.1
trayectoria fac
10 1
0.5
Xn
5
0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
facp Variograma
1 8
6
0.5
4
0
2
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.3.1: Trayectoria, fac, facp, variograma correspondiente a la semana de invierno
Como la función de autocorrelación no decrece a cero tras pocos retardos y el

variograma no tiende a un valor constante, se tiene que aplicar a la serie de datos una
diferenciación de primer orden para solucionar el problema de la ausencia de
estacionariedad.
109
En la Figura 3.3.2 se puede comprobar cómo el problema de estacionariedad queda

solucionado, puesto que la función de autocorrelación decrece a cero tras pocos retardos
y el variograma tiende a un valor constante.
trayectoria fac
10 1
5 0.5
Xn
0 0
-5 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.3.2: Trayectoria, fac, facp, variograma tras diferenciación semana invierno
Los modelos que mejor se ajustan a los datos correspondientes a la semana de invierno
son el modelo ARIMA(3,1,4) y ARIMA(3,1,1). Con laFigura 3.3.3 y Figura 3.3.4 se
puede comprobar que dichos modelos son válidos puesto que los valores de la función
de autocorrelación y la función de autocorrelación parcial de los residuos
correspondientes a dichos modelos no superan los límites de Bertz.
110

10 1
5 0.5
0 0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
Figura 3.3.3: Residuos correspondientes al modelo ARIMA(6,1,3)

5 1
0.5
0
0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
111
y1. (1-step pred)
yv; measured
7 model; fit: 65.34%
4
y1
0
50 100 150 200 250 300 350 400 450 500
y1. (1-step pred)
yv; measured
4
y1
0
50 100 150 200 250 300 350 400 450 500
En la Figura 3.3.5 y Figura 3.3.6 se puede observar la comparación del modelo real con
los respectivos modelos de predicción empleados.
El coste de los desvíos para el modelo ARIMA(3,1,4) es de 316.18 € y el coste de los

desvíos para el modelo ARIMA(3,1,1) es de 314.018 €.
112
3.3.2 Semana Primavera

Con los datos de velocidad del viento correspondiente con la semana de primavera se
trayectoria fac
15 1
10 0.5
Xn
5 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
facp Variograma
1 20
15
0.5
10
0
5
-0.5 0
0 10 20 30 0 5 10 15 20
Lag

primavera
Como se puede comprobar la fac no decrece a cero tras pocos retardos y el variograma
no tiende a un valor constante, por lo tanto esta serie de datos no es estacionaria. Para
solucionar dicho problema se aplica una diferenciación de primer orden. En la Figura
3.3.8 se representa la trayectoria, fac, facp y variograma tras la aplicación de la
diferenciación y como se observar el problema de la estacionariedad queda solucionado
puesto que la fac decrece a cero tras pocos retardos y el variograma tiende a un valor
constante.
113
trayectoria fac
5 1
0.5
Xn
0
0
-5 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.3.8: Trayectoria, fac. facp, variograma tras diferenciación de primer orden
Los modelos que mejor se ajustan a esta serie de datos son el modelo ARIMA(1,1,2) y
el modelo ARIMA(4,1,0). En laFigura 3.3.9 y la Figura 3.3.10 se puede comprobar que
dichos modelos son válidos, puesto que los valores de la fac y facp correspondiente a
los residuos de los correspondientes modelos están dentro de los límites de Bertz.
y1. (1-step pred)
yv; measured
5
y1
0
50 100 150 200 250 300 350 400 450 500
Figura 3.3.9: Comparación modelo real con el modelo ARIMA(3,1,4)
114
y1. (1-step pred)
yv; measured
5
y1
50 100 150 200 250 300 350 400 450 500
Figura 3.3.10: Comparación modelo real con el modelo ARIMA(4,1,0)
El coste asociado a los desvíos correspondientes con el modelo ARIMA(1,1,2) es de

961.122 € y el coste asociado a los desvíos del modelo ARIMA(4,1,0) es de 1 011.90 €.
115
3.3.3 Semana Verano

A partir de los datos de velocidad del viento correspondiente a la semana de verano se
variograma de dichos datos. Ver Figura 3.3.11
trayectoria fac
20 1
15
0.5
Xn
10
0
5
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
facp Variograma
1 10
0.5
5
0
-0.5 0
0 10 20 30 0 5 10 15 20
Lag
Figura 3.3.11: Trayectoria, fac, facp y variograma de la semana verno
Como se puede comprobar la función de autocorrelación no decrece a cero tras pocos

retardos y el variograma no tiende a un valor constante por lo tanto, estamos ante la
falta de estacionariedad. Para solucionar la falta de estacionariedad al igual que en el
resto de semanas estudiadas se aplicará a los datos de velocidad del viento una
diferenciación de primer orden. Ver Figura 3.3.12
116
trayectoria fac
10 1
5 0.5
Xn
0 0
-5 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.3.12: Trayectoria, fac, facp y variograma tras diferenciación
Se comprueba que el problema de estacionariedad queda solucionado puesto que la fac

decrece a cero tras pocos retardos y el variograma tiende a un valor constante.
Los modelos que mejor se ajustan a dichos datos son el modelo ARIMA(3,1,3) y el
modelo ARIMA(6,1,6). En la se puede comprobar cómo dichos modelos son válidos
porque los valores de la fac y facp de los residuos correspondientes a dichos modelos no
superan los límites de Bertz. Ver Figura 3.3.13y Figura 3.3.14.
En la Figura 3.3.15 y Figura 3.3.16 se puede observar la comparación del modelo real
con los correspondientes modelos de predicción utilizados.
117

4 1
2
0.5
0
0
-2
-4 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag

4 1
2
0.5
0
0
-2
-4 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
Figura 3.3.14: Residuos correspodientes al modelo ARIMA(6,1,6)
118
y1. (1-step pred)
yv; measured
model; fit: 57.16%
10
6
y1
0
50 100 150 200 250 300 350 400 450 500
y1. (1-step pred)
yv; measured
model; fit: 56.88%
10
6
y1
0
50 100 150 200 250 300 350 400 450 500

de los desvíos asociados al modelo ARIMA(6,1,6) es de 2 420.95€.
119
3.3.4 Semana Otoño

A partir de los datos de velocidad del viento correspondiente a dicha semana se obtiene
la trayectoria, función de autocorrelación, función de autocorrelación parcial y
trayectoria fac
15 1
10 0.5
Xn
5 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
facp Variograma
1 30
0.5 20
0 10
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.3.17: Trayectoria, fac, facp, variograma correspondiente a la semana de otoño
Como se puede ver la función de autocorrelación no decrece a cero tras pocos retardos y
el variograma no tienede a un valor constante, por lo tanto, al igual que en el resto de los
casos estudiados no existe estacionariedad en los datos. Para solucionar el problema de
estacionariedad aplicamos a los datos de velocidad una diferenciación de primer orden.
120
trayectoria fac
10 1
5 0.5
Xn
0 0
-5 -0.5
0 500 1000 1500 0 20 40 60
Lag
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
Figura 3.3.18: Trayectoria, fac, facp y variograma tras la diferenciación
En la Figura 3.3.18 se representa los resultados tras la aplicación de la diferenciación,

basta con observar la fac y el variograma para comprobar que el problema de
estacionariedad está solucionado.
Los modelos que mejor se ajustan a dichos datos son el modelo ARIMA(5,1,3) y el
modelo ARIMA(2,1,0). En la Figura 3.3.19 y laFigura 3.3.20se pueden observar la
representación de fac, facp y variograma de los residuos correspondientes a dichos
modelos y como los valores de la fac y facp de los residuos no superan los límites de
Bertz, se puede afirmar que ambos modelos son válidos.
En la Figura 3.3.21y la Figura 3.3.22 se representa la comparación del modelo real con
los modelos de predicción aplicados para el cálculo de los desvíos.
121

5 1
0.5
0
0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag

5 1
0.5
0
0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag

1 1.5
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
122
y1. (1-step pred)
yv; measured
model; fit: 72.86%
12
10
8
y1
0
100 200 300 400 500
y1. (1-step pred)
yv; measured
model; fit: 73.55%
12
10
8
y1
0
100 200 300 400 500

de los desvíos asociados al modelo ARIMA(2,1,0) es de 1 495.89 €.
123
3.4 ANÁLISIS ECONÓMICO

En este apartado se estudiará los beneficios económicos que puede producir la
instalación de un dispositivo de almacenamiento en la Isla Laitec y en Sibaya, es decir,
se estudiará los beneficios que se producirían al colocar un dispositivo de
almacenamiento en los dos emplazamientos estudiados anteriormente.
Para el cálculo de dichos beneficios se debe tener en cuenta las siguientes

consideraciones:
 Si el desvío que se produce en una determinada hora (h) es mayor que cero,
como se explicó en el capítulo anterior, eso significa que la energía producida es
mayor que la energía programada. En este caso sería posible almacenar el
exceso de energía producida, siempre y cuando la capacidad de la batería lo
permita. Además al almacenamiento de esta energía supondría un beneficio
económico correspondiente al exceso de energía que se ha producido. Se puede
presentar estos dos casos:
 Si la capacidad de almacenamiento es mayor o igual que el desvío que se

produce en la hora (h), es decir, se puede almacenar toda la energía
correspondiente al desvío [cap_alm>=desv(h)]:
 Si la capacidad de almacenamiento es menor que el desvío que se

produce en la hora (h), es decir, no se puede almacenar toda la energía
correspondiente al desvío por limitación de la capacidad del dispositivo
de almacenamiento [cap_alm<desv(h)]:
Donde:
- : representa el coste que se produce en la hora h.
124
- : representa el beneficio que se produce en la hora h

producido por el dispositivo de almacenamiento.
- : representa la capacidad de almacenamiento del dispositivo
expresada en MWh.
- : representa el coste horario que existe al producirse el
exceso de energía, este coste se explica en el apartado anterior y son
obtenidos a través de REE.
- : esta variable es necesaria para cuando se necesite tomar
energía de la batería poder saber en qué nivel de carga se encuentra
dicho dispositivo.
 Si el desvío que se produce en una determinada hora h es menor que cero,

como se explico anteriormente, significa que la energía programada es mayor
que la producida realmente. Este desvío se puede compensar con la energía
almacenada en el dispositivo de almacenamiento, siempre y cuando su
capacidad lo permita. Se puede presentar los casos siguientes:
 Si la variable almacena (definida para estos casos) es mayor que el valor

absoluto del desvío producido en una determinada hora h, esto significa
que se puede compensar toda la energía correspondiente al desvío
mediante la energía almacenada en el dispositivo de almacenamiento
[almacena>abs(desv(h))]:
 Si la variable almacena es menor que el valor absoluto del desvío

producido en una determinada hora h, esto significa que no se puede
compensar toda la energía correspondiente al desvío mediante la energía
almacenada en el dispositivo de almacenamiento
[almacena<abs(desv(h))]:
125
Donde:
- : representa el precio horario de la electricidad,
dichos precios se obtienen de REE y están expresado en €/MWh.
 Para los cálculos se ha supuesto que la batería está completamente cargada.
En primer lugar se considerará que los parques de los emplazamientos a estudiar

están ya completamente montados, es decir, que no se tendrá en cuenta la inversión
inicial la compra de los aerogeneradores porque se realiza el estudio económico
partiendo de que el emplazamiento es rentable. Por lo tanto para dicho análisis:
 Se tomará como inversión inicial la compra del dispositivo de

almacenamiento.
 Los beneficios serán la suma del ahorro producido en los costes asociados a
los desvíos y la suma del beneficio producido con la venta de energía, todo
esto es posible gracias al dispositivo de almacenamiento. Para el cálculo de
los beneficios anuales se tomará los beneficios correspondientes a las cuatro
semanas que se han estudiado, como cada semana representa a una estación
del año y cada estación tiene una duración de tres meses aproximadamente y
cada mes tiene cuatro semanas, por lo tanto, se toman los beneficios
semanales y se multiplican por 12, de esta forma ya tenemos los beneficios
anuales.
 Se debe tener en cuenta los costes anuales de mantenimiento de dicho
dispositivo.
 Para que la instalación de dicho dispositivo de almacenamiento sea rentable
el periodo de retorno debería ser menor a siete años aproximadamente.
Si se realiza el estudio económico global del parque eólico se tendrá en cuenta lo

siguiente:
 La inversión inicial constará de la compra de los aerogeneradores (en dicho

precio ya se incluye obra e infraestructura) y la compra del sistema de
almacenamiento.
El precio de los aerogeneradores esta en torno a 1M€/MW instalado y
ambos emplazamientos estudiados constan de 24 aerogeneradores cada uno.
 Los beneficios correspondientes a la venta de energía, se supone que no hay
restricciones en esta venta, es decir, que se vende lo que se produce y los
beneficios asociados a la instalación de la batería (estos beneficios están
explicados en el párrafo anterior).
A continuación se mostrarán los resultados numéricos obtenidos en ambos

emplazamientos.
126
3.4.1 Caso1: Isla Laitec

En primer lugar se estudiará el periodo de retorno de la instalación del dispositivo de
almacenamiento, solo se tendrá en cuenta el precio de dicho dispositivo como inversión
inicial como se ha comentado anteriormente.
Para dimensionar la capacidad de almacenamiento de la batería se verá los máximos

desvíos producidos en cada semana estudiada. Dichos desvíos son los siguientes:
 Semana primavera: 7.22 MWh

 Semana verano: 36.9589 MWh
 Semana invierno: 12.796 MWh
 Semana otoño: 75.26 MWh
La batería que se ha tomado es la de Sodio-Sulfuro por ser la más económica, presenta

bajos costes de mantenimiento y además el rendimiento es alto. El coste de dicha batería
es de 195000 €/MWh y el coste anual de mantenimiento es de 10 €/MWh.
Para dimensionar la capacidad de dicha batería comenzaremos probando con la

capacidad correspondiente al máximo desvío producido, es decir, con 76 MWh. En la
Tabla 3.4.1 se puede ver los resultados numéricos correspondientes a dicha capacidad
de almacenamiento. Como se puede comprobar al ser la inversión inicial tan cuantiosa
el periodo de retorno es mucho mayor a siete años, por lo tanto, no es rentable dicha
capacidad de almacenamiento.
Tabla 3.4.1: Cálculos numéricos para 76 MWh de capacidad
Inversión inicial 14 820 000 €

Coste mantenimiento 760 €
Beneficio semana invierno 5 105.12 €
Beneficio semana otoño 23 180.52 €
Beneficio semana primavera 2 311.90 €
Beneficio semana verano 7 294.88 €
Beneficio anual 453 949.04 €
A continuación se estudiará la rentabilidad de una capacidad de almacenamiento de 37

MWh. En la Tabla 3.4.2 se recogen los resultados numéricos correspondientes a dicha
capacidad de almacenamiento, como se puede observar el coste de la inversión inicial
sigue siendo muy alto y por lo tanto, el periodo de retorno sigue siendo mayor a siete
años y por consiguiente no resulta rentable dicha capacidad de almacenamiento.
127

Los resultados numéricos que se obtienen para una capacidad de almacenamiento de 15

MWh se recogen en laTabla 3.4.3. En este caso el periodo de retorno es de 7.23 años.

Beneficio semana verano 6601.1 €
Se acaba de ver que para una capacidad de almacenamiento de 15 MWh el periodo de

retorno es de 7.23 años por lo tanto, para capacidades inferiores a esta la instalación de
una batería resultará rentable hasta un cierto límite. A continuación se irá probando con
capacidades inferiores hasta encontrar la mejor capacidad de almacenamiento.
En la Tabla 3.4.4 se muestran los resultados para una capacidad de almacenamiento de 8

MWh, el periodo de retorno para dicha capacidad es de 4.47 años.

Beneficio anual 348 838 €
En la Tabla 3.4.5 se recogen los resultados numéricos para 4 MWh de capacidad de

almacenamiento y el periodo de retorno que se obtiene es de 2.86 años.
128
Tabla 3.4.5: : Cálculos numéricos para 4 MWh de capacidad
Inversión inicial 780 000 €

Beneficio anual 271 856 €
En la Tabla 3.4.6 se recogen los resultados numéricos correspondientes para una

capacidad de almacenamiento de 2 MWh. Esta es la opción más rentable con un periodo
de retorno de 1.49 años.

En la Tabla 3.4.7 se recoge los resultados correspondientes al estudio global del

emplazamiento, con dichos resultados se puede comprobar que el periodo de retorno de
dicha instalación es mayor de diez años, por lo tanto llevar a cabo este proyecto no es
viable económicamente. Estos cálculos se han realizado con la capacidad de
almacenamiento de 2 MWh.
Tabla 3.4.7: Cálculos numéricos correspondientes al estudio global del emplazamiento

Beneficio semana otoño 49863.65 €
Beneficio semana verano 39928.1€
Beneficio anual 2 062 000 €
129
3.4.2 Caso 2: Sibaya

En este apartado se actuará de forma idéntica al apartado anterior. Para el cálculo de la
capacidad del sistema de almacenamiento en primer lugar se obtiene los desvíos
máximos producidos en cada semana. Dichos desvíos máximos son los siguientes:
 Semana invierno: 2.78MWh

 Semana primavera: 6.34 MWh
 Semana otoño: 9.92 MWh
 Semana verano: 33.13 MWh
Como se vio en el caso de la isla de Laitec, si tomamos el mayor desvío que se produce
para la capacidad del sistema de almacenamiento estaríamos sobredimensionando la
batería, siendo entonces la inversión inicial muy alta y el periodo de retorno mucho
mayor de siete años y por lo tanto, no rentable la instalación de dicho dispositivo de
almacenamiento.
Comenzaremos con una capacidad de almacenamiento de 3 MWh. Los correspondientes

resultados numéricos se recogen en la Tabla 3.4.8. El periodo de retorno que se obtiene
para dicha capacidad de almacenamiento es de 3.55 años.
Tabla 3.4.8: Cálculos numéricos correspondientes a 3MWh de capacidad de

almacenamiento

A continuación estudiaremos el caso de 1.5 MWh de capacidad de almacenamiento. En

la Tabla 3.4.9 se recogen los resultados obtenidos para dicha capacidad de
almacenamiento, siendo el periodo de retorno de la compra de la batería de 2.23 años.
Tabla 3.4.9: Cálculos correspondientes a 1.5MWh de capacidad de almacenamiento

Beneficio semana verano 3 397.95€
130
Para los cálculos del estudio económico global del parque emplearemos una capacidad
de almacenamiento de 1.5MWh por ser la que presenta un menor periodo del retorno.
En este emplazamiento el coste de la inversión inicial debido a la compra de los
aerogeneradores es el mismo que en el caso de Laitec puesto que ambos están
compuestos de 24 torres cada uno. En la Tabla 3.4.10 se recogen los resultados
numéricos correspondientes a dicho estudio global, como se puede observar la inversión
inicial debida a la compra de las torres eólicas es muy alta con respecto a los beneficios
anuales y por lo tanto, el periodo de retorno de este proyecto es mayor de 10 años por lo
que, no resulta rentable.
Tabla 3.4.10: Cálculos correspondientes al estudio económico global

Beneficio anual 1 694 000 €
Como conclusión del estudio económico realizado se obtiene que si partimos de un

parque eólico ya instalado, es decir, para estudiar solo la rentabilidad de la instalación
de dispositivos de almacenamiento en ambos emplazamientos es rentable la instalación
de baterías con bajas capacidades de almacenamiento, esto es debido a su alto coste de
adquisición. Pero si partimos desde cero, es decir, teniendo en cuenta la compra de las
torres y el sistema de almacenamiento en ninguno de los dos emplazamientos se obtiene
que sea rentable realizar el proyecto.
131
de energía
Conclusiones
A lo largo del documento de presentación y desarrollo del proyecto “Optimización de la
operación de un parque eólico con sistema de almacenamiento de energía” se han
desarrollado varios puntos de interés, como la descripción del recurso eólico y todos los
parámetros más importantes de caracterización de una instalación eólica, el estudio de
cómo influyen las estelas en el rendimiento de los generadores que forman el parque,
mostrando especial interés en la distribución de dichos aerogeneradores en el parque.
Por último, la obtención de un programa en Matlab capaz de determinar los costes
asociados a los desvíos que se producen en la programación de la energía eléctrica.
A continuación se van a desarrollar de forma más detallada las principales conclusiones

obtenidas de cada capítulo en los que se divide el presente texto. En primer lugar, la
caracterización de parques eólicos se ha desarrollado a través de tres bloques
conceptuales básicos. Los recursos eólicos, donde se ha descrito las ideas básicas de
obtención de energía eléctrica a partir de la energía del viento, la formación de vientos y
el tratamiento que reciben los vientos para decidir si un cierto emplazamiento es
favorable para la localización de un parque eólico, como las campañas de medición o el
estudio de los datos obtenidos a través de la rosa de los vientos. Además, se han
estudiado distintos factores que influyen en la velocidad del viento y que se pueden
encontrar de forma habitual en un emplazamiento. En ellos está la rugosidad del terreno,
efecto que hace que la velocidad del viento sea variable con la altura, importante ya que
las torres de los aerogeneradores son muy altas en comparación con las torres de
medición meteorológicas. Los obstáculos presentes, los cuales producen turbulencias en
el viento e incluso pueden ofrecer abrigo el algunas zonas, parando el viento o los
efectos túnel y colina, los cuales producen fuertes aceleraciones en el viento gracias a
una orografía muy accidentada, con la presencia de elevaciones y valles.
En la caracterización de parques eólicos es importante determinar como se obtiene la

energía a partir del viento. En este bloque se han desarrollado de forma clara las
fórmulas matemáticas establecidas para la transformación de la energía cinética del
viento en energía eléctrica. Como se llevan dichas ecuaciones a la transformación real
de energía en los aerogeneradores y el modelado de dicha conversión a través de
gráficas potencia-velocidad para las turbinas. Adicionalmente, se obtiene la distribución
Weibull de los dos emplazamientos estudiados obteniendo, que la muestra de vientos de
la Isla de Laitec se ajusta mejor a dicha distribución que la muestra de vientos recogidos
de Sibaya. Por último en el primer capítulo, se estudia que distribución de
aerogeneradores optimiza la obtención de la potencia teniendo en cuenta el efecto de las
estelas. Para dicho estudio se utiliza el código de Matlab empleado por Ana María
Ropero Tagua en el proyecto “Estudio de la Influencia del Microemplazamiento Sobre
el Rendimiento de las Plantas Eólicas”. Para ambos emplazamientos estudiados se
obtiene que la distribución que optimiza la obtención de potencia eléctrica es la
132
de energía
distribución tresbolillo. Destacar que el modelo matemático que se sigue para la

influencia de las estelas en el modelo Jensen puesto que los resultados que se obtienen
son fiables y existe una gran simplificación de cálculos numéricos en comparación con
otros modelos.
En el segundo capítulo, se expone la evolución de la energía eólica hasta la actualidad y

de cómo ha ido evolucionando con el transcurso de los años. Para la obtención de los
desvíos que se producen se necesita un método de predicción, en dicho capítulo se
explica diferentes métodos de predicción pero finalmente el método de predicción que
se seguirá es un modelo ARMA. Con este modelo de predicción se obtiene la energía
eléctrica programa, la cual se pretende que sea lo más parecida posible a la energía
producida reduciendo de esta forma los correspondientes desvíos. También se expone
ejemplos para identificación del grado de los polinomios de dichos modelos a través del
estudio de las gráficas de autocorrelación y variogramas. Una vez que se tiene los
desvíos producidos se puede obtener sus correspondientes costes, para la obtención de
dichos costes se debe tener en cuenta si el desvío es mayor o menor que cero, puesto
que, existen costes asociados a los desvíos por menor o mayor producción. Todas estas
consideraciones se tienen en cuenta en el código Matlab empleado para ello.
Adicionalmente, en este capítulo se explica los diferentes métodos de almacenamiento
existentes y finalmente el que se toma para el estudio es una batería de Sodio-Sulfuro
por tener el menor coste de adquisición.
En el último capítulo en primer lugar, se obtiene los costes asociados a los desvíos
producidos en los dos emplazamientos estudiados durante las cuatro semanas de
estudio. Una vez que se tienen dichos costes, se estudia la rentabilidad económica de la
instalación de un sistema de almacenamiento. Para dicho estudio económico en primer
lugar, se debe obtener la capacidad de almacenamiento de dicho dispositivo, para esto lo
que se hace es tomar el mayor desvío producido en cada instalación estudiada y se
comienza a estudiar la rentabilidad económica tomando como capacidad de
almacenamiento el máximo desvío producido. Como el coste de adquisición de dichos
dispositivos es muy alto y obviamente dicho coste de adquisición aumenta
proporcionalmente con la capacidad de almacenamiento, la capacidad del dispositivo
que hace rentable la instalación de la batería es relativamente baja en comparación con
el mayor desvío que se produce. Para el estudio de la rentabilidad económica de dichos
dispositivos en primer lugar, se parte de que la batería se encuentra completamente
cargada y partir de aquí se debe tener en cuenta cuando la batería se encuentra con
energía suficiente para equilibrar los desvíos “negativos” y cuando la batería se
encuentra con capacidad suficiente para almacenar los desvíos “positivos” que se
producen. Todas las consideraciones necesarias se tienen en cuenta en el código matlab
empleado para dicho estudio.
Finalmente, si en el estudio económico se parte de un parque eólico ya instalado en el

que sólo se estudia la rentabilidad económica de la instalación de un dispositivo de
almacenamiento en ambos emplazamientos, es rentable la colocación de dicho
133
de energía
dispositivo de almacenamiento. Sin embargo, si se parte de un estudio global, es decir,

teniendo en cuenta la adquisición de los aerogeneradores, por la distribución de vientos
de cada emplazamiento y por dichos costes, en ambos casos, se obtiene que no es
rentable la colocación del parque eólico en dichos emplazamientos. Se debe tener en
cuenta que para dicho estudio económico no se ha tenido en cuenta ninguna prima.
Dicho estudio se realiza teniendo en cuenta que cada emplazamiento consta de 24
aerogeneradores.
En definitiva, concluir que para el diseño de un parque eólico hay que optimizar una
gran cantidad de variables. Para algunos de estos factores se presentan a lo largo del
presente proyecto rangos y aproximaciones aceptables.
Una posible continuación para dicho proyecto podría ser el estudio de los desvíos de
energía mensuales y no semanales. De esta forma, se podría conseguir unos resultados
más reales. También se podría tener en cuenta las primas correspondientes para el
estudio económico global del parque.
134
Bibliografía
BIBLIOGRAFÍA
[1] Operation and sizing of energy storage for wind power plants in a market
system.2003.
[2] Curso de Física Ambiental. 2011
[3] Peña Capilla R.Energía Eólica. Julio 2010 ed.: Ediciones Roble, S.L;
2010
[4] Wind turbine algorithms, E.L van der Hooft; P.Schaak; T.G. van
Engelen. 2003, Diciembre
[5] Danish Wind Industry Association. http://www.windpower.org/
[6] Dynamic Sizing of Energy Storage for Hedging Wind Power Forecast
Uncertainty.
[7] The Role of Energy Storage in Helping Global Energy Problems become
gone with The Wind by Ilya Tsinis. 2009, Abril.
[8] Electrical Power & Energy System. http://www.elsevier.com/.
[9] Comisión Nacional de la Energía.CNE. http://www.cne.es/cne/Home.
[10] Empresa Red Eléctrica de España. REE. http://www.ree.es/.
[11] Página Oficial de Matlab. http://www.mathworks.es/.
[12] Ministerio de Industria, Turismo y Comercio. Gobierno de España.
[13] Asociación Empresarial Eólica. AEE. http://www.aeeolica.org/.
[14] Electric Power Research Institute. http://www.epri.com/.
[15] Electricity Storage Association (ESA). http://www.energystorage.org/.
[16] Ana María Ropero Tagua, Estudio de la Influencia del

Microemplazamiento Sobre el Rendimiento de las Plantas Eólicas. 2011
Noviembre;3.
135
Bibliografía
[17] Julio César Cuenca Tinitana, Desarrollo de un sistema de control

predictivo.
[18] Real Decreto 661/2007. Disponible en Sede electrónica de la Agencia

Estatal Boletín Oficial del Estado. http://www.boe.es/.
[19] Mercado de Electricidad (OMIE). http://www.omie.es/.
[20] Asociación de productores de energías renovables. http://www.appa.es/.
[21] A.Muñoz, “Aplicación de Técnicas de Redes Neuronales Artificiales al

Diagnóstico de Procesos Industriales”, Tesis Doctoral, Universidad Pontificia
Comillas de Madrid. 1996.
[22] EGIDO, Daniel (2011): “Gestión de las Interconexiones Internacionales”.

Red Eléctrica de España.
[23] RASTLER, D.: “Electricity Energy Storage Technology Options”.

Electric Power Research Institute
[24] DL YAO, SS CHOL, et al. (2008): “Determination of Capacity and

Performance of Battery Energy Storage Systems Used in Renewable Power
Generation Schemes”
136
Anexo A
Anexo A
De la Figura A. 1a la Figura A. 10 se representan los costes de los desvíos correspondientes a cada semana estudiada necesarios para los cálculos
realizados en el capítulo anterior.
Figura A. 1: Costes de los desvíos por menor producción correspondiente a la semana de invierno
137
Anexo A
Figura A. 2: Costes de los desvíos por mayor producción correspondiente a la semana de invierno
138
Anexo A
Figura A. 3: Costes de los desvíos por menor producción correspondiente a la semana de otoño (septiembre)
139
Anexo A
Figura A. 4: Coste de los desvíos por mayor producción correspondiente a la semana de otoño (septiembre)
140
Anexo A
Figura A. 5: Coste de los desvíos por menor producción correspondiente a la semana de otoño (octubre)
141
Anexo A
Figura A. 6: Coste de los desvíos por mayor producción correspondiente a la semana de otoño (octubre)
142
Anexo A
Figura A. 7: Coste de los desvíos por menor producción correspondiente a la semana de primavera
143
Anexo A
Figura A. 8: Coste de los desvíos por mayor producción correspondiente a la semana de primavera
144
Anexo A
Figura A. 9: Coste de los desvíos por menor producción correspondiente a la semana de verano
145
Anexo A
Figura A. 10: Coste de los desvíos por mayor producción correspondiente a la semana de verano
146
Anexo B
Anexo B
Desde la Figura B. 1 hasta la Figura B. 2 se muestran los precios horarios medios finales de la Demanda Nacional correspondientes a cada una de las
semanas estudiadas.
Precio horario final medio de la Demanda Nacional (EUR/MWh)

Día 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
M 07 56.18 45.57 37.55 32.19 35.95 37.03 42.82 59.14 71.30 74.92 74.66 72.30 71.88 63.63 63.88 58.43 54.28 64.14 73.46 84.58 85.02 84.27 69.93 63.04
X 08 54.90 40.95 33.68 28.85 25.15 35.29 42.49 61.78 74.61 75.22 73.31 68.04 70.61 63.69 64.73 63.12 63.24 68.22 84.99 98.10 99.77 100.90 80.64 67.39
J 09 59.93 53.84 47.29 42.27 42.09 43.58 49.37 61.82 76.23 76.65 78.95 78.21 79.61 73.97 72.88 67.33 67.13 73.71 85.51 94.15 91.95 88.25 73.90 64.58
V 10 54.28 53.82 41.55 40.46 39.65 40.89 46.27 61.79 75.98 76.08 79.04 76.13 78.41 73.25 72.38 64.77 64.39 73.58 82.36 90.05 87.67 86.07 76.05 72.27
S 11 76.91 66.23 56.63 53.84 51.45 47.27 47.94 53.83 54.71 60.28 64.75 64.85 63.54 62.57 64.07 61.65 57.75 61.50 79.02 83.48 80.87 78.87 71.06 68.16
D 12 68.39 60.01 50.18 39.31 37.67 35.10 35.53 40.10 40.08 44.90 51.81 54.82 57.90 57.45 57.19 56.85 56.51 58.75 71.80 79.96 81.97 85.96 78.91 76.11
L 13 57.91 46.28 13.05 11.45 9.04 12.00 44.50 63.30 73.02 73.83 75.07 72.66 70.86 66.00 64.88 64.80 63.33 70.61 85.91 93.61 93.14 89.64 80.12 62.76
Figura B. 1: Precio horario final correspondiente a la semana de invierno (mes febrero)
147
Anexo B

día 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
J 27 58.42 58.62 56.70 53.72 49.10 50.47 58.40 60.72 64.82 67.06 72.44 64.96 64.96 91.24 65.15 62.63 62.32 63.22 64.15 64.54 63.47 63.18 59.81 45.88
V 28 55.35 47.30 43.16 40.01 34.52 37.73 44.21 54.50 61.95 62.71 62.89 65.00 65.17 65.14 63.49 60.97 58.85 58.58 58.72 54.73 61.26 59.59 55.74 54.46
S 29 90.06 96.93 91.82 52.18 38.11 27.63 27.38 35.03 31.49 40.10 44.41 45.92 49.73 50.84 47.29 47.68 46.50 44.94 51.43 57.04 63.50 65.05 61.48 63.22
D 30 60.80 44.22 25.01 32.56 32.01 39.01 38.64 39.34 44.51 48.33 53.74 56.93 58.24 63.06 62.45 59.81 60.90 60.50 62.19 66.57 76.69 84.13 77.06 69.50
L 01 70.99 64.50 62.04 60.53 59.26 60.34 62.86 64.56 69.63 71.05 70.33 69.58 69.75 70.22 69.65 68.96 67.72 68.91 66.42 65.02 73.69 74.20 68.67 63.48
M 02 62.86 61.39 59.87 58.98 54.43 58.40 62.19 64.41 67.67 70.64 72.25 71.59 71.60 71.52 69.31 67.28 66.30 66.38 66.52 66.58 77.24 74.84 70.53 63.57
X 03 62.72 59.02 54.29 49.32 46.08 46.47 59.45 63.91 67.81 69.59 69.90 69.91 70.37 68.10 64.81 62.95 61.58 64.29 63.95 63.24 79.97 75.06 67.95 64.30
Figura B. 2: Precio horario final correspondiente a la semana de invierno (meses septiembre y octubre)

Día 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
D 01 64.61 60.28 57.42 58.23 55.89 56.36 46.92 46.27 42.72 48.71 58.69 59.80 59.08 58.13 57.98 56.10 48.41 50.86 53.62 57.67 68.81 76.30 69.70 64.55
L 02 61.39 57.99 45.80 43.00 42.45 44.18 56.75 66.89 80.56 79.16 80.44 79.13 75.26 73.16 65.53 64.34 60.99 60.84 61.70 63.74 68.28 71.78 64.19 59.72
M 03 59.97 50.43 49.01 43.49 43.54 45.04 57.21 61.48 66.72 69.87 72.47 75.65 70.94 66.50 64.15 60.96 58.81 58.82 60.65 61.07 64.03 68.48 62.10 57.61
X 04 59.06 48.11 44.84 43.35 42.78 44.53 56.88 63.11 67.47 70.09 73.13 73.09 70.09 66.16 65.23 64.00 61.72 59.45 63.20 64.37 66.07 68.93 61.11 58.71
J 05 56.51 48.12 47.58 47.60 46.70 47.88 54.16 61.70 62.31 66.63 71.90 69.83 72.25 67.39 64.32 61.17 52.62 50.93 49.75 53.13 62.13 74.20 69.33 59.91
V 06 71.08 66.35 61.86 59.92 58.76 59.37 58.43 59.84 52.63 60.95 65.83 64.60 63.16 55.89 52.03 47.04 50.15 45.86 49.88 56.85 65.34 67.02 66.24 60.63
S 07 65.15 61.52 49.90 49.01 45.26 44.65 47.49 49.53 48.60 55.72 59.35 53.82 57.33 51.25 49.28 46.41 44.48 49.05 53.69 58.81 70.91 69.74 65.95 58.90
148
Anexo B
Figura B. 3: Precio horario final correspondiente a la semana de primavera (mes de abril)

Día 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
D 01 61.24 45.05 39.29 38.98 36.29 39.40 37.06 34.49 29.87 38.14 43.86 47.62 53.38 60.47 53.70 49.66 44.55 44.82 49.05 60.08 68.05 72.45 88.89 82.05
L 02 74.11 64.28 58.33 53.89 54.53 56.04 56.22 62.85 67.65 67.62 70.17 75.38 76.20 77.37 75.01 74.88 74.76 74.60 74.52 72.88 70.05 70.53 68.95 68.11
M 03 65.63 61.16 55.60 53.26 52.58 52.92 58.07 60.51 65.75 68.38 71.74 76.42 76.28 76.84 72.33 70.68 70.02 69.67 68.67 67.47 67.92 67.75 66.19 63.76
X 04 59.39 55.90 46.25 42.53 39.32 42.19 51.75 57.81 63.31 63.47 73.34 70.43 73.07 74.18 68.72 67.44 66.69 64.48 63.77 61.71 63.79 62.60 61.13 59.54
J 05 55.24 50.09 43.92 39.83 37.30 40.01 46.41 54.05 58.59 60.70 65.68 67.88 72.05 72.40 65.34 62.28 58.48 56.74 54.04 52.29 56.93 56.70 59.66 58.09
V 06 61.27 58.08 53.27 48.34 44.50 52.01 54.09 57.39 65.08 68.07 68.93 72.15 74.55 71.89 67.61 64.45 63.18 63.13 63.03 61.72 61.20 61.28 64.72 63.07
S 07 69.78 65.20 61.18 59.08 58.55 54.50 56.01 56.89 56.18 56.22 63.44 63.33 62.76 58.28 52.64 49.52 48.59 45.37 45.88 48.23 50.81 52.77 66.17 66.88
Figura B. 4: Precio horario final correspondiente a la semana de verano (mes de Julio)
149
Anexo B
150

Texto Completo

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Texto Completo

Transféré par

Droits d'auteur :

Formats disponibles

Universidad de Sevilla

Escuela Superior de Ingenieros

Proyecto Fin de Carrera

Optimización de la operación de un parque

Cecilia Mateo Gordillo

Sevilla, 11 de Abril de 2014

2.2.5.3 Servicios de ajuste gestionados por el Operador del Sistema

3.3.4 Semana Otoño ................................................................................................... 120

Figura A. 1: Costes de los desvíos por menor producción correspondiente a la semana

Figura A. 3: Costes de los desvíos por menor producción correspondiente a la semana

Figura B. 1: Precio horario final correspondiente a la semana de invierno (mes febrero)

El texto es dividido en tres capítulos, describiéndose dentro de cada uno de ellos un

En el segundo capítulo se desarrolla la situación actual eólica a nivel mundial, se

Capítulo 1 Aspectos Generales

1.1DESCRIPCIÓN DE LA ENERGÍA EÓLICA

Figura 1.1.1 : Turbina eólica de Brush en Cleveland ( 12 kW, 17 m) [2]

Figura 1.1.2 : Aerogeneradores La Cour [2]

Todas las fuentes de energía renovables (excepto la maremotriz y la geotérmica),

 Desigual calentamiento de la tierra

Figura 1.1.3 : Representación esquemática del movimiento del aire [2]

 Influencia en el viento de la fuerza de Coriolis

Figura 1.1.4 : Movimiento de vientos alrededor del planeta [3]

 Variación del viento en la meso-escala: brisas marinas

 Variación del viento en la meso-escala: vientos de montaña

Figura 1.1.5: Brisa de ladera en las montañas [4]

 Factores influyentes en la velocidad del viento:

RUGOSIDAD: mide la disminución de la velocidad del viento a causa de la fricción

Tabla 1.1.1: Longitud y clase de rugosidad

Clase de Longitud de Índice de Tipo de paisaje

0 0.0002 100 Superficie del agua.

Terreno completamente abierto con una

Área agrícola abierta sin cercados n

Pueblos, ciudades pequeñas, terreno

Ciudades más grandes con edificios

Ciudades muy grandes con edificios

-CIZALLAMIENTO: el cizallamiento es la consecuencia directa de la rugosidad de la

correspondiente a la distribución de Weibull se explica los componentes de dicha

Cizallamiento del viento

Figura 1.1.6: Cizallamiento del viento

- EFECTO TÚNEL: es el resultado de la circulación del viento por un paso

Figura 1.1.7 : Efecto Túnel [4]

- EFECTO COLINA: es la aceleración del viento en lugares donde existe un

Normalmente se suele utilizar la distribución de Weibull; se trata de una distribución de

El parámetro de forma k indica cómo de puntiaguda es la distribución de velocidades

Las ecuaciones ( 1.2.1 )y ( 1.2.2 ) representan las la función de distribución y la función

Identificando términos en las ecuaciones ( 1.2.4 ) y ( 1.2.5 ) se obtienen los términos de

Estación: Isla Laitec, Comuna de Quellón X Región, Chile

Periodo: 1 de Noviembre de 2002 al 31 de Octubre de 2003

Anemómetro situado a 20m

Frecuencia Frecuencia Función de

En la Tabla 1.1.1 se puede apreciar que la velocidad mínima y máxima tomada en

Figura 1.2.1 : Línea de tendencia correspondiente a la Isla de Laitec

Por lo tanto, el valor de k es 1.686 y el valor de c es 5.349 m/s.

Con dichos parámetros se puede proceder a la obtención del histograma de frecuencia

Figura 1.2.2: Histograma de frecuencia de velocidades de viento y función de densidad de

Estación: Sibaya, Comuna de Huara I Región, Chile

Periodo: 17 de Diciembre 2003 al 31 de Diciembre de 2004

Anemómetro situado a 20m

Frecuencia Frecuencia Función de

Figura 1.2.3: Línea de tendencia correspondiente a Sibaya

Como se puede observar, el valor de la pendiente es de 1.4247, es decir, el valor de k y

Figura 1.2.4: Histograma de frecuencia de velocidades de viento y función de densidad de

Góndola: En su interior contiene los diferentes dispositivos que van a transformar la

Generador: Transforma la energía mecánica en energía eléctrica, tal y como hace la