Académique Documents
Professionnel Documents
Culture Documents
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
Optimización de la operación de un parque eólico con sistema de almacenamiento
de energía
ii
Optimización de la operación de un parque eólico con sistema de almacenamiento
de energía
iii
Optimización de la operación de un parque eólico con sistema de almacenamiento
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
Optimización de la operación de un parque eólico con sistema de almacenamiento
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
Optimización de la operación de un parque eólico con sistema de almacenamiento
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 3.2.16: Residuos modelo ARIMA(6,1,6) .......................................................... 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
Figura 3.3.7: Trayectoria, fac, facp, variograma correspondiente a la semana de
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 3.3.15: Comparación modelo real con modelo ARIMA(3,1,3) ........................ 119
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 3.3.19: Residuos modelo ARIMA(5,1,3) .......................................................... 122
Figura 3.3.20: Residuos modelo ARIMA(2,1,0) .......................................................... 122
Figura 3.3.21: Comparación modelo real con modelo ARIMA(5,1,3) ........................ 123
Figura 3.3.22: Comparación modelo real con modelo ARIMA(2,1,0) ........................ 123
vi
Optimización de la operación de un parque eólico con sistema de almacenamiento
de energía
vii
Optimización de la operación de un parque eólico con sistema de almacenamiento
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 3.4.2: Cálculos numéricos para 37 MWh de capacidad ..................................... 128
Tabla 3.4.3: Cálculos numéricos para 15 MWh de capacidad ..................................... 128
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.
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
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
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
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.
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
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].
5
Aspectos Generales
6
Aspectos Generales
180
160
140
120
altura (m)
100
80
60
40
20
0
0 2 4 6 8 10 12
velocidad (m/s)
( 1.1.1)
7
Aspectos Generales
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.
( 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 )
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
Tabla 1.2.1: Función de densidad para las distintas velocidades del viento
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)
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]
12
Aspectos Generales
Tabla 1.2.2: Función de densidad para las diferentes velocidades del viento
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)
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]
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.
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
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:
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.
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.
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.
Además, habrá que tener en cuenta el rendimiento de los diversos mecanismos que
componen el aerogenerador.
18
Aspectos Generales
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 )
( 1.3.3 )
19
Aspectos Generales
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:
20
Aspectos Generales
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
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)
22
Aspectos Generales
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.
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
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.
30%
20%
10%
8 - 8.5
7.5 - 8
7 - 7.5
6.5 - 7
6 - 6.5
5.5 - 6
5 - 5.5
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.
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:
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.
Siendo:
26
Aspectos Generales
( 1.4.1 )
( 1.4.2 )
( 1.4.3 )
( 1.4.4 )
( 1.4.5 )
( 1.4.6 )
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.
27
Aspectos Generales
obtener con las condiciones de viento dadas, sin tener en cuenta los efectos de las
estelas.
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
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)
( 1.4.7)
Donde:
29
Aspectos Generales
0.1
0.08
Frecuencia
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35 40 45 50
Velocidad
30
Aspectos Generales
30%
20%
10%
1000 - 1100
900 - 1000
800 - 900
700 - 800
600 - 700
500 - 600
400 - 500
30%
20%
10%
8 - 8.5
7.5 - 8
7 - 7.5
6.5 - 7
6 - 6.5
5.5 - 6
5 - 5.5
31
Aspectos Generales
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.
32
Aspectos Generales
1600
1400
1200
Frecuencia
1000
800
600
400
200
0
0 500 1000 1500 2000 2500 3000
Velocidad
33
Aspectos Generales
34
Aspectos Generales
2000
1500
Frecuencia
1000
500
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Velocidad
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
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
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)
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
0.12
0.1
Frecuencia
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35 40 45 50
Velocidad
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
38
Aspectos Generales
40%
30%
20%
10%
8- 9
7- 8
6- 7
5- 6
4- 5
3- 4
2- 3
1- 2
Los resultados que se obtienen sin tener en cuenta el efecto de las estelas, se recogen en
la Tabla 1.4.4.
39
Aspectos Generales
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
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.
42
Caracterización de Parques Eólicos
43
Caracterización de Parques Eólicos
44
Caracterización de Parques Eólicos
Figura 2.2.5 se puede observar la evolución mundial de potencia eólica instalada [13]
45
Caracterización de Parques Eólicos
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.
46
Caracterización de Parques Eólicos
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.
Figura 2.2.6: Reparto de la potencia instalada en el sistema eléctrico nacional español por
tecnologías [13]
47
Caracterización de Parques Eólicos
Figura 2.2.7: Evolución anual de la potencia instalada por tecnologías (2006-2011) [13]
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%.
48
Caracterización de Parques Eólicos
Figura 2.2.9: Reparto por sociedades propietarias de la potencia eólica instalada en 2011
[13]
49
Caracterización de Parques Eólicos
A continuación se destacan los puntos más importantes del marco regulatorio que
atañen a la energía eólica:
50
Caracterización de Parques Eólicos
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.
51
Caracterización de Parques Eólicos
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:
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.
52
Caracterización de Parques Eólicos
En relación con el desarrollo del estudio se esperan obtener las siguientes conclusiones:
53
Caracterización de Parques Eólicos
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:
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.
54
Caracterización de Parques Eólicos
55
Caracterización de Parques Eólicos
Además de con Francia, España está interconectada con Portugal y Marruecos, tal y
como se muestra en la figura Figura 2.2.11.
56
Caracterización de Parques Eólicos
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.
57
Caracterización de Parques Eólicos
58
Caracterización de Parques Eólicos
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.
59
Caracterización de Parques Eólicos
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).
60
Caracterización de Parques Eólicos
Regulación primaria
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
61
Caracterización de Parques Eólicos
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.
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.
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.
62
Caracterización de Parques Eólicos
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.
63
Caracterización de Parques Eólicos
Gestión de la demanda.
Gestión de la producción.
Mercado.
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.
Volantes de inercia.
Supercondensadores.
64
Caracterización de Parques Eólicos
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.
Baterías de Litio-Ión.
Baterías avanzadas de Plomo-Ácido.
Baterías de Sodio-Sulfuro.
Baterías redox de Vanadio.
Baterías redox de Zinc-Bromo.
Tecnología empleada
Características
Ventajas
Inconvenientes
Casos reales de aplicación
65
Caracterización de Parques Eólicos
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.
Empaquetamiento especial
Circuito interno de protección ante sobrecargas
66
Caracterización de Parques Eólicos
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.
En contraposición, estas baterías tienen una serie de inconvenientes, entre los que
destacan:
67
Caracterización de Parques Eólicos
68
Caracterización de Parques Eólicos
69
Caracterización de Parques Eólicos
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.
70
Caracterización de Parques Eólicos
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
Caracterización de Parques Eólicos
Destacar que el valor de rendimiento mostrado en la Tabla 2.3.1, viene dado como
resultado del producto de los siguientes rendimientos:
72
Caracterización de Parques Eólicos
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.
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.
73
Caracterización de Parques Eólicos
Formalmente,
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
74
Caracterización de Parques Eólicos
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
Caracterización de Parques Eólicos
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.
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
76
Caracterización de Parques Eólicos
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:
77
Caracterización de Parques Eólicos
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
78
Caracterización de Parques Eólicos
Una regla simétrica puede extraerse para los modelos ARMA(0,q). En este caso, la regla
general sería:
79
Caracterización de Parques Eólicos
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):
80
Caracterización de Parques Eólicos
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):
81
Caracterización de Parques Eólicos
En definitiva, para modelos sin estacionalidad, podemos adoptar las regla que se
muestran en la
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
Ahora bien, esta expresión se puede aproximar para todos los coeficientes por:
82
Caracterización de Parques Eólicos
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.
Donde:
83
Caracterización de Parques Eólicos
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:
84
Caracterización de Parques Eólicos
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.
Donde:
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.
85
Caracterización de Parques Eólicos
Donde:
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 por sujeto de Liquidación se calcula como la suma de los desvíos
de todas las unidades de programación:
Donde:
86
Caracterización de Parques Eólicos
Caso a): Desvío consolidado a subir ( y necesidad neta del sistema a bajar
Donde:
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
Caracterización de Parques Eólicos
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:
Donde:
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
Caracterización de Parques Eólicos
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.
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)
Caso d)
El coste del desvío será el Precio del desvío a bajar menos el Precio
Medio Diario.
89
Caracterización de Parques Eólicos
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
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.
- 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.
91
Aplicaciones Prácticas
Para obtener el coste de los desvíos solo se tendría que multiplicar dichos desvíos con el
coste correspondiente obtenido de la REE.
92
Aplicaciones Prácticas
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
Para que los datos de partida se puedan tomar como datos de un modelo ARMA se
tienen que cumplir las siguientes características:
( 3.2.1 )
93
Aplicaciones Prácticas
trayectoria fac
2 1
Sample Autocorrelation
1 0.5
Xn
0 0
-1 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
Sample Partial Autocorrelations
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
94
Aplicaciones Prácticas
Sample Autocorrelation
1 0.5
0 0
-1 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
1 0.5
0 0
-1 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
95
Aplicaciones Prácticas
12
10
8
y1
96
Aplicaciones Prácticas
12
10
8
y1
97
Aplicaciones Prácticas
trayectoria fac
15 1
Sample Autocorrelation
10 0.5
Xn
5 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
Sample Partial Autocorrelations
facp Variograma
1 8
6
0.5
4
0
2
-0.5 0
0 10 20 30 0 5 10 15 20
Lag
98
Aplicaciones Prácticas
trayectoria fac
2 1
Sample Autocorrelation
1
0.5
Xn
0
0
-1
-2 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
Sample Partial Autocorrelations
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
99
Aplicaciones Prácticas
Sample Autocorrelation
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
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.
yv; measured
10
model; fit: 55.5%
6
y1
100
Aplicaciones Prácticas
yv; measured
10
model; fit: 55%
6
y1
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.
101
Aplicaciones Prácticas
trayectoria fac
30 1
Sample Autocorrelation
20 0.5
Xn
10 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
Sample Partial Autocorrelations
facp Variograma
1 10
0.5
5
0
-0.5 0
0 10 20 30 0 5 10 15 20
Lag
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.
102
Aplicaciones Prácticas
trayectoria fac
2 1
Sample Autocorrelation
1
0.5
Xn
0
0
-1
-2 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
Sample Partial Autocorrelations
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
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 3.2.17 y la Figura 3.3.18 se puede ver la comparación del modelo real con
los modelos de predicción utilizados.
103
Aplicaciones Prácticas
Sample Autocorrelation
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
1
0.5
0
0
-1
-2 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
104
Aplicaciones Prácticas
20 yv; measured
model; fit: 74.82%
18
16
14
12
y1
10
20 yv; measured
model; fit: 74.78%
18
16
14
12
y1
10
105
Aplicaciones Prácticas
trayectoria fac
30 1
Sample Autocorrelation
20 0.5
Xn
10 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
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
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.
106
Aplicaciones Prácticas
trayectoria fac
3 1
Sample Autocorrelation
2
0.5
Xn
1
0
0
-1 -0.5
0 500 1000 1500 0 20 40 60
Lag
Sample Partial Autocorrelations
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
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
Aplicaciones Prácticas
Sample Autocorrelation
0.5
0.5
0
0
-0.5
-1 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
yv; measured
model; fit: 74.85%
20
15
y1
10
108
Aplicaciones Prácticas
trayectoria fac
10 1
Sample Autocorrelation
0.5
Xn
5
0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
Sample Partial Autocorrelations
facp Variograma
1 8
6
0.5
4
0
2
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
109
Aplicaciones Prácticas
trayectoria fac
10 1
Sample Autocorrelation
5 0.5
Xn
0 0
-5 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
Sample Partial Autocorrelations
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
Aplicaciones Prácticas
Sample Autocorrelation
5 0.5
0 0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
0.5
0
0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
111
Aplicaciones Prácticas
yv; measured
7 model; fit: 65.34%
4
y1
0
50 100 150 200 250 300 350 400 450 500
yv; measured
7 model; fit: 65.17%
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.
112
Aplicaciones Prácticas
trayectoria fac
15 1
Sample Autocorrelation
10 0.5
Xn
5 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
Sample Partial Autocorrelations
facp Variograma
1 20
15
0.5
10
0
5
-0.5 0
0 10 20 30 0 5 10 15 20
Lag
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
Aplicaciones Prácticas
trayectoria fac
5 1
Sample Autocorrelation
0.5
Xn
0
0
-5 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
Sample Partial Autocorrelations
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.
yv; measured
9 model; fit: 70.39%
5
y1
0
50 100 150 200 250 300 350 400 450 500
114
Aplicaciones Prácticas
yv; measured
9 model; fit: 70.21%
5
y1
115
Aplicaciones Prácticas
trayectoria fac
20 1
Sample Autocorrelation
15
0.5
Xn
10
0
5
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
Sample Partial Autocorrelations
facp Variograma
1 10
0.5
5
0
-0.5 0
0 10 20 30 0 5 10 15 20
Lag
116
Aplicaciones Prácticas
trayectoria fac
10 1
Sample Autocorrelation
5 0.5
Xn
0 0
-5 -0.5
0 500 1000 1500 0 5 10 15 20
Lag
Sample Partial Autocorrelations
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
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
Aplicaciones Prácticas
Sample Autocorrelation
2
0.5
0
0
-2
-4 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
2
0.5
0
0
-2
-4 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
118
Aplicaciones Prácticas
yv; measured
model; fit: 57.16%
10
6
y1
0
50 100 150 200 250 300 350 400 450 500
yv; measured
model; fit: 56.88%
10
6
y1
0
50 100 150 200 250 300 350 400 450 500
119
Aplicaciones Prácticas
trayectoria fac
15 1
Sample Autocorrelation
10 0.5
Xn
5 0
0 -0.5
0 500 1000 1500 0 50 100 150 200
Lag
Sample Partial Autocorrelations
facp Variograma
1 30
0.5 20
0 10
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
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
Aplicaciones Prácticas
trayectoria fac
10 1
Sample Autocorrelation
5 0.5
Xn
0 0
-5 -0.5
0 500 1000 1500 0 20 40 60
Lag
Sample Partial Autocorrelations
facp Variograma
1 1.5
0.5 1
0 0.5
-0.5 0
0 20 40 60 0 5 10 15 20
Lag
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
Aplicaciones Prácticas
Sample Autocorrelation
0.5
0
0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
0.5
0
0
-5 -0.5
0 500 1000 1500 0 10 20 30
Lag
Sample Partial Autocorrelations
0.5 1
0 0.5
-0.5 0
0 10 20 30 0 10 20 30
Lag
122
Aplicaciones Prácticas
yv; measured
model; fit: 72.86%
12
10
8
y1
0
100 200 300 400 500
yv; measured
model; fit: 73.55%
12
10
8
y1
0
100 200 300 400 500
123
Aplicaciones Prácticas
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:
Donde:
124
Aplicaciones Prácticas
125
Aplicaciones Prácticas
Donde:
- : representa el precio horario de la electricidad,
dichos precios se obtienen de REE y están expresado en €/MWh.
126
Aplicaciones Prácticas
127
Aplicaciones Prácticas
128
Aplicaciones Prácticas
129
Aplicaciones Prácticas
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.
130
Aplicaciones Prácticas
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.
131
Optimización de la operación de un parque eólico con sistema de almacenamiento
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.
132
Optimización de la operación de un parque eólico con sistema de almacenamiento
de energía
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.
133
Optimización de la operación de un parque eólico con sistema de almacenamiento
de energía
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
[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.
135
Bibliografía
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.
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
147
Anexo B
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)
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
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
149
Anexo B
150