PREVISIÓN DE ENERGÍA EÓLICA

Existen varios métodos para la previsión de energía eólica, clasificados según escalas temporales o de acuerdo a su metodología.

En realidad, la clasificación de los enfoques de previsión de energía eólica en términos de escala temporal es un poco difusa. Sin embargo, en base a una gran cantidad de estudios en este campo, la predicción eólica se puede clasificar en relación al horizonte de predicción en tres categorías:

  • Previsiones inmediatas a corto plazo (de 8 horas en a delante).
  • Previsión a corto plazo (de día a día).
  • Previsión a largo plazo (varios días por delante).

Por otro lado, las aplicaciones del horizonte temporal a los sistemas eléctricos ofrecen un panorama diferente, tal como podemos ver en la Tabla 1. En función de su metodología, podemos clasificar la previsión de la energía eólica en tres categorías:

Enfoque físico (enfoque determinista). El método físico o método determinista se basa en la predicción atmosférica o predicción numérica del tiempo (PNT), utilizando datos meteorológicos como la temperatura, la presión, la rugosidad de la superficie y los posibles obstáculos.

Enfoque estadístico. El método estadístico se basa en una gran cantidad de datos históricos, sin considerar las condiciones meteorológicas. Normalmente involucra el uso inteligencia artificial (redes neuronales, redes neuro-difusas) y análisis de series temporales.

Enfoque híbrido. El método híbrido, que combina métodos físicos y métodos estadísticos, utiliza previsiones meteorológicas y análisis de series de tiempo.

wind-energy-forecasting-1

En la Tabla II presentamos el panorama general de los modelos de previsión de energía eólica. Esta sección se divide en tres partes basadas en las escalas temporales, y para cada una de ellas, cada modelo es descrito en detalle considerando, los datos de entrada, sus métodos, sus características, etc…

 

MODELOS DE PREVISIÓN DE ENERGÍA EÓLICA. PREVISIONES INMEDIATAS A CORTO PLAZO

Los modelos de previsión inmediata a corto plazo se basan generalmente en enfoques estadísticos, especialmente en las RNA, debido al tiempo empleado en el funcionamiento de la PNT.

Como ejemplo destacado de previsión de energía eólica a corto plazo, la WPMS han sido modificados para operar en entornos TIC de diferentes operadores de redes y portadores de grandes parques eólicos.

La WPMS utiliza redes neuronales artificiales (ANN) que se entrenan con una gran cantidad de datos históricos en parques eólicos. Los datos de entrada, los datos de salida medidos en el parque eólico y los parámetros meteorológicos pronosticados son convertidos por un preprocesador en formato XML y transferidos al núcleo del programa, consistente en módulos de predicción y módulos de transformación. El núcleo del TI realiza los siguientes cálculos a su vez:

wind-energy-forecasting-2

 

MODELOS DE PREVISIÓN DE ENERGÍA EÓLICA. PREVISIONES A CORTO PLAZO

Se han desarrollado varias herramientas para la previsión de energía eólica para pronósticos a corto plazo, como el WPPT, el Predictor, el Zephyr, el Ewind, el WPFS Ver1.0, o el AWPPS. Estos modelos han sido implementados en varios casos de estudio, como en España, Alemania, Dinamarca, Irlanda, Grecia y Francia.

Un modelo clásico con amplia aplicación para esta escala de tiempo es “The Wind Power Prediction Tool” (WPPT). Se puede utilizar para generar predicciones a corto plazo (digamos hasta 120 horas, en realidad 36 horas) de la producción de energía eólica. El sistema es muy flexible, ya que puede dar valores de predicción que abarcan no sólo un único parque eólico (como la parte norte de Jutlandia), sino también una región (como el parque eólico de Horns Rev off shore).

El sistema también proporciona estimaciones fiables sobre el nivel de incertidumbre de las herramientas, que es muy importante para la programación o el comercio óptimo. El WPPT se basa en modelos estadísticos no lineales avanzados. El conjunto de modelos incluye un modelo de curva de potencia semiparamétrica para parques eólicos teniendo en cuenta tanto la velocidad como la dirección del viento y modelos de predicción dinámica que describen la dinámica de la energía eólica y cualquier variación diurna, etc.

La Fig.1 muestra el marco de trabajo del WPFS Ver1.0, que incluye cinco módulos principales.

wind-energy-forecasting-3

 

MODELOS DE PREVISIÓN DE ENERGÍA EÓLICA. PREVISIONES A LARGO PLAZO

Se han realizado pocos estudios sobre los enfoques a largo plazo de previsión de energía eólica. Y las herramientas de predicción para esta escala de tiempo no son muy abundantes. Debido a la larga duración de la previsión, los modelos sencillos ya no pueden cumplir los requisitos exigidos, por lo que se considera el uso de modelos NWP o híbridos de NWP.

Las herramientas modernas de previsión de energía eólica proporcionan pronósticos para un horizonte de tiempo de hasta varios días de antelación y se basan típicamente en el NWP. En otras palabras, toda la información sobre la evolución futura de la previsión de energía eólica es proporcionada por el NWP. Los servicios meteorológicos nacionales o los proveedores privados de datos meteorológicos ofrecen una amplia gama de diferentes datos de PNT que son adecuados para la predicción de la velocidad del viento y la energía eólica. Es una tendencia de utilizar el PNT para pronósticos a largo plazo en el futuro.

previsión de energía eólica

MODELOS DE PREVISIÓN DE ENERGÍA EÓLICA.  PREVISIÓN HÍBRIDA

ANEMOS es una herramienta de predicción híbrida que tiene en consideración varios horizontes temporales. En el marco del proyecto, se hace hincapié en el desarrollo de predicciones meteorológicas de alta resolución integradoras y en modelos de predicción adecuados para el offshore. Para el caso offshore, se considera la meteorología marina, así como la información por imágenes de satélite. Además, con el fin de estimar el beneficio de la previsión en un modelo del mercado de electricidad de Nord Pool, el proyecto WILMAR apoyado por la Comisión Europea ha desarrollado el modelo de mercado para la simulación de la previsión de la energía eólica. El objetivo de este proyecto es desarrollar modelos precisos que superen considerablemente el estado actual de la técnica, para la predicción de recursos eólicos en tierra y en alta mar con enfoques físicos, estadísticos y combinados avanzados.

¿Quieres conocer el modelo de previsiones de energia eólica de AleaSoft? Haz click aquí.

Nicola Picasso, padre y marido enamorado es un apasionado del deporte, especialmente del trail running. Atleta X-Bionic, Tailwind Trailblazer y Bamboolabs Ambassador, ha hecho de su afición por correr toda una aventura que trasciende las redes sociales.