Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO PROGRAMA DE MAESTRÍA Y DOCTORADO EN INGENIERÍA CENTRO DE INVESTIGACIÓN EN ENERGÍA MODELOS PARA EL PRONÓSTICO DE LA VELOCIDAD DEL VIENTO Y LA POTENCIA GENERADA POR UNA CENTRAL EÓLICA EN OAXACA. T E S I S QUE PARA OPTAR POR EL GRADO DE: DOCTOR EN INGENIERIA ENERGÍA – FUENTES RENOVABLES P R E S E N T A : ERASMO CADENAS CALDERÓN TUTOR: DR. WILFRIDO RIVERA GÓMEZ FRANCO 2006 UNAM – Dirección General de Bibliotecas Tesis Digitales Restricciones de uso DERECHOS RESERVADOS © PROHIBIDA SU REPRODUCCIÓN TOTAL O PARCIAL Todo el material contenido en esta tesis esta protegido por la Ley Federal del Derecho de Autor (LFDA) de los Estados Unidos Mexicanos (México). El uso de imágenes, fragmentos de videos, y demás material que sea objeto de protección de los derechos de autor, será exclusivamente para fines educativos e informativos y deberá citar la fuente donde la obtuvo mencionando el autor o autores. Cualquier uso distinto como el lucro, reproducción, edición o modificación, será perseguido y sancionado por el respectivo titular de los Derechos de Autor. JURADO ASIGNADO: Presidente: Dr. Best Brown Roberto Secretario: Dr. Rivera Gómez Franco Wilfrido 1er. Vocal: Dr. García Valladares Octavio 2do. Vocal: Santoyo Gutiérrez Edgar Rolando 3er. Vocal: Dr. Flores Romero Juan José 1er. Suplente: Dr. Jaramillo Salgado Oscar Alfredo 2do. Suplente: Dr. Domínguez Almaráz Gonzálo Lugar o lugares donde se realizó la tesis: Centro de Investigación en Energía, Temixco Morelos. TUTOR DE TESIS: Dr. Wilfrido Rivera Gómez Franco _________________________________ FIRMA Agradecimientos ________________________ A la UMSNH, por todo el apoyo que me ha brindado en mi preparación. A mi querida Facultad de Ingeniería Mecánica. Al CIE de la UNAM, por recibirme amablemente en Temixco y brindarme esta hermosa oportunidad. A CFE, por que una vez mas recibí un gran apoyo, sobre todo de Roberto Cadenas y Carlos Sánchez, gracias. A mis asesores, Wilfrido, Roberto, Octavio, Oscar, Edgar, Gonzalo y Juan, todos aportaron de una manera importante a este trabajo. . _____________________________________ Dedicatorias ________________________ A Dios, por permitirme una vez mas concluir este proyecto. A mis hijos y a mi esposa, Neiffita, Abel y Neiffe, por compartir este camino de sacrificio, gracias por apoyarme siempre. A mi padre (q.e.p.d), Catarino Cadenas Tovar, por enseñarme el hermoso camino del conocimiento. A mi madre y mis hermanos, Edith, Edith chica, Ivette y Omar, por que los amo. A mis amigos Alex, por creer en mi, a Conejo, por que a pesar del poco tiempo de conocernos se que es una buena persona, a mis hermanitos del Comité, Gema, América y Cornelio, y también a mis primos hermanos, Ernesto, Virgilio, Mario, Martín, Zully y Aurora, se que saldremos adelante. _____________________________________ Contenido Contenido Contenido. Resumen. I Abstract. II Nomenclatura. III Lista de figuras. V Lista de tablas. IX Capítulo 1 Introducción al Proyecto. 1.1. Resumen. 1 1.2. Introducción. 1 1.3. Revisión Bibliográfica. 3 1.4. Justificación. 7 1.5. Objetivos Generales. 7 1.6. Objetivos Específicos. 7 1.7. Estructura de la tesis. 8 Capítulo 2 Energía Eólica. 2.1. Resumen. 9 2.2. El Viento. 9 2.2.1. Circulación Planetaria. 9 2.2.2. Otros Patrones de Circulación Atmosférica. 12 2.2.3. Características Generales del Viento. 13 2.3. Medición e Instrumentación de la Velocidad del Viento. 14 2.3.1. Incertidumbre en las mediciones generadas por los equipos utilizados. 15 2.3.2. Características Generales de la Instrumentación. 15 2.3.3. Instrumentos de Medición de la Velocidad del Viento. 17 Contenido Contenido 2.3.3.1. Anemómetro de Copas. 17 2.3.3.2. Anemómetro de Propelas. 19 2.3.3.3. Anemómetro de Cometa. 19 2.3.4. Medición de la Dirección del Viento. 19 2.3.5. Torres de Medición. 20 2.3.6. Sistema de Grabación de Datos. 20 2.4. Influencia del Terreno en las Características del Viento. 22 2.4.1. Clasificación del Terreno. 22 2.4.1.1. Flujo Sobre Terreno Llano con Obstáculos. 23 2.4.1.2. Flujo Sobre un Terreno Llano con un Cambio en la rugosidad de la Superficie. 24 2.4.1.3. Características de un Terreno no Llano: Pequeña Escala. 24 2.5. Turbinas de Viento. 25 2.5.1. Turbinas de Viento Modernas. 25 2.5.1.1. Disposición General de las Turbinas de Viento. 26 2.5.1.2. Tamaño. 28 2.5.1.3. Rotor. 29 2.5.1.4. Sistema de Almacenamiento. 29 2.6. Energía Eólica. 31 2.6.1. Energía Eólica en el Mundo. 33 2.6.2. Energía Eólica en México. 34 Capítulo 3 Central Eólica La Venta, Oaxaca. 3.1. Resumen. 37 3.2. La Venta Oaxaca. 37 3.3. Explotación de la Energía Eólica en Oaxaca. 38 2.6.3. Características del Viento en la Región. 38 2.6.4. Tecnología de Conversión para el Istmo de Tehuantepec. 39 Contenido Contenido 2.6.5. Potencial Eólico en La Zona. 40 3.4. Central Eólica La Venta II. 41 3.5. Caracterización de la Zona. 41 3.6. Datos Históricos Utilizados para la Elaboración del Proyecto. 42 3.7. Series de Tiempo. 42 3.8. Modelos Para el Pronóstico de la Velocidad del Viento. 43 2.6.6. Métodos de Pronósticos. 44 Capítulo 4 Análisis Estadístico de los Datos. 4.1. Resumen. 45 4.2. Antecedentes. 45 4.3. Descripción de la Metodología Utilizada. 46 4.3.1. Prueba del Tercer Momento. 46 4.3.2. Prueba del Cuarto Momento. 46 4.3.3. Sumario Estadístico. 46 4.3.3.1. Medidas de Tendencia Central. 46 4.3.3.1.1. Media Aritmética. 46 4.3.3.1.2. Mediana. 47 4.3.3.1.3. La Moda. 47 4.3.3.1.4. Media Tijereada. 48 4.3.3.1.5. Media Ventaneada. 4.3.3.1.6. Cuartiles. 48 4.3.3.2. Medidas de Dispersión. 48 4.3.3.2.1. Varianza y Desviación Estándar. 48 4.3.3.2.2. Intervalo Total. 49 4.3.3.2.3. Desviación Media. 49 4.3.3.2.4. Coeficiente de Variación. 49 4.3.3.2.5. Desviación Estándar Relativa. 49 4.3.3.2.6. Error Estándar de la Media. 49 Contenido Contenido 4.3.3.3. Tercer y Cuarto Momento. 50 4.3.3.3.1. Tercer Momento (Sesgo). 50 4.3.3.3.2. Cuarto Momento (Curtosis). 50 4.3.3.4. Intervalo de Confianza. 50 4.4. Resultados y Discusiones. 52 4.4.1. Histogramas de Datos de las Muestras Mensuales. 52 4.4.2. Comentarios Iniciales. 52 4.5. Comentarios de los Resultados de la Aplicación de las Medidas Estadísticas. 52 4.5.1. Prueba de Normalidad del Sesgo para el Mes de Enero. 55 4.5.2. Prueba de Normalidad de la Curtosis. 56 4.5.3. Pruebas a Datos Eliminados de la Primera Muestra. 57 4.6. Comentarios Finales. 60 Capítulo 5 Pronóstico de la Velocidad del Viento Utilizando Modelos Autorregresivos Integrados de Medias Móviles (ARIMA). 5.1. Resumen. 64 5.2. Modelos ARIMA. 64 5.3. Correlaciones en Series de Tiempo. 65 5.4. Modelo de Ruido Blanco. 65 5.5. Estacionalidad en Series de Tiempo. 66 5.6.Estacionariedad en Series de Tiempo. 66 5.6.1. Métodos para Remover la No-Estacionariedad en las Series de Tiempo. 67 5.6.2. Diferencia Estacional. 67 5.6.3. Notación Especial. 67 Contenido Contenido 5.7. Modelos ARIMA para Series de Tiempo. 5.7.1. Modelos Autorregresivos. 68 5.7.2. Modelos de Medias Móviles. 69 5.7.3. Modelos ARMA. 69 5.7.4. Modelos ARIMA. 70 5.7.5. Modelos ARIMA Estacionales. 70 5.8. Modelos ARIMA para la Serie de Tiempo Mensual en La Venta Oaxaca. 71 5.8.1. Función de autocorrelación para los residuos del modelo. 73 5.9. Modelos ARIMA para las Series de Tiempo Horarias en La Venta Oaxaca. 75 5.9.1. Generación del Modelo para el Mes de Enero. 79 5.10. Modelos Mensuales Propuestos. 81 Capítulo 6 Pronóstico de la Velocidad del Viento Utilizando Redes Neuronales Artificiales (RNA). 6.1. Resumen. 83 6.2. Antecedentes. 83 6.3. RNA en el Pronóstico de la Velocidad del Viento. 84 6.3.1. Redes ADALINE (Adaptive Linear Element). 84 6.3.1.1. Aprendizaje de La Red ADALINE. 86 6.3.2. Redes de Propagación del Error hacia Atrás (Backpropagation). 86 6.4. Modelado de Series de Tiempo con RNA. 90 6.5. Modelos de RNA Propuestos. 91 6.5.1. Número de Capas. 91 6.5.2. Modelo Iterativo. 91 Contenido Contenido 6.6. Modelos Mensuales de RNA para el Pronóstico de la Velocidad del Viento en La Venta, Oaxaca. 92 6.6.1. Resultados Generados. 93 6.7. Modelos Horarios de RNA, para el Pronóstico de la Velocidad del Viento de La Venta Oaxaca. 95 6.7.1. Resultados Generados. 98 6.7.2. Pronósticos Fuera de la Muestra. 102 Capítulo 7 Comparación de Resultados. 7.1. Resumen. 108 7.2. Análisis Comparativo de los Modelos. 108 7.3. Comparación de los Pronósticos Mensuales Generados. 109 con ARIMA Y RNA en La Venta Oaxaca. 7.4. Comparación del Desempeño de los Modelos Horarios Generados con ARIMA y RNA. 110 7.5. Comentarios. 116 Capítulo 8 Pronóstico de la Potencia Generada por una Central Eólica en Oaxaca. 8.1. Resumen. 117 8.2. Potencia Generada por un Aerogenerador. 117 8.2.1. Pronóstico de la Potencia. 119 8.3. Metodología Propuesta para Determinar la Potencia de una Central Eólica. 123 8.4. Ejemplo ilustrativo del pronóstico de la potencia de un aerogenerador. 124 8.5. Conclusiones. 128 Contenido Contenido Conclusiones. Bibliografía. Anexos. Resumen I Resumen. La presente tesis aborda conceptos generales de la energía eólica, desde la generación del viento debido al calentamiento global y a los gases de la atmósfera, hasta el aprovechamiento de éste por el hombre a través de equipos especiales para transformarlo en energía útil. Se presenta la caracterización eólica de La Venta, Oaxaca, utilizando para ésta la estadística en sus partes descriptiva e inferencial y la técnica de Redes Neuronales Artificiales (RNA). En la parte descriptiva, se utiliza la técnica de valores desviados también conocidos en inglés como outliers, representada en una forma novedosa en cuanto al tratamiento de datos de viento; los resultados de dicha aplicación son satisfactorios, reflejándose en curvas de probabilidad más ajustadas y errores estadísticos más pequeños. La parte inferencial es el tema central del presente trabajo, cuyo objetivo fundamental es el pronóstico de la velocidad del viento a mediano y corto plazo, generando por diversas técnicas (ARIMA y RNA) modelos que utilicen los datos históricos para la predicción. Se generaron modelos a través de las técnicas mencionadas tomando como referencia los promedios mensuales para la predicción a mediano plazo y los promedios horarios para el corto plazo. Fue necesario conocer el desempeño de ambas técnicas, comparándolas a través de procedimientos estadísticos y medidas de error convencionales para elegir los mejores modelos y proponerlos para su uso en la zona. La combinación de los modelos con la curva característica de aerogeneradores comerciales, da como resultado el pronóstico de la potencia generada por éstos. Bajo ciertos criterios que se deben tomar en cuenta, se evalúa el pronóstico de la potencia generada por una central eólica. Finalmente, cabe mencionar, la actualidad que el tema de la energía eólica tiene en nuestro país, debido a que nos encontramos en el marco de la construcción de una central eólica en La Venta, Oaxaca, denominada La Venta II, con una capacidad de 85 MW que pondrá a México como líder de Latinoamérica en cuanto al tema de la energía eólica se refiere. Abstract II Abstract. The present thesis approaches general concepts of the wind energy, from the generation of the wind due to the global heating and to gases of the atmosphere, to the advantage of this one by the man through special equipment to transform it into useful energy. The wind energy characterization of La Venta, Oaxaca is presented, using for this one the statistic in its descriptive and inferential parts and the technique of Artifitial Neural Networks (ANN). In the descriptive part, the technique of values outside rank or outliers is used, represented in a novel form as far as the data processing of wind, the results of this application are satisfactory, being reflected in curves of probability more fit and smaller statistical errors. The inferential part is the central subject of the present work, whose main target is the wind speed forecasting at the medium and short term, generated by diverse techniques (ARIMA and ANN) models that use the historical data for the short term. It was necessary to know the performance of both techniques, comparing them through statistical procedures and conventional measures of error to choose the best models and to propose them for their use in the zone. The combination of the models with the characteristic curve of commercial Aerogenerators, results in the forecasting of the power generated by these, which under certain criteria that are due to take into account, evaluates the prognosis of the power generated by a wind energy power station. Finally, it is important to mention, the relevance that the subject of the wind energy has in our country, because we are within the framework of the construction of a win power station in La Venta, Oaxaca, denominated La Venta II, with a capacity of 100 MW which will put Mexico at the top to of Latin America as far as the subject of the Aeolian Energy refers. Nomenclatura III Nomenclatura. E Energía Cinética. m Masa. u Velocidad del viento. P Potencia entregada por un Aerogenerador. ρ Densidad del aire. A Area de barrido (Aerogenerador). Cp Coeficiente de potencia ó aerodinámico de un Aerogenerador. V Velocidad del viento. x Media aritmética (también se le conoce como primer momento). ix Término iésimo de la sumatoria. n número de datos LMo Límite inferior de la clase modal. Mo Moda. d1 Frecuencia de clase modal menos la frecuencia de la clase que se encuentra inmediatamente por debajo de ella. d2 Frecuencia de la clase modal menos la frecuencia de la clase que se encuentra inmediatamente por encima de ella. w Ancho del intervalo de la clase modal. Tx Media recortada. r Valores bajos (Media recortada). s Valores altos. Wx Media ventaneada. Q1 Primer cuartil. Q2 Segundo cartil. Q3 Tercer cuartil. s2 Varianza. s Desviación estándar, en estadística descriptiva. sv Coeficiente de variación. %RSD Desviación estándar relativa. sx Error estándar de la media. sk Tercer momento (sesgo). k Cuarto momento (curtosis). ∆x Confiabilidad. P Probabilidad deseada. fGrados de libertad. t t de student. rk Coeficiente de autocorrelación. Yt Valor de la observación presente. Y Valor promedio de las en la serie de tiempo. Yt-k Retardo de Yt, en el valor (t-k). c Componente global de la serie de tiempo. et Error de pronóstico. B Operador de retroceso de las observaciones en series de tiempo. Nomenclatura IV jφ j-ésimo parámetro autorregresivo. jθ j-ésimo parámetro de las medias móviles. s Suma ponderada en redes neuronales artificiales. w0 Peso de la conexión ficticia. wJ Peso de las conexiones. x0 Valor de entrada de la conexión ficticia. xJ Valor de entrada de las neuronas. 2 kε Error cuadrado medio. L Número de vectores de entrada. dk Salida deseada. sk Salida obtenida en redes neuronales artificiales. α Tasa de aprendizaje. h Magnitudes de la capa oculta. p p-ésimo vector de entrenamiento. δ Diferencia entre la salida deseada y la obtenida. ∆w Diferencia utilizada para la actualización de los pesos. Ep Error global en redes neuronales artificiales. MAE Error medio absoluto. MSE Error cuadrado medio. Ft Pronóstico de la velocidad del viento. PEt Porcentaje de error relativo. MAPE Porcentaje de error medio absoluto. U U estadística Ve(zr) Velocidad estacionaria media a la altura zr (altura de referencia). Ve(z) Velocidad estacionaria estimada a la altura z. Z0 Factor de rugosidad del terreno. Va Velocidad del viento a la altura ha. Vb Velocidad del viento a la altura hb. Kc Factor de comportamiento. Ka Factor de arreglo. Kd Factor de disponibilidad. Kp Factor de pérdidas. Ku Factor de utilización. Lista de Figuras V Lista de Figuras. 2.1. Esquema de circulación del aire a escala planetaria en un sistema sin rotación, en el que solo se produce un circuito por hemisferio. 2.2. Esquema de circulación del aire a escala planetaria en un sistema rotacional, en el que se producen tres circuitos independientes por cada hemisferio. 2.3. Circulación del aire en el valle y las montañas. 2.4. Anemómetro de copas. 2.5. Anemómetro de propelas, para la medición de las tres componentes de la velocidad del viento. 2.6. Veleta, sensor para medir la dirección del viento. 2.7. Torre de medición de la velocidad, dirección, radiación solar etc. 2.8. Aparato de adquisición de datos de viento (Datalogger). 2.9. Determinación de un terreno llano. 2.10. Estela de la velocidad del viento causada por un obstáculo. 2.11. Efecto de una superficie rugosa en el perfil de la velocidad del viento. 2.12. Disposición típica dentro de la góndola de un Aerogenerador de eje horizontal de tamaño medio con sistemas modulares. 2.13. Flujo de aire que llega al rotor. 2.14. Potencia entregada por un Aerogenerador. 2.15. Planta eoloeléctrica de 1,575 kW, La Venta, Oaxaca. 2.16. Planta eoloelétrica de 600 kW, Guerrero Negro, B.C.S. 3.1. Localización de La Venta, Oaxaca. 4.1. Histogramas de los meses de Enero a Diciembre, La Venta, Oaxaca. 4.2. Histograma de Frecuencias del mes de Enero de 1999, La Venta, Oaxaca. 4.3. Distribuciones de probabilidad (Población 1), Enero (1999), La Venta, Oaxaca. 4.4. Distribuciones de probabilidad (Población 2), Enero (1999), La Venta, Oaxaca. 4.5. Distribuciones de probabilidad Febrero (1999), La Venta, Oaxaca. 4.6. Distribuciones de probabilidad Marzo (1999), La Venta, Oaxaca. Lista de Figuras VI 4.7. Distribuciones de probabilidad Abril (1999), La Venta, Oaxaca. 4.8. Distribuciones de probabilidad Abril (Población 2). 4.9. Distribuciones de probabilidad Mayo (1999), La Venta, Oaxaca. 4.10. Distribuciones de probabilidad (Población 2), Mayo (1999), La Venta, Oaxaca. 4.11. Distribuciones de probabilidad (Población 1), Junio (1999), La Venta, Oaxaca. 4.12. Distribuciones de probabilidad (Población 2 y 3), Junio (1999), La Venta, Oaxaca. 4.13. Distribuciones de probabilidad (Población 1), Julio (1999), La Venta, Oaxaca. 4.14. Distribuciones de probabilidad (Población 2), Julio (1999), La Venta, Oaxaca. 4.15. Distribuciones de probabilidad, Agosto (1999), La Venta, Oaxaca. 4.16. Distribuciones de probabilidad, Septiembre (1999), La Venta, Oaxaca. 4.17. Distribuciones de probabilidad Octubre (1999), La Venta, Oaxaca. 4.18. Distribuciones de probabilidad (Población 1), Noviembre (1999), La Venta, Oaxaca. 4.19. Distribuciones de probabilidad (Población 2), Noviembre (1999), La Venta, Oaxaca. 4.20. Distribuciones de probabilidad (Población 1), Diciembre (1999), La Venta, Oaxaca. 4.21. Distribuciones de probabilidad (Población 2), Diciembre (1999), La Venta, Oaxaca. 5.1. Metodología de Box-Jenkins para el modelado de series de tiempo. 5.2. Serie de tiempo de la velocidad del viento en La Venta, Oaxaca, México. 5.3. Serie de tiempo estacionaria. 5.4. Función de Autocorrelación. 5.5. Función de Autocorrelación para los residuos del modelo. 5.6. Serie sintética de ARIMA (p,d,q)(P,D,Q)s de La Venta, Oaxaca. 5.7. Pronóstico fuera de la muestra. Lista de Figuras VII 5.8. Series de tiempo horarias, por mes del año de 1999, La venta. 5.9. Diferenciación de la serie de tiempo de Enero. 5.10. Función de Autocorrelación. 5.11. Correlograma de los residuos. 5.12. Pronóstico fuera de la muestra con un modelo AR(2), para el mes de Enero de 1999, en La Venta, Oaxaca. 6.1. Principio de funcionamiento de las redes ADALINE. 6.2. Configuración de la RNA, tres capas, siete neuronas. 6.3. Evolución del error en el entrenamiento de las RNA. 6.4. Red neuronal artificial utilizada para el pronóstico mensual. 6.5. Serie sintética generada por la RNA. 6.6. Pronóstico fuera de la muestra de la RNA. 6.7. Serie de tiempo horaria correspondiente al mes de Enero de 1999. 6.8. Histograma de velocidades del mes de Enero en La Venta Oaxaca. 6.9. RNA utilizada en el pronóstico. 6.10. Evolución de los errores a diferentes tasas de aprendizaje. 6.11. Pronóstico generado por la red de tres capas y siete neuronas. 6.12. Comparación de los pronósticos generados por las diferentes configuraciones. 6.13. Red Neuronal Artificial utilizada en el pronóstico del mes de Enero. 6.14. Pronóstico fuera de la muestra para Enero del año 2000. 6.15. Modelos de RNA para los meses de Enero a Diciembre. 7.1. Comparación de los modelos contra el comportamiento real del viento. 7.2. Comparación de los datos obtenidos del modelo ARIMA de pronóstico con los datos reales en función del tiempo. 7.3. Comparación de los datos obtenidos del modelo RNA de pronóstico con los datos reales en función del tiempo. 7.4. Comparación de los datos obtenidos del modelo ARIMA de pronóstico con los datos reales en función del tiempo. 7.5. Comparación de los datos obtenidos del modelo RNA de pronóstico con los datos reales en función del tiempo. Lista de Figuras VIII 7.6. Comparación de los datos obtenidos del modelo ARIMA de pronóstico con los datos reales en función del tiempo. 7.7. Comparación de los datos obtenidos del modelo RNA de pronóstico con los datos reales en función del tiempo. 7.8. Comparación de los datos obtenidos del modelo de Persistencia (Naive) de pronóstico con los datos reales en función del tiempo. 8.1. Curva de potencia de la turbina Vestas propuesta para el cálculo. 8.2. Curva de corrección para diferentes valores de densidad (1.145 – 1.305 kg/m3), para la turbina Vestas. 8.3. Perfil de velocidad del viento. 8.4. Pronóstico de la velocidad del viento a 60 metros de altura. 8.5. Pronóstico de la potencia de una turbina Vestas. Lista de Tablas IX Lista de Tablas 2.1. Principales productores de Turbinas de viento en el mundo. 3.1. Características de los instrumentos de medición utilizados por CFE en Oaxaca. 3.2. Características de la Central, La Venta II. 4.1. Estadística descriptiva de La Venta, Oaxaca (1999). 4.2. Muestra normalizada. 4.3. Función de probabilidad Weibull y Raleigh. 5.1. ModelosARIMA mensuales para el pronóstico de la velocidad del viento en La Venta, Oaxaca. 6.1. Características de las RNA utilizadas en el pronóstico. 6.2. Medidas estadísticas correspondientes al mes de Enero de 1999 en La Venta. 6.3. Resumen de las corridas realizadas por la red neuronal utilizando diferentes tasas de aprendizaje. 6.4. Medidas estadísticas de error utilizadas en la elección del modelo. 6.5. Resumen de los errores obtenidos por los diferentes modelos. 7.1. Exactitud en el pronóstico generado por los modelos. 7.2. Exactitud en el pronóstico generado por los modelos horarios para el mes de Enero. 7.3. Exactitud en el pronóstico generado por los modelos horarios para el mes de Mayo. 7.4. Exactitud en el pronóstico generado por los modelos horarios para el mes de Julio. 7.5. Exactitud en el pronóstico generado por los modelos horarios para el mes de Octubre. 8.1. Factores de rugosidad de terreno más comunes. 8.2. Cálculo de la velocidad a 60 m de altura. Capítulo I Introducción 1 1 Introducción al Proyecto. 1.1. Resumen. El presente capítulo da un panorama general del desarrollo de la presente tesis, justifica la elaboración del presente proyecto y muestra el estado del arte del tema principal del trabajo a través de la revisión bibliográfica, finalmente y basándose en el desarrollo anterior presenta la estructura de la tesis. 1.2. Introducción. El hecho de que se haya identificado a la energía como una de las piedras angulares, junto con el agua, la agricultura, la salud y la biodiversidad en la Cumbre Mundial sobre el Desarrollo Sostenible en Johannesburgo, 2002, es realmente un hito significativo en el futuro desarrollo de la industria. Según el principio de “responsabilidades comunes pero diferenciadas”, el concepto de desarrollo sostenible tendría que tener por lo menos dos componentes importantes, equilibrándose el uno al otro: la protección del medio ambiente y la satisfacción de las necesidades fundamentales del desarrollo humano de las generaciones actuales y futuras. El papel realizado por la energía, en la satisfacción de necesidades fundamentales, la creación de puestos de trabajo para promover el desarrollo económico y para promover una calidad de vida decente y pacífica entre los ciudadanos, es un aspecto fundamental del desarrollo sostenible y equitativo. Por lo anterior, se están cambiando los patrones de producción y consumo de energía. Lo mismo sucede con los desafíos para la inversión y las políticas mundiales en el sector energético. En el período de 1995 a 2020, se prevé que la demanda mundial de energía aumentará en un 65% aproximadamente, que equivale a alrededor del 2% anual [1]. Se cree que los combustibles fósiles van a satisfacer el 95% de esta demanda adicional. No cabe duda que el petróleo mantendrá su posición como fuente de energía primaria, representando el 40% de la energía producida en el mundo, aportación similar a la que tiene en la actualidad. No existe país en el mundo ajeno al desarrollo de la producción y consumo de dicho crudo, los países productores basan su economía en los ingresos obtenidos de sus ventas, controlando los precios de éste y generando incertidumbre en el mercado mundial cuando existen conflictos políticos. Un ejemplo tangible ocurrió en el año 1973, durante el conflicto entre Israel, Egipto y Siria, en el cual la Capítulo I Introducción 2 Organización de Países Exportadores de Petróleo (OPEP), decreta un embargo petrolero en contra de los Estados Unidos por su intervención, elevando en un 70% los precios del crudo, éste no ha sido un incidente aislado, a lo largo de los años han ocurrido conflictos que han desatado el pánico mundial, en 1980 al estallar la guerra Irán – Irak, se retiraron del mercado casi cuatro millones de barriles diarios, debido al ataque a las instalaciones petroleras de ambos países; en 1990 la invasión de Irak a Kuwait provoca la guerra del Golfo Pérsico, recientemente el ataque a las torres gemelas y el pentágono desata la guerra en Irak con las consecuencias ya conocidas, seguramente la incertidumbre seguirá mientras la alta dependencia en éste combustible perdure. Existen en el mercado productores de mediana escala, como México y Venezuela, que tienen una elevada dependencia de los ingresos generados por la venta del petróleo, los cuales destinan a proyectos de infraestructura, educación y desarrollo social, siendo afectados también por la situación imperante en el mercado mundial, debido a que es difícil planear un gasto social con precios del petróleo inestables. Por otro lado existen predicciones de escenarios energéticos que auguran que en cinco décadas aproximadamente, la producción de petróleo no igualará la demanda de éste, el mundo demandará más producción de energía y hay que considerar que la capacidad de respuesta de las instalaciones petroleras tienen un gran rezago. Por lo anterior, resulta conveniente la explotación de los recursos renovables destinados a la producción de energía, como medida de prevención o complemento de los recursos fósiles. El avance de la tecnología y la reducción en los costos de la misma, hará posible que en los próximos años, tecnologías como la del viento, biomasa, sol y geotermia ocupen un lugar destacado en la producción mundial de energía. La sociedad en su conjunto está adquiriendo cada vez más conciencia acerca de la necesidad de cuidar el medio ambiente y planear un futuro sobre bases sostenibles, un futuro en donde la participación de los recursos renovables en el contexto energético sea cada vez más significativa. En las próximas dos décadas las energías renovables crecerán aún más, pero es probable que sigan siendo una pequeña parte de todas las formas de energía en el mundo, especialmente si los gobiernos no intervienen de modo resuelto. En años recientes, los mercados de energía renovable han avanzado de manera considerable. La producción anual de celdas solares, por ejemplo, aumentó de 55 MW en 1991 a más de 391 MW en 2002 [1], un aumento de más de siete veces. La energía eólica, ha pasado de 2,170 MW en el año de 1992 a 56,813 MW en el año 2006 [2], lo que representa un crecimiento de mas de 27 veces en 14 años. Estas tasas de crecimiento constituyen indicadores de que el mundo ha entrado en el siglo postpetrolero. Capítulo I Introducción 3 La capacidad de la atmósfera para absorber el dióxido de carbono es cada vez más limitada y las necesidades de dos billones de personas son cada vez superiores, tomando en cuenta que la mayoría de estas se encuentran en vías de desarrollo, la conclusión que se desprende es que se hacen necesarias nuevas fuentes de energía para complementar y reemplazar los combustibles fósiles del siglo pasado, más aún cuando éstas se encuentran distribuidas en diferentes lugares geográficos. Las fuentes de energía renovable representan la misma proporción aproximadamente del suministro total de energía que tuvo el petróleo hace un siglo atrás y tienen las mismas perspectivas de crecimiento. En ámbitos gubernamentales y empresariales, se reconoce el potencial de la energía renovable; esto se aprecia en el caudal de capital que las grandes compañías petroleras y energéticas, invierten en energía renovable. A nivel de países, empiezan a proliferar disposiciones legales que regulan este tipo de energía. Brasil, China y la India figuran entre los países que recientemente han fortalecido su legislación, con el objetivo de acelerar el desarrollo de éste mercado. México cuenta con un potencial muy importante en cuestión de recursos energéticos renovables, cuyo desarrollo permitirá al país contar con una mayor diversificación de fuentes de energía, a pesar de que los proyectos no han sido en escala importante. La instalación de la central eólica La Venta II, con una capacidad de 83.3 MW, pondrá a nuestro país a la cabeza de Latinoaméricaen el rubro de la energía eólica y figurará de manera importante en el ámbito mundial. En ese sentido, la intención del trabajo propuesto en este documento, es la de contribuir a la integración de una base tecnológica suficiente para la futura explotación masiva del viento, como fuente de energía en México, proponiendo modelos para el pronóstico de la velocidad del viento que permitan realizar el despacho de energía eólica de manera eficiente. Los modelos son generados a través de las técnicas ARIMA y Redes Neuronales Artificiales, técnicas reconocidas y utilizadas en la actualidad para el pronóstico de datos presentados en forma de series de tiempo, los resultados obtenidos son satisfactorios y los modelos se pueden aplicar en el lugar seleccionado para el estudio e incluso extender la propuesta a otros campos eólicos o de un giro diferente. 1.3. Revisión Bibliográfica. Es evidente que la caracterización del viento utilizando la estadística descriptiva, es el tema más abundante en lo referente al estudio de la energía eólica. Diversos trabajos así lo demuestran, incluso en la zona de La Venta, Oaxaca, de donde se origina el presente trabajo, D. Elliot et al. [3], en su atlas of Oaxaca, presenta sin Capítulo I Introducción 4 duda uno de los estudios más importantes del lugar referente al tema, el trabajo contempla el análisis del clima, geografía, caracterización y cálculo del potencial eólico de la zona, el estudio fue realizado por los laboratorios NREL de EE.UU., a petición de la Secretaría de Energía del gobierno Mexicano, es sin duda una referencia importante para el desarrollo de cualquier trabajo que se pretenda realizar en la zona. Antes, en 1998 W. James Steenburgh et al. [4] examinan el fenómeno productor del viento en la región a través de un modelo a mesoescala, dicho estudio utiliza imágenes de satélite y diversas variables meteorológicas como la presión y la temperatura, el artículo es sin duda uno de los primeros estudios y propuestas serias que invitaba ya al estudio del lugar. O.A. Jaramillo et al. [5], en el 2004, además de una descripción adecuada de los fenómenos productores de viento en la zona, hace una propuesta novedosa al tratar el fenómeno de bimodalidad que se presenta, con la función Weibull & Weibull hace un ajuste muy cercano a la realidad ocurrida en el lugar, reflejándose en el modelo de conversión viento electricidad que propone. Además de la caracterización en La Venta Oaxaca, es importante analizar la forma y caracterización de diversos autores en diversos lugares, por ejemplo, Lin Lu et al. [6], en su artículo de caracterización en las islas que rodean a Hong Kong, destinado a plantear la generación de electricidad en el lugar a través de éste recurso, realiza un estudio interesante al utilizar mediciones locales y características de máquinas eólicas conocidas. Propone una velocidad de viento óptima con la finalidad de seleccionar la mejor turbina de viento para condiciones climatológicas diferentes. Las máquinas eólicas son simuladas analizando un caso típico, utilizando las mediciones de viento, su densidad de potencia y la potencia anual generada a diferentes alturas del cubo de la turbina. Utiliza la distribución de Weibull en el análisis de probabilidad y utiliza una regresión polinomial para predecir la curva de potencia de salida de un generador, punto relevante del artículo. D. Weisser [7], en su caracterización de Grenada, utilizando la distribución de Weibull, presenta un análisis para estimar el potencia eólico del lugar, basado en los registros históricos de la media horaria de la velocidad del viento, el análisis muestra la importancia de incorporar al potencial eólico las variaciones debido a los ciclos diurnos. Divide el análisis en dos temporadas, junio – noviembre y diciembre – mayo y proyecta su análisis comparando las curvas de probabilidad del día, la noche y el promedio total. Hace una división del análisis por temporada, una temporada húmeda de (diciembre a mayo), y una temporada de lluvia (junio a noviembre), menciona que el promedio de velocidad del viento se incrementa de manera considerable durante el día, finalmente realiza una distribución de probabilidad para el día y otra para la noche y las compara con la promedio, arrojando resultados interesantes en cuanto a la energía subestimada. Capítulo I Introducción 5 N. Celik [8], presenta un análisis comparativo sobre el uso de las distribuciones de Weibull y la Longnormal con una proyección real, haciendo una comparación de los parámetros primarios (velocidad media y potencial eólico disponible) y de los secundarios (desviación estándar de la velocidad del viento y distribución de energía del viento). Los parámetros primarios y secundarios son calculados de doce meses de mediciones horarias de velocidad del viento; la comparación hace resaltar las bondades de la distribución de Weibull sobre la Longnormal, además, realiza la distribución de probabilidad mensual. En su artículo K. Altaii et al. [9], presenta un análisis sencillo de las condiciones eólicas de cuatro regiones en la isla de Puerto Rico y lo complementa con un análisis de temperaturas, genera gráficos interesantes en donde se traza el comportamiento de la velocidad media y la temperatura media que reflejan un comportamiento dependiente, el artículo presenta un análisis de caracterización adecuado e interesante. Generalmente las mediciones de la velocidad del viento se presentan en forma de series de tiempo, por lo anterior es conveniente conocer las bondades y manejos en cuanto a esta forma de presentar los datos, B. L. Bowerman et al. [10], en su artículo de pronóstico de series de tiempo, propone unificar los criterios en cuanto a los manejos en la descomposición de éstas, propone una serie compuesta de estacionalidad, tendencia ciclo y errores aleatorios, además propone un algoritmo para manejarlas por medio de un programa de cómputo, el artículo es importante en el desarrollo de la parte de estadística inferencial en el presente trabajo. Otro artículo interesante que hace referencia a técnicas estadísticas es el de D. W. Marquardt [11], el autor presenta un algoritmo para la estimación de parámetros no lineales por medio de la técnica de los cuadrados mínimos, importante si consideramos que los algoritmos propuestos en el presente trabajo tienen la característica no lineal. G.E.P. Box et al. [12], hace un planteamiento referente a la distribución de probabilidad que deben de tener los residuos al momento de descomponer una serie de tiempo, aplicando la técnica ARIMA, el artículo es del año de 1970 y aún tiene vigencia por los excelentes resultados presentados, que incluso han sido incluidos en los algoritmos de programas estadísticos de actualidad. Otra técnica utilizada en el proyecto, para aplicarla en el manejo de las series de tiempo es la de Redes Neuronales Artificiales, G. Peter Zhang et al. [13], combina dicha técnica con la técnica ARIMA y genera un modelo de pronóstico para series de tiempo de diversos giros (compra de autos, ropa etc.), el proceso es interesante y parte de la idea de descomposición de la serie, y por medio de ARIMA pronostica la tendencia, ciclicidad y estacionalidad, y supone que los errores aleatorios de la serie tienen un comportamiento no lineal, que hace posible que la red neuronal pueda pronosticarlos. El artículo es adecuado para conocer las ideas concebidas en cuanto al manejo de las series de tiempo, sin embargo, los errores no siempre tienen el tipo de comportamiento que el artículo presenta. Capítulo I Introducción 6 Rob Law et al. [14], hace una propuesta de manejo de una red neuronal que pronostica una variable, utilizando como vector de entrada seis diferentes variables que afectan el comportamiento de la primera, el artículo es completo y los resultados cuantitativos son aceptables, sin embargo, no presenta el ajuste finalde las curvas. Referente al pronóstico de la velocidad del viento, los artículos son diversos en cuanto a su contenido y forma de tratar el tema, por ejemplo: M. C. Alexiadis et al. [15], utilizan la técnica de Redes Neuronales Artificiales para pronosticar la velocidad del viento en series de tiempo conformadas cada diez minutos y cada hora, el pronóstico es aceptable, los datos utilizados para la generación de los modelos cubren siete años, sin embargo, el artículo no presenta un análisis cuantitativo de los errores de pronóstico, por lo que no se pueden evaluar correctamente los modelos. En su artículo, Shuhui Li et al. [16], examinan y comparan las técnicas de regresión lineal y redes neuronales artificiales, en la generación de modelos usados para la estimación de las curvas de potencia de una turbina de viento. Nuevamente el artículo presenta una comparación cualitativa de las técnicas y presenta un ajuste evidente en las gráficas, pero falta el análisis cuantitativo, necesario en las comparaciones. A. Sfetsos [17], en su artículo publicado en el 2002, presenta también la comparación de dos técnicas para realizar el pronóstico de la velocidad del viento; el modelo ARIMA (Box and Jenkins), y la técnica de Redes Neuronales Artificiales (ANN), realiza un planteamiento general de las técnicas, aplicándolas en dos lugares distintos (Odigitria, Grecia y Oxfordshire, Reino Unido). Los resultados reflejan que la técnica de Redes Neuronales Artificiales, arroja mejores resultados en el pronóstico, utilizando un modelo de Feed Forward con una capa oculta y presenta la función de activación, el artículo esta en gran medida relacionado con el presente proyecto, aunque solamente utiliza un mes de mediciones en promedios horarios. El artículo si presenta un análisis cuantitativo y compara los resultados con la persistencia del viento. Adnan Sozen et al. [18], presentan una forma de tratar el pronóstico de series de tiempo a través de la técnica de Redes Neuronales Artificiales, utilizando como vector de entrada diferentes variables como latitud, longitud, altitud, mes, radiación y temperatura promedio, aunque no es un tema relacionado directamente con el viento, si es un planteamiento interesante en cuanto a la estructuración de una red neuronal utilizada para el pronóstico, presenta el modelo de red utilizado y un pronóstico bueno de la radiación solar. En su artículo Kua-Ping et al. [19], presentan la forma adecuada de plantear una red neuronal bajo criterios serios y adecuados que dan confiabilidad y certidumbre a los resultados generados por esta, es un artículo conveniente para tratar las series de tiempo por medio de redes neuronales artificiales. Capítulo I Introducción 7 Finalmente mencionar que los trabajos anteriores son solo algunos de los diversos relacionados de alguna forma con el tema a tratar, a excepción de [17], que tiene una gran relación con el presente proyecto, los otros trabajos solamente la tienen de forma parcial, ya sea utilizando solamente una técnica en el trabajo, o enfocándolo a una situación diferente. Una herramienta de pronóstico de viento y de la potencia eléctrica generada a partir de este recurso, resultaría útil para llevar a cabo las tareas de despacho de carga de la mejor forma posible. Países como Alemania, E.U. y España, que actualmente ostentan el liderazgo en la explotación de viento, con miles de MW en servicio, cuentan con sofisticados modelos de pronóstico de viento para ejecutar sus predespachos en el corto plazo de manera óptima. 1.4. Justificación. Considerando que México está llamado a integrarse en este grupo de países líderes en explotación del viento, es de esperarse que el Centro Nacional de Control de Energía (CENACE), requeriría de un modelo o modelos de pronóstico de viento y potencia asociada en el futuro. Como se aprecia en la revisión bibliográfica, no existe tal herramienta, ni metodología ordenada disponible, los softwares que se ofrecen para realizar la tarea de pronósticos, incluyen operadores de los mismos que son especialistas formados en el área, de aquí la importancia del presente trabajo, que cuenta con un marco teórico y una metodología disponible, además de referencias importantes que complementan el tema. Finalmente las técnicas sugeridas para aplicarlas a las series de tiempo del viento, no son exclusivas de éste fenómeno, pues cualquier caso que sea presentado en series de tiempo, podrá ser tratado con dichas técnicas. 1.5. Objetivo General. El principal objetivo del presente trabajo de investigación es: Desarrollar nuevos modelos para generar pronósticos de velocidad de viento que operen a partir de registros históricos de dichas variables, y que sirvan de base para el cálculo de la potencia generada por una central eólica instalada en el Istmo de Tehuantepec. 1.6. Objetivos Específicos. Los objetivos particulares se describen a continuación: 1. Contribuir a la integración de una base tecnológica suficiente para la futura explotación masiva del viento, como fuente de energía en México. Capítulo I Introducción 8 2. Generar un precedente en el modelado de pronóstico de viento en plantas eólicas, que pueda ser utilizado como referencia en trabajos de modelado en otras regiones del país y otras disciplinas similares. 3. Proponer el uso del modelo o modelos resultantes al Centro Nacional de Control de Energía (CENACE), como una herramienta potencial de apoyo en el despacho futuro del parque generador, considerando la inclusión de centrales eólicas en el Sistema Eléctrico Nacional. 1.7. Estructura de la tesis. Para cumplir con los objetivos planteados la tesis se ha estructurado de la siguiente manera: Capítulo uno, es la introducción al tema, se presenta un resumen de la tesis, la introducción, una revisión bibliográfica que pretende establecer la actualidad del tema, una justificación y los objetivos generales y específicos del trabajo. El capítulo dos aborda aspectos generales de la energía eólica, como la generación del viento, los instrumentos necesarios para medir la velocidad y el comportamiento de este en condiciones determinadas. El capítulo tres esta destinado al planteamiento del problema, describiendo el lugar en donde se realizaron las mediciones utilizadas para la generación de los modelos, exponiendo la importancia del pronóstico de la velocidad del viento para la correcta planeación. La estadística descriptiva se aborda en el capítulo cuatro, proponiendo una metodología novedosa en cuanto al manejo de los datos con respecto a la energía eólica, involucrando la técnica de detección de valores fuera de rango (outliers), para generar modelos de probabilidad más ajustados a los histogramas presentados. Los capítulos cinco y seis exponen la generación de los modelos para pronóstico, punto central del presente trabajo, el capítulo cinco aborda la técnica estadística ARIMA y el seis la de Redes Neuronales Artificiales, ambos métodos se comparan en el capítulo siete, con diversas medidas de errores estadísticos. Finalmente el capítulo ocho hace referencia a la forma en que se deben aplicar los modelos una vez que la central eólica este funcionando. Capítulo II Energía Eólica 9 2 Energía Eólica. 2.1. Resumen. Este capítulo aborda aspectos generales necesarios para la generación y aprovechamiento de la energía eólica, desde el movimiento global de la atmósfera en la tierra, a través de la diversidad de terrenos que existen, hasta la obtención de la energía eólica utilizando equipos especiales denominados aerogeneradores. Se describen los equipos necesarios para medir la velocidad y la dirección del viento, haciendo una crítica seria a la forma en la que tradicionalmente se hace. 2.2. El viento. El viento es producto de la atmósfera (centro de los procesos meteorológicos y del clima) la cual se rige por la física de losgases y de sus principales componentes. La presión del aire (peso transmitido por la columna de atmósfera sobre cada punto de la superficie de la Tierra) varía en función de la posición geográfica y de la altura, así como de la energía solar que calienta (y, por lo tanto, aligera) en mayor o menor medida, el aire. Los vientos que se deben básicamente a estas diferencias de temperatura y a su intento de compensarlas, se producen, sobre todo, en las capas bajas de la atmósfera [20]. 2.2.1. Circulación planetaria. Las diferencias de insolación entre distintos puntos del planeta generan diferentes áreas térmicas, y los desequilibrios de temperatura se traducen en variaciones de presión. El aire como cualquier gas se mueve desde las zonas de alta presión a las de baja presión. Durante el día, el agua de los océanos permanece relativamente más fría que la superficie terrestre. De la radiación solar que incide sobre la superficie del agua se emplea parte en el calentamiento, y parte en evaporación; pero debido a la gran capacidad del agua de absorber calor, la temperatura de las capas superficiales apenas varia y lo mismo ocurre con la temperatura del aire que se encuentra en contacto con ellas. Sobre la Tierra, en cambio la radiación solar que se recibe sobre el suelo se traduce en una elevación de la temperatura, tanto en la corteza terrestre como en el aire circundante. El aire caliente se dilata, pierde presión y es reemplazado por el aire fresco que viene del mar. En la noche el ciclo se invierte. La corteza terrestre se enfría más rápidamente, mientras que el agua del mar conserva mejor el calor acumulado a lo largo del día. En las montañas ocurre un proceso parecido. Capítulo II Energía Eólica 10 Unas laderas reciben más insolación que otras, en función de su orientación y pendiente. El calentamiento del suelo es desigual, y los desplazamientos del aire tienden a compensar las diferencias de presión. A escala planetaria, la zona ecuatorial recibe la máxima radiación solar, mientras que en las zonas polares apenas se perciben sus efectos. En una tierra sin rotación, las diferencias térmicas entre la zona ecuatorial y las polares producirían un movimiento circulatorio del aire. El aire en las zonas cálidas ascendería a las capas altas de la atmósfera, siendo reemplazado por aire más frío proveniente de los polos. El aire cálido a su vez se desplazaría hacia los polos por las capas altas de la atmósfera, completando la circulación. Debido a la diferencia de la superficie entre dos paralelos próximos al polo y otros dos próximos al ecuador, las zonas de aire ascendente estarían comprendidas entre latitudes de 0º a 30º, y las de aire descendente entre 30º a los 90º, de forma que se equilibran los volúmenes de aire desplazado en una dirección y otra, Figura 2.1. Figura 2.1 Esquema de circulación del aire a escala planetaria en un sistema sin rotación, en el que solo se produce un circuito por hemisferio [21]. Capítulo II Energía Eólica 11 Si consideramos el movimiento de rotación de la Tierra, el modelo de circulación global del aire sobre el planeta se hace mucho más complicado. En el hemisferio norte, el movimiento del aire en las capas altas de la atmósfera tienden a desviarse hacia el este, por efecto de las fuerzas de inercia de Coriolis, y en las capas mas bajas tiende a desviarse hacia el oeste. En el hemisferio sur ocurre al contrario. Estas fuerzas de Coriolis aparecen en toda partícula cuyo movimiento esta asociado a unos ejes de referencia que a su vez están sometidos a un movimiento de rotación. De esta forma, el ciclo que aparecía en un planeta estático ahora se subdivide. El aire que asciende en la zona cálida del ecuador se dirige hacia el polo a una velocidad media de 2 m/s [21], desviándose hacia el este a medida que avanza hacia el norte. Al alcanzar la zona subtropical, su componente transversal es demasiado elevada y desciende, volviendo al ecuador por la superficie, Figura 2.2. Por encima de este ciclo subtropical se forma otro de características semejantes, aunque en este caso es el aire cálido que ha descendido en la zona subtropical el que se desplaza por la superficie terrestre hasta que alcanza la zona subpolar, en donde vuelve a ascender enlazando con el ciclo polar. Capítulo II Energía Eólica 12 Figura 2.2. Esquema de circulación del aire a escala planetaria en un sistema rotacional, en el que se producen tres circuitos independientes por cada hemisferio [21]. Este modelo de circulación más complicado que el anterior, todavía se ve perturbado por la formación de torbellinos que se generan en las zonas de interrelación de los diferentes ciclos. La componente transversal de la velocidad del viento genera unas ondas, que se van incrementando hasta que la circulación se rompe, produciendo torbellinos que se mueven de forma independiente. Estos núcleos borrascosos se generan periódicamente y transportan grandes masas de aire frío hacia el sur, alterando las condiciones climáticas en zonas de latitud inferior. 2.2.2. Otros patrones de circulación atmosférica. El patrón general de circulación de flujo descrito en la sección anterior, representa un modelo para una superficie esférica y lisa. En realidad, la superficie de la tierra varia considerablemente, con grandes océanos y enormes masas de tierra. Estas superficies afectan el flujo del aire debido a variaciones en los campos de presión, la absorción de radiación solar, y a la cantidad de humedad disponible. Los océanos actúan como grandes sumideros de energía; sin embargo, el movimiento del aire es algunas veces emparejado con la circulación del océano. Todos estos efectos conducen a diferencias de presión las cuales afectan los vientos globales y muchos de los vientos regionales persistentes tal como ocurre en los monzones (vientos de la zona intertropical cuya orientación se invierte a su paso por el ecuador). Además, el calentamiento o enfriamiento local pueden causar vientos locales persistentes de temporada o de base diaria. Esto incluye brisas marinas o vientos de montaña. A pequeña escala la circulación atmosférica puede ser dividida en secundaria y terciaria. Las circulaciones secundarias ocurren si los centros de alta o baja presión son causados por el calentamiento o enfriamiento de la parte baja de la atmósfera, estas son: • Huracanes. • Monzones. • Ciclones extratropicales. Las circulaciones terciarias son de pequeña escala, circulaciones locales caracterizadas por vientos locales, como los siguientes: • Brisas de tierra y marinas. • Vientos de valles y montañas. • Monzones de flujo. • Vientos Foehn (vientos secos de gran temperatura sobre vientos bajos en las cordilleras). Capítulo II Energía Eólica 13 • Tormentas. • Tornados. En la Figura 2.3, se muestran ejemplos de circulación terciaria. Durante el día el aire caliente de la ladera sube y reemplaza al aire fresco y pesado sobre el valle. En la noche la dirección es inversa, el aire frío desciende por la ladera y reemplaza al aire tibio del valle. Una comprensión de estos patrones de viento, y otros efectos locales son importantes para la evaluación de sitios con potencial eólico. Figura 2.3. Circulación del aire en el valle y las montañas. 2.2.3. Características generales del viento. Los movimientos atmosféricos varían tanto en tiempo (desde horas hasta meses) como en espacio (desde centímetros hasta miles de kilómetros). Siguiendo una práctica convencional, las variaciones de la velocidad del viento pueden ser divididas en las siguientes categorías [22]: • Inter-Anuales. • Anuales. • Diurnas. Montaña Montaña Valle Aire Caliente Aire Frío Aire Frío Noche Montaña Montaña Valle Aire Frío Aire Caliente Aire Caliente Día Capítulo II Energía Eólica 14 • Cortas (turbulencias y ráfagas). Inter-Anuales. Este tipode variaciones de velocidad del viento ocurren sobre escalas de tiempo más grandes que un año. Pueden tener un gran efecto en la producción de energía de la turbina de viento. Los meteorólogos concluyen que generalmente toma 30 años la adquisición de datos para determinar valores de término largo del clima y toma por lo menos cinco años para llegar a una media anual confiable de la velocidad del viento en una región determinada. Anuales. Significantes variaciones de la velocidad promedio del viento de temporada o mensuales son comunes en la mayor parte del mundo, de tal forma que una velocidad promedio de un año a otro puede ser muy distinta. Diurnas. Este tipo de variaciones son debido a diferencias de calentamiento de la superficie de la tierra durante el ciclo de radiación diaria. Una típica variación diurna consiste en un aumento en la velocidad del viento durante el día con velocidades de viento bajas durante las horas de la media noche hasta el amanecer. Variaciones diarias en la radiación solar son responsables de la variación diurna de la velocidad del viento en las latitudes de temperatura sobre áreas de tierra planas. Los cambios diurnos más largos generalmente ocurren en la primavera y el verano, y los mas cortos en invierno. Además, las variaciones diurnas en la velocidad del viento pueden variar con la localización y la altitud con respecto al nivel del mar. Cortas. Las variaciones cortas de la velocidad del viento de interés incluyen turbulencia y ráfagas. Las variaciones cortas usualmente se miden sobre intervalos de tiempo de diez minutos o menos. Medias de diez minutos son típicamente determinadas usando una razón de muestreo de cerca de un segundo. Es generalmente aceptado que las variaciones en la velocidad del viento con periodos de menos de un segundo a diez minutos y que tienen carácter estocástico son consideradas como turbulencia [23]. Para aplicaciones de energía eólica, las fluctuaciones turbulentas en el flujo necesitan ser cuantificadas para las consideraciones de diseño de la turbina, basadas en la máxima carga y predicción de fatiga, excitaciones estructurales, control, sistemas de operación y calidad de potencia. Las fluctuaciones ocurren en las tres direcciones longitudinales (en dirección del viento), laterales (perpendiculares al viento promedio) y verticales. Una ráfaga es un evento continuo dentro de un campo turbulento de viento. Una forma de caracterizar una ráfaga es medir: la amplitud, el tiempo de elevación, la máxima variación de la ráfaga y el lapso de tiempo. Las cargas de la turbina de viento causadas por las ráfagas pueden ser determinadas como funciones de estas cuatro características. 2.3. Medición e instrumentación de la velocidad del viento. Capítulo II Energía Eólica 15 El uso de datos meteorológicos requiere información sobre parámetros del sitio (localización, altura, periodo de recolección de datos, etc.), de sensores (características y calibración) y el tipo de datos obtenidos. Existen tres tipos de sistemas de instrumentación usados para la medición del viento: • Instrumentos usados por el servicio meteorológico nacional, destinados al análisis y predicción del clima. • Instrumentos diseñados específicamente para medir y caracterizar el recurso eólico. • Instrumentos especialmente diseñados por razones de muestreo, para determinar la intensidad de las ráfagas, turbulencia e información referente al flujo del viento para analizar la respuesta de las turbinas de viento. Para cada aplicación el tipo y cantidad de instrumentos requeridos varia de manera considerable. Para aplicaciones de energía del viento se utilizan generalmente los siguientes equipos: • Anemómetros para medir la velocidad del viento. • Veletas para medir la dirección del viento. • Termómetros para medir la temperatura ambiente del aire. • Barómetros para medir la presión del aire. Los instrumentos anteriores, se componen principalmente de sensores, acondicionadores de señal y grabadoras. 2.3.1. Incertidumbre en las mediciones generadas por los equipos utilizados. Es evidente que no es posible evaluar la confianza que se puede otorgar a las mediciones de la velocidad del viento, generadas con los equipos de medición utilizados, aún cuando la calibración de éstos se realiza en un periodo de tiempo prolongado (1 año), sin embargo, los equipos se han utilizado en más de cien países en el mundo, por mas de veinte años, en países bajo circunstancias y condiciones parecidas a las planteadas en el presente proyecto, y han hecho posible la instalación de grandes centrales eólicas incorporadas a la red eléctrica. Aún cuando la instalación de las centrales ha sido exitosa en su mayoría, es necesario generar un procedimiento mas apegado al protocolo de medición, con la finalidad de poder calcular las incertidumbres en las mediciones y obtener una precisión adecuada en la predicción de la potencia de las centrales. Pese a que es posible tener mejores mediciones, es un hecho que no es objetivo del presente trabajo validar los datos, solamente considerarlos como válidos, desarrollando con ellos, los modelos para pronosticar la velocidad del viento. 2.3.2. Características generales de la instrumentación. Capítulo II Energía Eólica 16 Es importante resaltar los siguientes conceptos, previo a la discusión referente a la instrumentación: Sensor: Un sensor es un dispositivo (ej. anemómetro de copas, o hilo caliente), el cual reacciona a cambios del medio ambiente. En el caso de un anemómetro de copas, la copa reacciona a la fuerza del viento, mientras que el anemómetro de hilo caliente reacciona al flujo del viento vía un estímulo de temperatura. Transductor: Es un dispositivo el cual convierte energía de un tipo a otro. En el caso de las mediciones de viento este se refiere al dispositivo que convierte un movimiento mecánico en una señal eléctrica. Acondicionador de señal: Estos suministran potencia al sensor cuando la requiere, además recibe la señal del sensor y la convierte para que pueda ser grabada o desplegada en pantalla. Resolución: La resolución esta definida como la unidad más pequeña de una variable que es detectable por el sensor, un sensor puede tener una resolución de ±0.1 m/s ó ±1 m/s, dependiendo del instrumento. Exactitud y precisión: La exactitud de un instrumento, se refiere a la diferencia medida entre la salida del instrumento y el valor verdadero de la variable medida. Por su parte la precisión hace referencia a la dispersión con respecto a la media. Error: El error es la diferencia entre lo indicado y el valor verdadero de la señal medida. Confiabilidad: La confiabilidad de un instrumento, es una medida de la probabilidad de que este continuará su funcionamiento dentro de los límites de error especificados en tiempo y condiciones determinadas. Reproducibilidad: La proximidad entre mediciones de la misma cantidad, en donde las mediciones individuales son hechas bajo diferentes condiciones, por diferentes métodos o diferentes instrumentos, define la reproducibilidad. Constante de tiempo: El periodo requerido por un sensor para responder al 63.2% de un cambio de un paso en una señal de entrada define este tiempo constante. Constante de distancia: Es la longitud del flujo que cruza a un sensor para causar que este responda al 63.2% de un cambio de paso en velocidad. Esta se calcula multiplicando el tiempo constante del sensor por la media de la velocidad del viento. Los anemómetros de copas estándar pueden tener distancias constantes tan altas como 10 m, dependiendo de su tamaño y su peso. Los anemómetros de copas pequeños y de bajo peso usados para la medición de la turbulencia, tienen Capítulo II Energía Eólica 17 distancias constantes entre 1.5 y 3 m. Para anemómetros de propela de peso ligero, la distancia constante es de cerca de 1m. Tiempo de respuesta: Es el tiemporequerido para que un instrumento registre un porcentaje designado (usualmente el 90% o 95%) de un cambio de paso en la variable que esta siendo medida. Razón de muestreo: Es la frecuencia (Hz) a la cual la señal es muestreada, ésta puede ser una función de un sistema de colección de datos. Resolución: La resolución es definida por el cambio más pequeño en una variable, que cause un cambio detectable en la señal del instrumento. Sensibilidad: La sensibilidad es la razón de la escala completa de salida de un instrumento y la escala completa de un valor de entrada. 2.3.3. Instrumentos de medición de la velocidad del viento. Los sensores de los instrumentos de medición del viento pueden ser clasificados de acuerdo a su principio de operación [24] en: • Transferencia de momento. Copas, propelas y paletas de presión. • Presión en sensores estacionarios. Tubos de pitot y esferas de arrastre. • Transferencia de calor. Hilos calientes y películas calientes. • Efectos Doppler. Acústica y láser • Métodos especiales. Desplazamiento de ion, etc. A pesar del gran número de instrumentos disponibles para la medición de la velocidad del viento, en la mayoría de las aplicaciones destinadas al uso de la energía eólica, generalmente se han utilizado tres sistemas, estos son: • Anemómetro de copas. • Anemómetro de propela. • Anemómetro de cometa. 2.3.3.1. Anemómetro de copas. Los anemómetros de copas utilizan su rotación, la cual varía en proporción de la velocidad del viento, para generar una señal (Figura 2.4). Actualmente los diseños más comunes tienen tres copas montadas en una flecha. La razón de rotación de las copas puede ser medida por contadores mecánicos que registran el número de rotaciones, cambio de voltaje (CA o CD) eléctricos o electrónicos o un switch fotoeléctrico. Capítulo II Energía Eólica 18 Los anemómetros de tipo mecánico indican el flujo de viento en distancia. La medida de la velocidad del viento se obtiene dividiendo el flujo del viento por el tiempo. Para sitios remotos, este tipo de anemómetros tiene la ventaja de no requerir fuente de potencia. Algunos de estos anemómetros también manejaban una pluma para grabar los datos directamente. Figura 2.4 Anemómetro de copas [25] Un anemómetro electrónico de copas, proporciona mediciones instantáneas. En la parte baja del mismo esta conectado un generador (CA o CD) miniatura y la salida análoga es convertida a velocidad del viento por diversas vías. La respuesta y la exactitud del anemómetro de copas son determinadas por su peso, dimensiones físicas y fricciones internas. Si cambian algunos de estos parámetros la respuesta del instrumento variará. Si se desea medir turbulencia, se deben utilizar sensores pequeños, de poco peso y baja fricción. Típicamente las copas más sensibles tienen una distancia constante de cerca de 1m. Cuando los datos de turbulencia no son requeridos, las copas pueden ser grandes y pesadas con distancias constantes de 2 a 5 m. Los valores típicos de exactitud (basados en pruebas de túneles de viento) de los anemómetros de copas son alrededor de ±2% de la lectura [26]. Numerosos cambios ambientales pueden causar problemas a los anemómetros de copas y reducir su confiabilidad, los más comunes son el escarchamiento y el polvo. El polvo puede alojarse en los cojinetes causando un incremento en la fricción y reducir las lecturas realizadas por del equipo. Si un anemómetro se congela su rotación se alenta o se para completamente, causando errores en la señal. Lo anterior se puede remediar utilizando un anemómetro de copas calientes, sin embargo, estos requieren una fuente de potencia considerable. Capítulo II Energía Eólica 19 2.3.3.2. Anemómetro de propelas. Los anemómetros de propelas utilizan el viento a través de una propela para girar una flecha que esta conectada a un generador de CA o CD (el más común), o a una luz para producir una señal de pulso. Figura 2.5 Anemómetro de propelas, para la medición de las tres componentes de la velocidad del viento [22] . Los diseños utilizados para aplicaciones de energía de viento, tienen una repuesta rápida y un comportamiento lineal ante los cambios de velocidad. En una configuración horizontal típica, la propela es girada por una veleta puesta en su parte trasera, la cual también puede utilizarse como indicador de la dirección del viento. Las propelas generalmente son de poliestireno, su exactitud y mantenimiento son similares a los anemómetros de copas. Un sistema para medir las tres componentes de la velocidad del viento se muestra en la Figura 2.5. 2.3.3.3. Anemómetros de cometa. En épocas anteriores los cometas eran utilizados para aplicaciones en donde se requerían mediciones del viento a alturas superiores a las alturas de las torres meteorológicas convencionales. Uno de los sistemas de cometa más popular fue el TALA (Tethered Aerodinamic Lifting Anemometer). Este utilizaba la tensión sobre la línea del cometa como un indicador de la velocidad del viento. Una de las principales desventajas de los dispositivos de este tipo es la pequeña cantidad de datos producidos en comparación con la intensa labor que realizan. Capítulo II Energía Eólica 20 2.3.4. Medición de la dirección del viento. La dirección del viento es medida normalmente con una veleta. Una veleta de viento convencional consiste de una ancha cola que el viento golpea sobre el lado corriente debajo de un eje vertical girándolo, y un contrapeso corriente arriba para proveer balance en la unión con la veleta y la flecha. La fricción en la flecha es reducida con cojinetes. Las veletas de viento producen señales por el contacto o potenciometros, Figura 2.7. Figura 2.6. Veleta, sensor para medir la dirección del viento [25]. 2.3.5. Torres de medición. Una vez que se desea recolectar datos de viento a la altura del cubo de la turbina de viento, se necesitan torres anemométricas que pueden alcanzar desde un mínimo de 10 m, hasta 150m. Existen varios tipos de torres: con soporte propio y torres tubulares. En la mayoría de los casos las torres deben ser instaladas específicamente para sistemas de medición de viento y en el sitio preciso de interés, Figura 2.8. 2.3.6. Sistema de grabación de datos. Se utilizan diversos sistemas de grabación para desplegar, grabar y analizar los datos obtenidos de los sensores y transductores. Las grabadoras utilizadas en los sistemas de instrumentación del viento se dividen generalmente en: • Contadores. • Tiras gráficas. • Cintas magnéticas. Capítulo II Energía Eólica 21 • Dispositivos de estado sólido. Figura 2.7. Torre de medición de la velocidad, dirección, radiación solar etc. [25]. La grabadora más simple es un sesillo contador o grabador, que graba los valores que pasan a través del sensor. Las alternativas de métodos y sistemas de grabación de datos son diversos y cada uno de estos tienes sus ventajas y desventajas, por lo tanto su elección es función de las características del proyecto en particular, Figura 2.9. Figura 2.8. Aparato de adquisición de datos de viento (Datalogger) [25]. Capítulo II Energía Eólica 22 2.4. Influencia del terreno en las características del viento. Numerosos científicos dedicados al estudio del recurso eólico, enfatizan que la influencia de las características del terreno, en la producción de la energía de una turbina de viento, puede ser tan grande, que la economía del proyecto completo dependerá de la apropiada selección del sitio [27]. 2.4.1. Clasificación del terreno. La definición más básica del terreno lo divide en llano y no llano. Algunos autores definen al terreno no llano como un terreno complejo (este es definido como un área en donde los efectos del terreno son evidentes en el flujo que se presenta sobre la tierra considerada). Un terreno llanoes aquel que tiene pequeñas irregularidades, como un bosque o un pastizal. Un terreno no llano tiene elevaciones o depresiones de gran escala, como montañas, cerros, valles y cañones. Para cuantificar que tan llano es un terreno, se debe considerar lo siguiente: • Las diferencias de elevación entre el lugar en donde se pretende instalar la turbina y el terreno circundante no debe ser mas de 60 m en cualquier lugar dentro de un diámetro de 11.5 km, alrededor de ésta. • Ninguna elevación debe tener una proporción de aspecto (alto – ancho) tan grande como 1/50 dentro de 4 km flujo arriba y flujo abajo del sitio. • Las diferencias de elevación entre la parte más baja del rotor y la más baja elevación del terreno, debe ser tres veces la máxima diferencia de elevación (h) dentro de cuatro km flujo arriba, Figura 2.10. Figura 2.9. Determinación de un terreno llano [22]. Capítulo II Energía Eólica 23 Un terreno no llano o complejo de acuerdo con Hister y Pennel [28], depende de las elevaciones aisladas o depresiones y de los terrenos montañosos. Las condiciones de flujo en terrenos montañosos son complejas, ya que las elevaciones y depresiones ocurren en forma aleatoria, por consiguiente el flujo en dichos terrenos es dividido a su vez en pequeña y gran escala. La diferencia entre las dos, esta hecha en comparación con la capa límite planetaria, la cual se asume es de cerca de 1 km. Para realizar la clasificación anterior, es importante conocer la dirección del viento, si una montaña aislada (ej. 200 m de altura y 1000 m de ancho), estuviera situada a 1 km al sur del sitio propuesto, el sitio podría ser clasificado como no llano, sin embargo, si el viento sopla solamente el 5% en esta dirección, con una velocidad media baja de 2 m/s aproximadamente, el terreno puede ser clasificado como llano. 2.4.1.1. Flujo sobre terreno llano con obstáculos. Para el estudio de los obstáculos creados por el hombre es común proponer un bloque rectangular (Figura 2.11) y considerar el flujo en dos dimensiones, simulando el proceso por medio de un programa de cómputo. Este tipo de obstáculos produce una perturbación en las líneas de flujo, formando un remolino antes y después del paso del mismo. Dicha perturbación debe ser considerada en el momento de instalar una turbina de viento, conociendo el punto en donde las líneas de flujo se estabilizan nuevamente, esto ocurre generalmente a una distancia de 15 veces la altura del edificio. Figura 2.10. Estela de la velocidad del viento causada por un obstáculo [22]. Capítulo II Energía Eólica 24 2.4.1.2. Flujo sobre un terreno llano con un cambio en la rugosidad de la superficie. En realidad la superficie de la tierra no es uniforme y cambia significativamente de un lugar a otro, provocando cambios en el perfil de velocidad del viento Figura 2.11. Figura 2.11. Efecto de una superficie rugosa en el perfil de la velocidad del viento [22]. 2.4.1.3. Características de un terreno no llano: Pequeña escala. La clasificación de un terreno no llano a pequeña escala esta dividido en: • Elevaciones. El flujo por encima de terreno elevados tiene características similares al flujo que se presenta alrededor de un obstáculo. • Depresiones. Las depresiones son terrenos mas bajos que los circundantes. La aceleración del viento es incrementada si las depresiones lo pueden encausar, en general, las condiciones del flujo varían según las características de la depresión. 2.5. Turbinas de viento. Los dispositivos utilizados para el adecuado aprovechamiento de la energía del viento han variado de una manera considerable en el transcurso del tiempo, el principio fundamental de funcionamiento, es la transformación de la energía Capítulo II Energía Eólica 25 cinética del viento en energía mecánica, a través de una hélice que transmite un par a un generador eléctrico, por medio de un eje de rotación, sin embargo, las configuraciones, sobre todo de las hélices con el tiempo han sufrido transformaciones que han mejorado su rendimiento aerodinámico. De la mano con el desarrollo tecnológico de los equipos, el avance científico ha complementado sistemas con alta eficiencia y calidad. El desarrollo histórico de las turbinas de viento se pude encontrar en [29]. 2.5.1. Turbinas de viento modernas. Las turbinas de viento modernas se dividen en dos grupos básicos: las Turbinas de Viento de Eje Horizontal (HAWT) y las Turbinas de Viento de Eje Vertical (VAWT) o también conocidas como tipo Darrieus. Actualmente existe más de una veintena de fabricantes en el mundo, con plenas garantías de curva de potencia y disponibilidad (tanto por ciento del tiempo útil que el aerogenerador está operativo), la cual puede llegar al 95% frente al 80% o 90% logrado por las centrales eléctricas convencionales. Los 10 fabricantes más importantes se muestran en la Tabla 2.1. Tabla 2.1 Principales productores de Turbinas de viento en el mundo. 2.5.1.1. Disposición general de las turbinas de viento. Los aerogeneradores actuales de eje horizontal (HAWT) están constituidos por una cimentación de hormigón armado adecuada al terreno y a las cargas del FABRICANTE PAIS NEG MIKON AG Dinamarca ENRON Wind Corp. EEUU VESTAS A/S Dinamarca ENERCON Alemania GAMESA España BONUS A/S Dinamarca NORDEX Dinamarca MADE España ECOTECNIA España MITSUBISHI Japón Capítulo II Energía Eólica 26 viento, sobre la cual se levanta una torre, típicamente de acero, de estructura de celosía, o bien de tipo tubular de acero u hormigón armado para mejorar su aspecto. La altura a la que son colocados los aerogeneradores, tiene como objeto evitar las bajas velocidades de viento que se presentan junto a la superficie del terreno. El valor típico de la altura es H = 0,75D+10m, dónde H, es la altura, D en el diámetro de barrido de la turbina, y m son metros. Al extremo de la torre se fija una góndola giratoria de acero o fibra de vidrio, ver la Figura 2.13, a la cual se accede por el interior de la torre, o por el exterior si se trata de un modelo pequeño. Ésta encierra: • El tren de potencia (eje del rotor (lento), caja multiplicadora (de engranajes planetarios o normal), de régimen de salida hasta unas 1 000 a 1500 r.p.m. y de elevado rendimiento, típicamente un 90% a 95%, eje rápido y acoplamientos flexibles). • La maquinaria eléctrica (generador eléctrico, con un rendimiento del orden del 90%, controles, accionamientos y máquinas auxiliares). • Mecanismos auxiliares, generalmente hidráulicos (freno de emergencia del rotor, freno de orientación de la góndola, mecanismo de cambio de paso, aerofrenos, sistema de orientación). • Sistema de control basado en un microprocesador y encargado de la supervisión de las variables operativas, registro de incidencias y control del funcionamiento (arranque, parada, enganche a la red, protección de embalamiento, orientación, paso de las palas). Suele incluir un módulo de comunicación con una base de control central. En el exterior encontramos: • El buje, que une las palas del rotor y que puede incorporar sus articulaciones, como cambio de paso, conicidad, etc. • Las palas, cuyo eje de giro suele estar inclinado algunos grados sobre la horizontal. Son las encargadas de convertir la energía cinética del viento a energía mecánica de giro que posteriormente será transformada en energía eléctrica en el generador. Capítulo II Energía Eólica 27 Figura 2.13. Disposición típica dentro de la góndola de un aerogenerador de eje horizontal de tamaño medio con sistemas modulares (www.platts.com/engineering). Capítulo II Energía Eólica 28 • El mecanismo aerodinámico de orientación. Suele ser de veleta de cola o molino de cola para pequeños tamaños.
Compartir