Modelos-para-el-pronostico-de-la-velocidad-del-viento-y-la-potencia-generada-por-una-central-eolica-en-Oaxaca

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.