Para este trabajo tomamos datos de viento en Galicia, facilitados por la

pgina: www.sotaventogalicia.com. Fueron datos 10 minutales a una altura

de 40 metros, los cuales fueron extrapolados a diferentes alturas con el
programa facilitado por el profesor.
A continuacin, presentamos las tablas de los diferentes valores obtenidos a
las diferentes alturas estudiadas a la rugosidad dada.
Rugosida
d

0.142857143

Altura (m)

40

80

90

Altura (m)

40

80

90

MES

VIENTO (m/s)

VIENTO
(m/s)

VIENTO
(m/s)

MES

Desviaci
n tpica
(m/s)

Desviaci
n tpica
(m/s)

Desviacin
tpica (m/s)

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

7.21
9.42
6.91
6.21
6.83
5.42
5.12
6.16
6.60
7.88
6.56
8.45

7.96
10.40
7.63
6.86
7.54
5.98
5.65
6.80
7.28
8.70
7.24
9.33

8.09
10.58
7.76
6.97
7.67
6.08
5.75
6.91
7.41
8.85
7.36
9.48

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

4.55
3.17
3.09
2.77
3.26
2.73
2.62
3.63
3.27
3.54
3.13
3.45

5.02
3.50
3.41
3.05
3.60
3.01
2.89
4.00
3.61
3.90
3.45
3.81

5.10
3.56
3.47
3.10
3.66
3.06
2.94
4.07
3.68
3.97
3.51
3.88

Altura (m)

40

80

90

Altura (m)

40

80

90

MES

MES

Enero

1.64903

8.05822

3.26905
2.39865

1.64903
3.26905

Enero

Febrero
Marzo

1.64903
3.26905

9.04797
11.80143

Abril
Mayo

2.40839
2.23265

2.39865
2.40839

10.51049
7.79941

8.89700
11.60452

2.39865
2.40839

Febrero
Marzo

8.75737
7.86741

Junio
Julio

2.10680
2.07009

2.23265
2.10680

7.00681
7.70831

8.61125
7.73614

2.23265
2.10680

Abril
Mayo

8.65507
6.86827

Agosto
Septiembre

1.77658
2.14068

2.07009
1.77658

6.11696
5.78047

8.51066
6.75367

2.07009
1.77658

Junio
Julio

6.49045
7.76839

Octubre
Noviembre

2.38664
2.23306

2.14068
2.38664

6.91862
7.44900

6.38215
7.63878

2.14068
2.38664

Agosto
Septiembre

8.36392
9.98037

Diciembre

2.64133

2.23306
2.64133

8.88863
7.40283

8.22436
9.81384

2.23306
2.64133

Octubre
Noviembre
Diciembre

9.50568

8.17338
10.49512

8.31207
10.67321

Teniendo los siguientes datos, es posible crear una grfica de probabilidad

de posibilidad del viento mensual a las diferentes alturas dadas utilizando la
distribucin de Weibull en Excell.

Enero

Probabilidad
0.1000
0.0800
0.0600
0.0400
0.0200
0.0000

prob. (h=80m)

prob. (h=90m)

10

15

20

25

30

25

30

Vel_viento (m/s)

Febrero

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

Vel_viento (m/s)

Marzo

20

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

20

25

30

25

30

25

30

Vel_viento (m/s)

Abril

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

20

Vel_viento (m/s)

Mayo

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

Vel_viento (m/s)

20

Junio

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

20

25

30

25

30

25

30

Vel_viento (m/s)

Julio

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

20

Vel_viento (m/s)

Agosto

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

Vel_viento (m/s)

20

Septiembre

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

20

25

30

25

30

Vel_viento (m/s)

Octubre

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

Vel_viento (m/s)

Noviembre

20

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

20

25

30

25

30

Vel_viento (m/s)

Diciembre

Probabilidad
0.1500
0.1000
prob. (h=80m)

0.0500

prob. (h=90m)

0.0000
0

10

15

20

Vel_viento (m/s)

Tomando en consideracin estos datos, seleccionamos 3 aerogeneradores

de potencia aproximada y presentamos sus especificaciones junto con sus
respectivas curvas de potencia.
E-82

Gamesa G83

Curva de Potencia

Gamesa G90

Curva de Potencia

Dados estos aerogeneradores y sus curvas de potencia, es posible trazar

una grfica de probabilidad de potencia con respecto a la probabilidad de
vientos ya estudiada.
Enero

Probabilidad de Potencia
100.000
80.000
60.000
P_E-82*prob
Probabilidad

P_G90*prob

P_G83*prob

40.000
20.000
0.000
0

10

15

20

25

30

Febrero

Probabilidad de Potencia
200.000
150.000
P_E-82*prob

Probabilidad

P_G90*prob

100.000

P_G83*prob

50.000
0.000
0

10

15

20

25

30

Marzo

Probabilidad de Potencia
120.000
100.000
80.000
P_E-82*prob

Probabilidad

P_G90*prob

60.000

P_G83*prob

40.000
20.000
0.000
0

10

15

20

25

30

Abril

Probabilidad de Potencia
120.000
100.000
80.000
P_E-82*prob

Probabilidad

P_G90*prob

60.000

P_G83*prob

40.000
20.000
0.000
0

10

15

20

25

30

Mayo

Probabilidad de Potencia
120.000
100.000
80.000

P_E-82*prob

Probabilidad

P_G90*prob

60.000

P_G83*prob

40.000
20.000
0.000
0
Junio

10

15

20

25

30

Probabilidad de Potencia
80.000
70.000
60.000
50.000
P_E-82*prob
40.000
Probabilidad
30.000
20.000
10.000
0.000

P_G90*prob

10

P_G83*prob

15

20

25

30

Julio

Probabilidad de Potencia
70.000
60.000
50.000
P_E-82*prob
40.000

P_G90*prob

P_G83*prob

Probabilidad 30.000
20.000
10.000
0.000
0

10

15

20

25

30

Agosto

Probabilidad de Potencia
100.000
80.000
60.000
P_E-82*prob
Probabilidad

P_G90*prob

P_G83*prob

40.000
20.000
0.000
0

10

15

20

25

30

Septiembre

Probabilidad de Potencia
120.000
100.000
80.000

P_E-82*prob

Probabilidad

P_G90*prob

60.000

P_G83*prob

40.000
20.000
0.000
0

10

15

20

25

30

Octubre

Probabilidad de Potencia
140.000
120.000
100.000
P_E-82*prob
80.000

Probabilidad

P_G90*prob

P_G83*prob

60.000
40.000
20.000
0.000
0

Noviembre

10

15

20

25

30

Probabilidad de Potencia
120.000
100.000
80.000
P_E-82*prob

Probabilidad

P_G90*prob

60.000

P_G83*prob

40.000
20.000
0.000
0

10

15

20

25

30

Diciembre

Probabilidad de Potencia
160.000
140.000
120.000
100.000
P_E-82*prob
80.000
Probabilidad
60.000
40.000
20.000
0.000

P_G90*prob

10

P_G83*prob

15

20

25

30

Un aerogenerador de 2000 KW

Gamesa
G90
Das
del (m/s) (m/s)
Pot.
Pot.
Pot.
mes
a
a
Media(kW
Media(kW
Media(kW)
80m 90m
)
)
viento viento

Octubre
31
Noviembre 30
Diciembre 31
Enero
31
Febrero
28
Marzo
31
total oct-mar
Abril
Mayo
Junio
Julio

30
31
30
31

E-82

Gamesa
G83

E-82

Gamesa
G83

Game
G90

(kWh/mes)

(kWh/mes)

(kWh/m

8.70 8.85
7.24 7.36
9.33 9.48
7.96 8.09
10.40 10.58
7.63 7.76

1084.97
808.26
1211.31
895.65
1438.97
887.26

961.27
696.15
1081.46
794.26
1301.03
768.65

928.32
657.23
1053.01
742.49
1284.57
730.64

807214.57
581946.50
901216.11
666364.99
966987.06
660119.14
4583848.38

715183.91
501224.43
804609.59
590927.21
874290.26
571878.18
4058113.58

690671
473202
783442
552409
863228
543594
3906549

6.86
7.54
5.98
5.65

726.90
866.34
559.62
496.60

615.47
751.82
464.77
407.52

571.69
714.49
421.90
364.65

523366.69
644555.22
402924.98
369467.46

443141.67
559356.66
334633.61
303191.85

411613
531576
303766
271299

6.97
7.67
6.08
5.75

Agosto
31
Septiembr
30
e
total abr-sep

6.80

6.91

725.45

627.82

589.95

539737.79

467094.43

438923

7.28

7.41

816.74

706.20

668.30

588052.05
3068104.19
7,651,952.5
7

508461.08
2615879.30
6,673,992.8
8

481175
2438355
6,344,90
7

total an.
Con base a los datos anteriores, podemos generar una tabla de resultados
para cada uno de los generadores presentados en una comparacin.

Tomando en consideracin estos datos de generacin a 80 y 90 metros de

altura para los distintos aerogeneradores, hacemos una proyeccin de un
parque elico con diferentes escenarios tomando como variables la altura a
la que se encontraran los aerogeneradores y los distintos aerogeneradores
estudiados. Para esto presentamos primero un parque elico con 25
aerogeneradores y luego uno con 30. Al igual que en la tabla anterior
podremos visualizar la velocidad del viento, potencia media producida de
los primeros 2 generadores en base a 80 metros y el tercero en 90 metros.
Tambin es importante considerar las horas de trabajo por ao que tendran
cada uno de los aerogeneradores en los distintos escenarios. Ya que todos
los aerogeneradores trabajan ms de 3000 horas por ao, podemos
considerar este como un proyecto viable.

Parque de 25 aerogeneradores de 2.0MW, cada uno, para un total de 50MW

Gamesa
Gamesa
Gamesa Gamesa
vient vient
E-82
E-82
Da
o
o
G83
G90
G83
G90
s
del (m/s) (m/s)
Pot.
Pot.
Pot.
(MWh/mes (MWh/mes (MWh/me
mes
a
a
Media(MW Media(MW Media(MW
)
)
)
80m 90m
)
)
)
Octubre
31 8.70 8.85
27.12
24.03
23.21
20180.36
17879.60
17266.79
Noviembre 30 7.24 7.36
20.21
17.40
16.43
14548.66
12530.61
11830.07
Diciembre 31 9.33 9.48
30.28
27.04
26.33
22530.40
20115.24
19586.05
Enero
31 7.96 8.09
22.39
19.86
18.56
16659.12
14773.18
13810.24
Febrero
28 10.40 10.58
35.97
32.53
32.11
24174.68
21857.26
21580.72
Marzo
31 7.63 7.76
22.18
19.22
18.27
16502.98
14296.95
13589.86
total oct-mar
114596.21 101452.84
97663.74
Abril
30
Mayo
31
Junio
30
Julio
31
Agosto
31
Septiembr
30
e
total abr-sep

6.86
7.54
5.98
5.65
6.80

6.97
7.67
6.08
5.75
6.91

18.17
21.66
13.99
12.41
18.14

15.39
18.80
11.62
10.19
15.70

14.29
17.86
10.55
9.12
14.75

13084.17
16113.88
10073.12
9236.69
13493.44

11078.54
13983.92
8365.84
7579.80
11677.36

10290.33
13289.42
7594.16
6782.49
10973.08

7.28

7.41

20.42

17.65

16.71

14701.30
76702.60

12711.53
65396.98

12029.40
60958.88

191,298.81

166,849.82

158,622.62

total anual
Anlisis de resultados en el primer escenario.

El primer escenario consta de un parque con 25 Aerogeneradores, los

distintos casos varan el modelo de generador entre: E-82, Gamesa G83 y
Gamesa G90. Ya que todos cuentan 2 MW de capacidad nominal, la
capacidad instalada del parque elico es de 50 MW. Como podemos
observar, a pesar de tener una mayor altura para el tercer aerogenerador,
su potencia media no alcanza a los otros 2 generadores a menor altura. En
cuanto a sus horas de trabajo por ao, el E-82 tiene una notoria ventaja con
respecto a los otros dos.

Parque de 30 aerogeneradores de 2.0MW, cada uno, para un total de 60MW instalados

Game

Gamesa
Gamesa
Gamesa Gamesa
Gam
vient vient
E-82
E-82
E-82
sa
Da
o
o
G83
G90
G83
G90
G
G83
s
del (m/s) (m/s)
Pot.
Pot.
Pot.
(MWh/mes (MWh/mes (MWh/mes
mes
a
a
Media(MW Media(MW Media(MW
(h/mes) (h/mes) (h/m
)
)
)
80m 90m
)
)
)
ubre
31 8.70 8.85
32.55
28.84
27.85
24216.44
21455.52
20720.14
403.61 357.59
34
mbre 30 7.24 7.36
24.25
20.88
19.72
17458.40
15036.73
14196.08
290.97 250.61
23
mbre 31 9.33 9.48
36.34
32.44
31.59
27036.48
24138.29
23503.27
450.61 402.30
39
ero
31 7.96 8.09
26.87
23.83
22.27
19990.95
17727.82
16572.29
333.18 295.46
27
rero
28 10.40 10.58
43.17
39.03
38.54
29009.61
26228.71
25896.87
483.49 437.15
43
rzo
31 7.63 7.76
26.62
23.06
21.92
19803.57
17156.35
16307.83
330.06 285.94
27
oct-mar
137515.45 121743.41 117196.49 2291.92 2029.06 195

ril
yo
nio
io
sto
embr

30
31
30
31
31

6.86
7.54
5.98
5.65
6.80

6.97
7.67
6.08
5.75
6.91

21.81
25.99
16.79
14.90
21.76

18.46
22.55
13.94
12.23
18.83

17.15
21.43
12.66
10.94
17.70

15701.00
19336.66
12087.75
11084.02
16192.13

13294.25
16780.70
10039.01
9095.76
14012.83

12348.40
15947.31
9112.99
8138.99
13167.69

7.28

7.41

24.50

21.19

20.05

abr-sep

17641.56
92043.13

15253.83
78476.38

14435.28
73150.66

anual

229,558.58

200,219.79

30

261.68
322.28
201.46
184.73
269.87

221.57
279.68
167.32
151.60
233.55

20
26
15
13
21

294.03 254.23
1534.05 1307.94
3,825.9 3,337.0
190,347.15
8
0

24
121

Anlisis de resultados en el segundo escenario.

El primer escenario consta de un parque con 30 Aerogeneradores, los
distintos casos varan el modelo de generador entre: E-82, Gamesa G83 y
Gamesa G90. Ya que todos cuentan 2 MW de capacidad nominal, la
capacidad instalada del parque elico es de 60 MW. Como podemos
observar, a pesar de tener una mayor altura para el tercer aerogenerador,
su potencia media no alcanza a los otros 2 generadores a menor altura. En
cuanto a sus horas de trabajo por ao, el E-82 tiene una notoria ventaja con
respecto a los otros dos.

3,17

Pasado esto, presentamos los datos obtenidos en Windographer.

Iniciando con la funcin de probabilidad de distribucin.

Sabemos que la curva negra, representa la distribucin de Weibull, pero en

este caso se ve en funcin a la velocidad del viento vs la frecuencia.
Procederemos a mostrar nuestra propia grfica de distrubucin de probabilidad
anual en funcin de la frecuencia y el viento, que efectivamente coincide con la
de arriba, dndole veracidad a nuestro clculo.

Probabilidad anual

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Velocidad del viento m/s

Siguiente presentamos la rosa de los vientos.

Observando el grfico, podemos dar un aproximado de la direccin en la que se

deben instalar los aerogeneradores, ya que la rosa de los vientos nos muestra
la frecuencia del viento en las diferentes direcciones tomando como referencia
los puntos cardinales. Tomando en consideracin esta, para nuestro parque
elico, los aerogeneradores deben estar instalados a 45 Suroeste.

Siguiendo con las grficas del Windographer, presentamos la velocidad media

del viento por mes.

Gracias a esta grfica, pudimos calcular la desviacin estndar, los valores k y

c necesarios para nuestro clculo de la distribucin de Weibull. Como podemos
observar, la velocidad del viento suele estar en su pico mximo para el mes de
febrero y el mnimo para el mes de julio.
Anexamos la grfica de velocidad promedio por hora.

Aqu podemos observar que la velocidad del viento es ms o menos constante

durante el da, con unas ligeras variaciones entre las 6 am como punto mximo
y las 12 md como mnimo.
Despus de todo el anlisis, seleccionamos aquel aerogenerador que nos dio
los mejores resultados en la comparacin de los distintos escenarios y el
clculo para un solo aerogenerador, el cual fue el modelo E-82.

Referencias Bibliogrficas

Wind Turbine Condition Assessment Through Power Curve

Copula Modeling
Simon Gill, Bruce Stephen, Member, IEEE, and Stuart Galloway:
94 IEEE TRANSACTIONS ON SUSTAINABLE ENERGY, VOL. 3, NO. 1,
JANUARY 2012:
https://www.strath.ac.uk/media/departments/eee/iee/windenergydtc/publ
ications/003_copula_paper.pdf
The stochastic power curve analysis of wind turbines
Patrick Milan
Escuela Normal Superior de Lyon:
http://www.ens-lyon.fr/DSM/SDMsite/M2/stages_M2/Milan.pdf
Weibull Probability Paper
Fritz Scholz
April 8, 2008
http://www.stat.washington.edu/fritz/DATAFILES498B2008/WeibullPaper.p
df
Effect of Wind Turbine Classes on the Electricity Production of
Wind Farms in Cyprus Island
Yiannis A. Katsigiannis, George S. Stavrakakis and Christodoulos
Pharconides
http://www.ergoenergy.com.cy/images/users/1/750958.pdf
Technical Application Papers No.13 Wind power plants:
Power and Productivity for a Better World ABB
https://library.e.abb.com/public/92faf0c1913f5651c1257937002f88e8/1S
DC007112G0201.pdf

Suitable WindTurbine Selection using Evaluation of Wind Energy

Potential in IRAN
Hadi Sefidgar and S. Asghar Gholamian
Babol University of Technology, Faculty of Electrical and Computer
Engineering, Babol, Iran:
http://airccse.org/journal/ijci/papers/2613ijci01.pdf