Professional Documents
Culture Documents
Ingeniería Electromecánica
II semestre 2017
Evaluación para emplazamiento eólico
Abstracto
Las energías renovables, como la eólica llevan un gran impulso en los últimos años, y si
bien no se pretende como meta inmediata lograr que toda la generación mundial sea
renovable; es un hecho que son una excelente solución para aligerar a demanda energética
en las zonas metropolitanas de grandes ciudades, la cual es considerable. Al ser áreas de
gran desarrollo urbano es propensa la formación de comunidades y/o instituciones
importantes a distancias relativamente cercanas. Esto aumenta constantemente la demanda
sobre la red eléctrica metropolitana. Es por lo que se estudiará la practicidad de llevar esto
acabo en Massachusetts.
Introducción
El enfoque del proyecto es estudiar el área de Blandford, Massachusetts y verificar la
viabilidad de estructurar un emplazamiento eólico en dicha zona. Esta región se encuentra a
100 millas de la Universidad de Massachusetts (UMass), de donde hemos obtenido los
datos para hacer el estudio del recurso eólico. La zona colindante presenta espacios amplios
con bajas elevaciones y poca población. La zona a donde se planea distribuir la potencia es
la zona universitaria en donde se encuentran la propia UMass, Harvard, MIT, Boston
University, entre otros que se encuentran en un radio menor a 3 millas. Esta zona tiene una
gran demanda en potencia eléctrica que recae en calefacción, iluminación y uso de los
equipos con los que cuentan en sus laboratorios, que absorben gran cantidad energética a
pesar de su uso moderado. Entonces que se planea con este proyecto efectuar una granja
eólica de 50 MW, suficiente para abastecer las instituciones de educación superior
cercanas.
c2 = (velocidad media)*(0.568+0.433/k)^(-1/k)
La constante c puede ser calculada de ambas formas como se muestra. En este caso solo se
muestra un valor de c ya que ambas ecuaciones arrojaron el mismo resultado
A fin de realizar un estudio más profundo, se evaluó la data con Excel en dos algoritmos
distintos. El primero, cuyos resultados mostramos a continuación; constaba de leer la data
de un día y obtener la velocidad promedio de dicha fecha, para luego leer el mes y calcular
respectivamente la velocidad media y desviación estándar de cada mes.
El segundo se encarga de estudiar todas las lecturas diezminutales por mes. Tomando en
cuenta que diariamente se capturan 144 valores, se determinó la cantidad de lecturas
mensuales dependiendo la cantidad de días en dado mes. A continuación se presenta la
tablao que ilustra este algoritmo.
Algoritmo diario
Potencia Potencia
Velocidad Desviación Distribución probable 1 Distribución probable 2
Mes promedio estándar k c1 c2 W-1 (kW) W-2 (kW)
1 6.2108 2.6752 2.4960 7.0003 7.0016 0.1420 20.8346 0.1420 20.8322
2 6.7664 2.9315 2.4803 7.6276 7.6291 0.1296 24.5823 0.1295 24.5793
3 5.7657 2.3649 2.6323 6.4890 6.4896 0.1608 18.8737 0.1608 18.8725
4 5.1844 1.7009 3.3545 5.7748 5.7732 0.2246 19.1670 0.2246 19.1724
5 5.1136 2.1473 2.5659 5.7594 5.7601 0.1770 14.4938 0.1770 14.4924
6 4.6880 1.5125 3.4162 5.2170 5.2155 0.2526 15.9441 0.2527 15.9491
7 4.9287 1.3457 4.0951 5.4304 5.4277 0.2852 20.9138 0.2854 20.9276
8 4.8638 1.2538 4.3590 5.3396 5.3367 0.3066 21.6085 0.3069 21.6257
9 5.3962 1.2891 4.7347 5.8957 5.8922 0.2989 28.7694 0.2992 28.7973
10 5.7632 2.0059 3.1461 6.4399 6.4386 0.1902 22.2973 0.1902 22.3012
11 6.4179 1.9422 3.6621 7.1156 7.1129 0.1971 31.9062 0.1971 31.9203
12 6.5966 2.6748 2.6653 7.4211 7.4216 0.1422 24.9962 0.1422 24.9949
Anual 5.6413 1.9870 3.1057 6.3075 6.3064 264.3869 264.4650
Tabla 1. Análisis anual de velocidades diarias.
Una vez obtenido estos valores calcularemos la distribución de Weibull para ambas
constantes c, con k fija. Determinamos que las distribuciones son casi iguales para ambos
algoritmos. Esta distribución nos da la posibilidad de estimar una potencia probable,
sabiendo que esta es directamente proporcional al cubo de la velocidad multiplicado por la
probabilidad en la distribución de Weibull.
La herramienta Windographer nos brinda una mayor seguridad y certeza para realizar la
investigación pertinente y usaremos los datos ya desarrollados en Excel para confrontar la
veracidad de los datos del windographer. Esta última plataforma nos permite estudiar los
histogramas de probabilidad.
Gráfica 3.1. Distribución de Weibull enero. Gráfica 3.2. Distribución de Weibull febrero.
Grafica 3.3. Distribución de Weibull marzo. Gráfica 3.4. Distribución de Weibull abril.
Gráfica 3.5. Distribución de Weibull mayo. Gráfica 3.6. Distribución de Weibull junio.
Gráfica 3.7. Distribución de Weibull julio. Gráfica 3.8. Distribución de Weibull agosto.
Gráfica 3.9. Distribución de Weibull septiembre. Gráfica 3.10 Distribución de Weibull octubre.
Gráfica 3.11. Distribución de Weibull noviembre. Gráfica 3.12. Distribución de Weibull diciembre.
Una vez catalogado la información previa, se precisa escoger un generador que cumpla los
requisitos de producción. Se analizaran los aerogeneradores GAMESA G97 y G90.
k= 2.29
Análisis de aerogeneradores GAMESA
c= 6.41
Modelo G97 G G90
Velocidad Distribución Potencia Potencia Potencia Potencia
(m/s) W (kW) Probable (kW) (kW) Probable (kW)
3 0.11254 0 0 0 0
4 0.13845 100 13.845 100 13.845
5 0.14721 200 29.441 200 29.441
6 0.13889 400 55.554 400 55.554
7 0.11776 700 82.431 600 70.655
8 0.09031 1100 99.345 900 81.282
9 0.06286 1500 94.296 1100 69.15
10 0.03978 1800 71.601 1600 63.645
11 0.0229 1900 43.501 1900 43.501
12 0.01199 2000 23.972 2000 23.972
13 0.00571 2000 11.41 2000 11.41
14 0.00247 2000 4.9343 2000 4.9343
15 0.00097 2000 1.937 2000 1.937
16 0.00034 2000 0.6896 2000 0.6896
17 0.00011 2000 0.2224 2000 0.2224
18 3.25E-05 2000 0.0649 2000 0.0649
19 8.56E-06 2000 0.0171 2000 0.0171
20 2.04E-06 2000 0.0041 2000 0.0041
21 4.38E-07 2000 0.0009 2000 0.0009
22 8.48E-08 1900 0.0002 1900 0.0002
23 1.48E-08 1700 0 1700 0
24 2.31E-09 1400 0 1400 0
25 3.25E-10 1200 0 1200 0
Potencia
533.27 470.33
Media (kW)
Producción
Resultados 4671.4 4120.1
(MWh)
Horas
3593.4 3169.3
equivalentes
Tabla 4. Análisis de los aerogeneradores.
Presentamos la curva de potencia de los generadores estudiados, los GAMESA G90 y G97.
Gráfica 4. Curva de potencia de aerogeneradores GAMESA.