Universidad Tecnológica de Panamá

Facultad de Ingeniería Eléctrica

Ingeniería Electromecánica

Estudio previo de emplazamiento eólico

Pablo Jaén PE-14-83

Ian Caballero 8-909-1881

Tópicos de actualización tecnológica

Profesor José Atencio

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.

Empleando la herramienta de Windographer analizaremos la lectura diezminutal de la

velocidad y dirección del viento para el período del año 2010. Haremos lo propio con la
herramienta Excel de office para corroborar los resultados del Windographer. Con esta data
procederemos a concluir la viabilidad del proyecto, y a partir de esto se especificarán las
medidas.
Estudio
Nombre del sitio: Blandford
Latitud [N]: 42.22327
Longitud [O]: 72.96826
Elevación [m]: 451.00

La base de datos de la Universidad de Massachusetts es bastante sólida, presenta los datos

necesarios para el análisis que se llevará a cabo. Se utilizaron los datos del año 2010, a
pesar de no ser los más recientes, sin embargo eran los últimos efectuados de manera anual,
a partir del 2011 la data está dada trimestralmente. Todos los datos utilizados en el
despliegue matemático se obtuvieron del Wind Energy Center de esta universidad
(Bibliografía, entrada 1.), y fueron realizados a 100 m sobre terreno, que es la altura a la
que se planea tener las aspas del generador eólico. Con estas 52560 entradas se obtuvo
primeramente la velocidad promedio anual de 5.682 m/s y la desviación estándar de las
mismas es 2.72 m/s con lo que se calcularon las constantes k y c anuales que arrojaron k =
2.22 y c = 6.41m/s. Estas últimas se deducen de las ecuaciones.

k= (desviación estándar/velocidad media) ^(-1.086)

c1 = (velocidad media/ gamma (1+1/k))

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

Velocidad promedio anual Desviación estándar anual k c

5.6819 2.7240 2.2220 6.4180

Tabla 0. Promedios de las 52560 lecturas.

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.

Diezminutales por mes

Potencia Potencia
Velocidad Desviación Distribución probable Distribución probable 2
Mes promedio estándar k c1 c2 W-1 1 (kW) W-2 (kW)
1 6.3971 3.1906 2.1286 7.2233 7.2266 0.1187 19.0347 0.1187 19.0304
2 7.2156 3.5349 2.1704 8.1476 8.1512 0.1072 24.6625 0.1072 24.6571
3 6.0646 2.9125 2.2178 6.8476 6.8503 0.1301 17.7794 0.1301 17.7757
4 5.3478 2.4686 2.3153 6.0360 6.0379 0.1537 14.3943 0.1536 14.3917
5 5.2694 2.7374 2.0365 5.9476 5.9508 0.1382 12.3889 0.1382 12.3860
6 4.8358 2.1027 2.4706 5.4518 5.4529 0.1806 12.5096 0.1806 12.5080
7 4.9287 1.9046 2.8082 5.5344 5.5343 0.1998 14.6556 0.1999 14.6558
8 4.8638 1.8140 2.9187 5.4531 5.4527 0.2100 14.7989 0.2100 14.7998
9 5.3962 1.9809 2.9693 6.0456 6.0449 0.1924 18.5127 0.1924 18.5143
10 5.9388 2.5085 2.5497 6.6900 6.6910 0.1515 19.4333 0.1515 19.4314
11 5.2961 2.7513 2.0365 5.9778 5.9810 0.1375 12.5150 0.1375 12.5120
12 6.8323 3.2244 2.2603 7.7135 7.7163 0.1176 22.9709 0.1176 22.9664
Anual 5.6988 2.5942 2.3506 6.4309 6.4327 203.6557 203.6286
Tabla 2. Análisis anual de velocidades mensuales.
Estos dos algoritmos presentan diferencias ya que la data presentaba entradas defectuosas y
entradas extraviadas, esto hace que la herramienta de Excel tenga que corregir errores
durante los algoritmos y debido a lo distinto de estos, office corrige los errores en dos
formas distintas lo cual provoca una generación pequeña de dispersión en los datos
arrojados.

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.

Gráfica 1. Distribución de Weibul por Excel.

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.

A continuación evidenciamos la tabla con los resultados mensuales que presenta la

plataforma ya mencionada. Junto con la campana de weibull pertinente al análisis del
software.
 Windographer
Mes k c
1 2.17 7.2
2 2.38 8.1
3 2.41 6.83
4 2.41 6.01
5 2.1 5.95
6 2.62 5.44
7 2.76 5.53
8 2.89 5.45
9 2.95 6.05
10 2.74 6.65
11 2.08 5.96
12 2.41 7.71
Anual 2.29 6.41
Tabla 3. Resultados mensuales de k y c por Windographer.

Gráfica 2. Distribución de Weibull por Windographer.

Presentamos adicionalmente las gráficas de distribución mensuales.

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.

Finalmente con los aerogeneradores estudiados, procedemos a hacer la escogencia

del equipo y su lugar primario de instalación, por lo que consultamos la rosa de
vientos que en este caso indica una posición primaria del emplazamiento a una
dirección de 292.8° donde el viento es más constante en factor de tiempo.

Gráfica 5. Rosa de vientos de Windographer.

Conclusión

En conjetura, concluimos que el área de estudio es propicia ya que dados los

parámetros de k y c, referidos de las velocidades. Escogiendo el generador
GAMESA G97 (adjunto folleto), a una potencia de 533kW, se precisan alrededor
de 94 generadores, utilizando el G90 conllevaría un parque de alrededor 107 torres.
Escogemos la primera opción para aprovechar el área delimitada y obtener la mayor
cantidad de potencia consumible para los centros de estudio; tomando en cuenta que
los generadores no funcionan al 100% de efectividad y además el estudio
probabilístico fue empleado con data con 7 años de antigüedad. Es de interés para el
proyecto prever por un funcionamiento lo menos interrumido posible, ya que se
planea eventualmente poder sufragar en entereza todas las necesidades energéticas
del área universitaria en Massachusetts.

Finalmente el estudio permite diagnosticar la viabilidad de este proyecto asi como

dar promesa de su mantenimiento y crecimiento.
 Bibliografía.

 Base de datos de vientos, Wind Center, University of Massachusetts.

https://www.umass.edu/windenergy/sites/default/files/downloads/data/Blandford_2
010-01-01_2010-12-31.dat

 LA ENERGÍA EÓLICA EN ESPAÑA, Cayetano Espejo Marín, Departamento de

Geografía Física, Humana y Análisis Regional, Universidad de Murcia.
http://www.redalyc.org/html/176/17603503/

 WIND ENERGY SYSTEMS Electronic Edition by Gary L. Johnson.

https://secure.rpc.com.au/pdf/contents.pdf

 Revista DELOS, PROBLEMÁTICA EN TORNO A LA CONSTRUCCIÓN DE

PARQUES EÓLICOS EN EL ISTMO DE TEHUANTEPEC Emiliano Castillo
Jara1 http://www.eumed.net/rev/delos/12/ECJ-Parques%20eolicos.pdf

 CONSIDERACIONES DE DISEÑO PARA UN PARQUE EÓLICO PILOTO EN

PUERTO SAN JULIÁN, SANTA CRUZ-.
http://www.cricyt.edu.ar/asades/modulos/averma/trabajos/2009/2009-t006-a015.pdf

 SISTEMAS DE CONVERSION DE ENERG ´ ´IA EOLICA CONTROL Y DISE ´

NO˜ Miguel Lopez, Jean-Claude Vannier, Daniel Sadarnac. https://hal-
supelec.archives-
ouvertes.fr/file/index/docid/243098/filename/Lopez_ConfACCA2007.pdf

 EVALUACIÓN DEL POTENCIAL EÓLICO PARA UN EMPLAZAMIENTO

SELECCIONADO EN LA REGIÓN PIURA UTILIZANDO
GHWINDFARMAER, Israel Dioses Apón.
https://pirhua.udep.edu.pe/bitstream/handle/11042/2039/IME_177.pdf?sequence=1