Printer Friendly

Evaluacion y caracterizacion del recurso eolico en la Universidad Francisco de Paula Santander, Cucuta, y prospectiva para el aprovechamiento energetico en el Norte de Santander.

1. Introduccion

Colombia, gracias a su localizacion en la franja tropical, su marcada variabilidad orografica originada por su sistema de cordilleras y al limitar con dos oceanos, adquiere una posicion privilegiada en cuanto a recursos energeticos renovables, como el asociado al viento. A pesar de ello, la generacion electrica proviene principalmente de centrales hidroelectricas y termicas (vease Figura 1).

Esta centralizacion energetica, un aumento del 60.66 % en las proyecciones de generacion con centrales hidroelectricas para el periodo 2010-2021 [2], sumados a la presencia de periodos prolongados de sequia ocasionados por fenomenos meteorologicos como El Nino (los cuales repercuten en los niveles de los embalses), son factores que pueden ocasionar un desabastecimiento energetico como el presentado en 1992. Es por ello que proyectos de generacion descentralizada a partir de recursos renovables cobran gran importancia, debido a que presentan ventajas tales como la ayuda a la conservacion del medioambiente, acceso a la energia electrica en zonas rurales no interconectadas y disminucion de los costos de inversion en transmision y distribucion, entre otros.

Colombia, por medio del Atlas de Viento y Energia Eolica, desarrollado por la Unidad de Planeacion Minero-Energetica (UPME) y el Instituto de Hidrologia, Meteorologia y Estudios Ambientales (IDEAM), ha promovido el conocimiento de este recurso energetico. Dicho atlas muestra la distribucion espacial del viento en superficie y el potencial eolico en el pais. Para su realizacion se tomaron en cuenta los datos proporcionados por 111 estaciones meteorologicas ubicadas a 10 metros de altura, de las cuales 3 se encuentran en el Norte de Santander, en los municipios de Cucuta (07[grados]56'N, 72[grados]31'W), Pamplona (07[grados]22'N, 72[grados]39'W) y Abrego (08[grados]05'N, 73[grados] 14'W). A partir de los datos suministrados se realizo un analisis de la variabilidad temporal del viento, mediante el trazado de isolineas que permitieron senalar los intervalos de tiempo diario y anual durante los cuales se podria disponer de condiciones eolicas propicias para su aprovechamiento como recurso energetico [3]. Segun los resultados obtenidos, se presentaron 16 sitios puntuales que exhiben velocidades del viento con cierto grado de importancia, dentro de los cuales existen dos en el Norte de Santander (Cucuta y Abrego), mostrando el alto potencial eolico presente en el Departamento. Cabe resaltar que la baja densidad de estaciones meteorologicas usadas para este estudio, sumada a la compleja orografia colombiana, no permitieron obtener calculos muy exactos en sitios alejados de las estaciones de referencia, por lo cual este atlas solo se presenta como un referente.

Lo anterior vislumbro un caso especial de estudio en donde los datos suministrados por la estacion meteorologica de la UFPS serviran como referente para mejorar el modelamiento espacial del recurso eolico en el Departamento, teniendo en cuenta variables como temperatura, presion, velocidad y direccion del viento, ademas de suministrar graficas que permitan conocer el comportamiento y naturaleza variante del viento.

2. Metodologia

Los datos utilizados para este estudio son registros horarios tomados a una altura de 15.4 metros y suministrados por la estacion meteorologica Groweatherlink de Davis Instrument, ubicada en la UFPS (latitud 7[grados]53'545"N longitud 72[grados]29'166"W). Se analizaron los registros de temperatura, presion atmosferica, velocidad y direccion del viento durante un periodo de 10 anos (2001-2010) para un total de 350.400 datos con un 13.39 % de valores faltantes, a los cuales se les realizo un tratamiento estadistico para completar la serie de la siguiente manera: en el caso de la velocidad del viento, debido a la naturaleza de este fenomeno meteorologico, se utilizo un modelo autoregresivo integrado de media movil (ARIMA), el cual se basa en una dinamica de series temporales que realiza estimaciones futuras observando los eventos pasados en la serie [4]. Para su aplicacion se utilizo el software estadistico y econometrico TRAMO (Times series regression with ARIMA noise, missing values and outliers). Un proceso similar fue aplicado a las series de temperatura y presion. En cuanto a la variable direccion del viento dada por 16 orientaciones cardinales, se utilizo una aproximacion por medida de tendencia central (MODA).

Cabe resaltar que en un estudio de caracterizacion del recurso eolico, la temperatura y presion atmosferica son parametros de consideracion e inciden sobre la densidad del aire (ley de los gases ideales) (1), la cual es directamente proporcional a la potencia del viento captada por un aerogenerador. Por tal motivo, cuanto mas baja sea la temperatura y mayor sea la presion atmosferica, --para la misma velocidad de viento--la energia eolica extraida sera superior [5].

[rho] = p/R'T (1)

En donde, [rho]: densidad (kg/[m.sup.3]); P: presion absoluta (Pa); R': constante del aire (J(Kg.K)); T: temperatura (K).

Con la base de datos depurada, se generaron promedios mensuales y anuales, y se analizo el comportamiento del viento, teniendo como apoyo herramientas graficas como la rosa de vientos, histogramas y diagramas de densidad de probabilidad continua [6]; todas estas desarrolladas en el software computacional Matlab. Se calculo la longitud de rugosidad en el terreno de estudio de acuerdo con la ecuacion de Justus--Mikjail [7], para asi determinar el perfil vertical de velocidad con base en la ley de Hellman. Los resultados obtenidos son usados con el proposito de analizar de manera prospectiva el recurso eolico para su aprovechamiento energetico en el Norte de Santander, utilizando, ademas, de manera comparativa los datos suministrados por dos estaciones meteorologicas localizadas en el Departamento.

3. Analisis y presentacion de resultados A. Analisis preliminar y validacion de los datos

Un analisis preliminar de la serie con registros no depurados fue realizado con el fin de observar el patron y frecuencia al que obedecen las series de temperatura, presion, velocidad y direccion del viento, y asi identificar datos no coherentes en el comportamiento de la serie. Se observa que la variable de velocidad del viento en el ano 2001 no coincide con el patron de los datos posteriores a este ano, razon por la cual no son tenidos en cuenta para este estudio (vease Figura 2)

[FIGURA 2 OMITIR]

B. Estimacion de datos faltantes

En una investigacion estadistica es frecuente la presencia de informacion faltante, lo cual puede introducir un sesgo en la estimacion e incrementar la varianza muestral, debido a la reduccion de la muestra. La imputacion multiple tiene el objetivo de obtener una base de datos completa y consistente para la velocidad del viento. Este proceso es implementado mediante el software computacional TRAMO, el cual estima y pronostica los modelos de regresion con errores no estacionarios como el ARIMA y cualquier serie de datos ausentes y atipicos. En la Figura 3 se observa la depuracion de la serie de velocidad del viento correspondiente al ano 2003.

[FIGURA 3 OMITIR]

C. Tratamiento estadistico para la serie --Velocidad y direccion del viento

La serie depurada presenta una frecuencia horaria a lo largo de nueve anos (2002-2010), lo cual resulta en un extenso numero de datos dificil de interpretar. Es por ello que se recurre a un tratamiento estadistico y a una presentacion de resultados mediante histogramas y demas herramientas visuales, con el fin de mejorar la interpretacion de los resultados.

Los promedios mensuales se generan a partir de los datos horarios, por lo que para cada direccion (Dir) y velocidad (V) de una hora especifica se determino el promedio de la siguiente manera: el mes de enero, que tiene 31 dias, tendra 31 horas, 23:00 para cada ano; ahora, para la serie 2002-2010 existiran nueve meses de enero, que tendran 9X31=279 datos de velocidad y 279 datos de direccion del viento de dicha hora; por lo tanto, existiran 279 datos de viento zonal (u) y 279 de viento meridional (v). El promedio mensual zonal y meridional para la hora 23:00 se calcula de acuerdo con (2) y (3).

[barra.[u.sub.23]] = 1/2 [[suma].sup.N=279.sub.1] - [V.sub.i] sen ([Dir.sub.i]) (2)

[barraa.[v.sub.23]] = "1/2 [[suma].sup.N=279.sub.1] - [V.sub.i] cos ([Dir.sub.i]) (3)

A partir de estas dos componentes se obtiene la velocidad y la direccion promedio mensual con base en (4) y (5).

[V.sub.23] = [raiz cuadrada de [[barra.[u.sub.23]].sup.2] x [[barra.[v.sub.23]].sup.2] (4)

[Dir.sub.23] = 90 - [360[grados]/2[pi]] [tan.sup.-1] [[v.sub.23]/[v.sub.23]] + varia en proporcion con] (5)

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII]

[FIGURA 4 OMITIR]

El proceso se repite para cada una de las 24 horas y para los meses posteriores. En la Figura 4(a) se observan los promedios mensuales con frecuencia horaria en la UFPS; adicionalmente, y de manera comparativa, se muestran las graficas suministradas por el UPME e IDEAM [3] para las estaciones de Abrego Centro Administrativo (Admo.) (b) y el Aeropuerto (Apto.) Camilo Daza (c).

Para conocer el comportamiento mensual de la serie multianual se promedian las velocidades y direcciones horarias en cada mes, de acuerdo con (6) y (7). Estas velocidades zonales y meridionales mensuales son utilizadas en (8) para obtener la velocidad media mensual.

[barra.[u.sub.MES]] = 1/24 [[suma].sup.N=23.sub.h=0] -[V.sub.h] sen ([Dir.sub.h]) (6)

[barra.[v.sub.MES]] = 1/24 [[suma].sup.N=23.sub.h=0] -[V.sub.h] cos ([Dir.sub.h]) (7)

[V.sub.MES] = [raiz cuadrada de [[barra.[u.sub.MES]].sup.2] + [[[barra.v].sub.MES].sup.2]] (8)

Las variaciones mensuales en el comportamiento del viento se usan para estimar las variaciones de entrega de energia a lo largo del ano y asi determinar el mes de diseno critico. En la Figura 5 se observan los promedios mensuales de la velocidad de viento en el Apto. Camilo Daza para la serie 1976-2012 y para la estacion de la UFPS con serie 2002-2010.

[FIGURA 5 OMITIR]

La serie del Apto. Camilo Daza exhibe los promedios de viento mas altos en los meses de junio -julio y los mas bajos cercanos al mes de octubre y al mes de abril; caso similar se presenta en los registros de la UFPS. En la Figura 6 se muestra el comportamiento horario en la UFPS para los registros de velocidad de los meses de julio y octubre, con el fin de conocerlos en detenimiento. El comportamiento del mes de julio tiende a presentar vientos predominantes en horas cercanas a las 1:00 y 12:00, mientras que en octubre se observa un marcado aumento en el promedio de la velocidad del viento durante seis horas del dia. Esto cobra gran importancia debido a que en lugares donde la velocidad media durante las 24 horas del dia es baja, la viabilidad de un emplazamiento eolico se pone en duda, mientras que para aplicaciones en donde se presente el mismo promedio a lo largo del dia, pero con un acentuado incremento a lo largo de un periodo de horas, una aplicacion eolica puede ser economicamente viable [5]. Dada la variabilidad de horas predominantes de un mes a otro, resulta practico observar el comportamiento horario multianual para la serie 2002-2010 (vease Figura 7).

[FIGURA 6 OMITIR]

[FIGURA 7 OMITIR]

La ley de distribucion de la velocidad del viento es determinante en la evaluacion del potencial eolico y permite calcular la energia anual que puede producir un aerogenerador. Una herramienta util para su calculo y visualizacion es la funcion de densidad de probabilidad continua de Weibull [rho](V)[8], la cual sigue aproximadamente su distribucion y es definida por (9).

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII] (9)

En donde, c: factor de escala; k: factor de forma.

Para determinar los valores de c y k se hace uso del metodo de regresion lineal Siaka Toure [9], que se basa en una estimacion grafica construida a partir de (10), (11) y (12). Los datos son consignados en la Tabla 1

Y = Ln[-Ln(1-[rho](V)')] (10)

En donde, [rho](V)': densidad de probabilidad continua de Weibull porcentual acumulada.

X = Ln(V) (11)

Y = kX-kLn(c) [por lo tanto] aX+b (12)

Donde c = [e.sup.-b/a], a = k

Se grafica Y en funcion de X realizando una aproximacion lineal, a fin de estimar el factor de escala y factor de forma (Figura 8).

[FIGURA 8 OMITIR]

La aproximacion grafica da como resultado la distribucion de probabilidad continua de Weibull (13), como se muestra en la Figura 9.

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII] (13)

[FIGURA 9 OMITIR]

En la Tabla 2 se presentan valores de los parametros c y k para la estacion UFPS y dos referentes presentes en la region.

Una de las representaciones graficas mas usadas para la interpretacion de la velocidad y direccion es la Rosa de Vientos, la cual consiste en un diagrama polar en el que se definen--para las direcciones cardinales--distintos valores relacionados con la velocidad y direccion del viento. Esta herramienta nos permite representar las direcciones predominantes, que por lo general no coinciden con la mayor intensidad, lo que presenta un aspecto importante a tener en cuenta para un correcto emplazamiento eolico. En la Figura 10 se observa la Rosa de Vientos para la UFPS (2002-2010) (a) y para el Apto. Camilo Daza (b).

[FIGURA 10 OMITIR]

En la UFPS existe predominancia de vientos direccion este-noreste (ENE), a pesar de que los vientos mas fuertes soplan desde el suroeste (SO). Caso parecido sucede en el Apto. Camilo Daza, en donde existe una direccion predominante norte (N), aunque los vientos mas fuertes vienen del sur (S) y del sureste (SE).

--Rugosidad del terreno y perfil vertical de ve locidades

Las mediciones registradas en la velocidad del viento estan influenciadas por el perfil de rugosidad que se presenta en el terreno, como resultado de la proximidad con el suelo. Al conocer la velocidad promedio anual (V) en un punto y la altura (Z) a la cual se realiza la medicion, se puede disenar el perfil vertical de velocidades, que define la velocidad (V)a cualquier altura (Z) de una manera aproximada.

El modelo de calculo mas usado para determinar el perfil vertical de velocidades se basa en una ley potencial o ley de Heilman (14).

<V'>/<V> = [(Z'/z).sup.[alfa]] (14)

Donde a es el coeficiente que depende de la longitud de rugosidad del terreno, el cual puede estimarse cuando solo se conoce una altura (Z) y velocidad determinada ([V.sub.z]), a partir de la formula de Justus-Mikjail (15). Cabe senalar que esta es una primera estimacion que surge cuando no se dispone de informacion relacionada con las caracteristicas fisicas ni del tipo de terreno.

[alfa] = 0.37-0.088ln <[V.sub.Z]>/1-0.088ln (0.1Z) (15)

Debido a la locacion irregular del terreno en donde se ubica la estacion UFPS, se estimo, a partir de valores orientativos de tipos de terreno [5], un valor de [alfa] comprendido entre 0.28-0.35, lo cual corrobora el calculo obtenido con base en (15), donde [alfa] = 0.37. El estimativo para la estacion Apto. Camilo Daza, que posee un terreno llano con perturbaciones minimas a 1250 m de distancia, comprende valores de [alfa] entre 0.15 y 0.17, por lo que se opto por un [alfa] = 0.17 como valor conservador, dado que la primera estimacion con base a (15) fue superior. Caso similar se presenta en Abrego Centro Admo., en donde la estacion se encuentra ubicada en un municipio con terreno accidentado y desigual, y tiene un intervalo de a comprendido entre 0.21-0.24, lo que discrepa un poco de las primeras estimaciones--segun (15)--, asi que se opta por un valor [alfa] = 0.24.

A partir de las estimaciones anteriores se calculan los perfiles verticales de velocidad (Figura 11) para las 3 estaciones en consideracion.

[FIGURA 11 OMITIR]

--Parametros meteorologicos influyentes

Como se menciono anteriormente, la densidad del aire es un termino dependiente de los cambios en la temperatura y presion, y ademas se relaciona con la potencia aprovechada por un aerogenerador; razon por la cual para un emplazamiento eolico se hace necesario conocer su comportamiento. En la Figura 12 se muestra la variacion mensual de la densidad del aire para la serie multianual (2001-2010) en la estacion meteorologica UFPS.

[FIGURA 12 OMITIR]

4. Conclusiones y recomendaciones

La viabilidad en el aprovechamiento del potencial energetico del viento en la UFPS se ve comprometida por los bajos promedios de velocidad anual obtenidos en este estudio (V = 1,2m/s a 15,4 m) y una marcada variacion de las direcciones predominantes. Un parametro que influyo en estas mediciones fue la ubicacion densamente obstaculizada por vegetacion y edificaciones cercanas a la estacion meteorologica, lo que no permitio una correcta circulacion del viento y por lo cual se recomienda su reubicacion.

La estacion meteorologica del Apto. Camilo Daza presenta una variacion muy similar a la observada en la UFPS, pero con intensidades superiores a 5 m/s en determinados intervalos horarios (12:00-17:00). En los meses comprendidos entre junio y septiembre este ciclo horario aumenta alcanzando velocidades promedio de 7 m/s. En la estacion de Abrego Centro Admo. se presentan velocidades medias del viento cercanas a los 5 m/s entre el mediodia y las 17:00 horas, de manera constante durante todo el ano. A pesar de que estos datos muestran una viabilidad para su aprovechamiento energetico, no son concluyentes, debido a que las estaciones de referencia son utilizadas con fines meteorologicos y climatologicos, en donde las magnitudes a medir, aparatos de medicion y metodos de tratamiento de datos difieren de las tecnicas usadas actualmente para la caracterizacion del viento como recurso energetico.

A causa de la baja densidad de estaciones de referencia en el Norte de Santander, se aconseja que para la realizacion de posteriores estudios se cuente con un mayor numero de estas, atendiendo aspectos tales como analisis estadisticos y distribuciones temporales del viento--tanto en velocidad como en direccion--, censado de condiciones meteorologicas influyentes, perfiles verticales de la velocidad del viento, condiciones de turbulencia y factores de rafaga. Dichas estaciones deben ser ubicadas en puntos estrategicos del Departamento, para asi mejorar el modelamiento espacial del viento en superficie.

[ILUSTRACION OMITIR]

Referencias

[1] XM Compania de Expertos en Mercados S. A. ESP. (2013). Energia Electrica. Memorias al Congreso de la Republica 2012-2013. Bogota, Colombia. p. 3.

[2] Unidad de Planeacion Minero Energetica, UPME. Ministerio de Minas y Energia, Minminas. (2011). Boletin estadistico de minas y energia, Colombia. ISBN: 978-958-8363-08-0.

[3] Unidad de Planeacion Minero Energetica, UPME. Instituto de Hidrologia, Meteorologia y Estudios Ambientales, IDEAM. (2006). Atlas de viento y energia eolica en Colombia. Bogota, Colombia.

[4] Sierra Urrego, M. M. (2006). Establecer la asociacion existente entre las variables Meteorologicas temperatura, velocidad del viento y precipitacion y las concentraciones de PM10 registradas en la red de calidad del aire de Bogota D.C. Universidad de La Salle, Bogota D. C., Colombia.

[5] Villarrubia Lopez M. (Mayo, 2013). Ingenieria de la energia eolica. Barcelona, Espana: Alfaomega Grupo Editorial.

[6] Ministerio de Minas y Energias, Instituto de Ciencias Nucleares y Energias Alternativas (INEA). (1997). Manual de aplicacion de energia eolica. Colombia. ISBN958-96121-5-6.

[7] Justus, C. G. (1978). Winds and Wind system performance. Philadelphia, PA: Franklin institute Press.

[8] Weibull, W. (1951). A statistical distribution function of wide applicability. Appl. Mech.-Trans. ASME 18, 3, 293-297.

[9] Toure, S. (2005). Investigations on the Eigencoordinates method for the 2 [sin correspondencia] parameter weibull distribution of wind speed, Francia. Renewable Energy 30, 4, 511-521. doi: 10.1016/j.renene.2004.07.007.

EMILIO VERA DUARTE (1)

ALEJANDRO VASQUEZ VEGA (2)

JUAN ROJAS SERRANO (3)

(1) MSc. Mencion Termofluidos, Universidad Nacional Experimental del Tachira. Departamento de Fluidos y Termicas, Universidad Francisco de Paula Santander. Correo electronico: luisemiliovd@ufps.edu.co.

(2) Departamento de Electricidad y Electronica, Plan de Estudios de Ingenieria Electromecanica, Universidad Francisco de Paula Santander. Correo electronico: darioalejandrovv@ufps.edu.co.

(3) Departamento de Electricidad y Electronica, Plan de Estudios de Ingenieria Electromecanica, Universidad Francisco de Paula Santander. Correo electronico: juanandresrs@ufps.edu.co,

Fecha de recepcion: 16/04/2015--Fecha de aceptacion: 30/06/2015.
Tabla 1. Parametros requeridos para la distribucion de
probabilidad de Weibull

Intervalo (V)   Registros   [rho](V) %   [rho](V)'  Y        X

0                 9700        0.145      0.145    -1.857    ---
0.4               14600       0.218      0.362    -0.799   -0.916
0.9               9013        0.134      0.496    -0.377   -0.105
1.3               6736        0.100      0.597    -0.096   0.262
1.8               6587        0.098      0.695    0.172    0.588
2.2               6522        0.097      0.792    0.452    0.788
2.7               5615        0.084      0.876    0.735    0.993
3.1               4196        0.063      0.938    1.024    1.131
3.6               2470        0.037      0.975    1.306    1.281
4                 1136        0.017      0.992    1.575    1.386
4.5                389        0.006      0.998    1.813    1.504
4.9                103        0.002      0.999    1.995    1.589
5.4                35         0.001      1.000    2.201    1.686
5.8                 7         0.000      1.000    2.408    1.758
6.7                 1         0.000      1.000    3.604    1.902

* Calculos obtenidos a partir de los registros no depurados.

Fuente: elaboracion propia.

Tabla 2. Factor de forma y factor de escala con
frecuencia mensual

UFPS         Apto. C. Daza        Abrego Centro
(2002-2010)  (1981-2004)          Admo. (1981-1994)

Mes    K      c      K      C       K      c

1     0.98   0.70   3.69   2.48   18.47   2.57
2     1.03   0.80   3.05   2.54   20.59   2.61
3     1.06   0.83   3.75   2.48   16.57   2.69
4     1.06   0.84   3.68   2.67   16.13   2.52
5     1.26   0.74   4.14   3.62   12.88   2.39
6     1.56   0.54   3.37   5.57   10.01   2.71
7     1.59   0.51   4.41   5.94   17.39   2.81
8     1.57   0.54   3.76   5.27   10.56   2.70
9     1.51   0.61   3.95   3.92   17.46   2.47
10    1.16   0.97   3.65   3.06   23.66   2.30
11    1.02   0.77   3.09   2.33   14.40   2.38
12    0.96   0.71   3.27   2.40   19.55   2.45

Fuente: elaboracion propia.

Figura 1. Generacion de la energia electrica en
Colombia 2011-2012

Termicos        16%    19%
Menores                 1%
Hidraulicos     78%    75%
Cogeneradores    6%     5%

Nota: Tabla derivada de grafico segmentado.
COPYRIGHT 2015 Universidad Autonoma de Occidente
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2015 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Vera Duarte, Emilio; Vasquez Vega, Alejandro; Rojas Serrano, Juan
Publication:Revista El Hombre y la Maquina
Date:Jan 1, 2015
Words:4049
Previous Article:Linea de Base Energetica en la implementacion de la norma ISO 50001. Estudios de casos.
Next Article:Sergio Zapata (1986): Maestro en Artes Plasticas Instituto Departamental de Bellas Artes (Cali) Promocion 2011-A.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters