Métodos para la estimación de la producción de energía eólica

Abstract

[ES]La predicción de la oferta y demanda de energía eléctrica es una prioridad para mantener un sistema eléctrico seguro y estable. Por ello, establecer un pronóstico de la energía generada por las distintas fuentes de generación se convierte en un desafío que enfrentan los distintos proveedores, situándose la energía eólica en una de las peor posicionadas debido a la impredecibilidad e intermitencia del viento. En este contexto, establecer una predicción precisa de las energías renovables disponibles facilitaría su inclusión en el mercado eléctrico, erigiendo un camino a seguir para alcanzar el objetivo mundial de la reducción de emisiones de 𝐶𝑂2 y del uso de energías contaminantes. En este trabajo se recoge una metodología a seguir para la obtención de una estimación precisa de la producción de energía eléctrica de origen eólico, la cual consta de la fusión de modelos físicos medioambientales y modelos de inteligencia artificial a través de tres procesos escalonados: una predicción meteorológica usando el modelo mesoescala WRF, un ajuste del campo de viento a las características locales del terreno en las cercanías del parque eólico mediante el modelo microescala HDWind y una aproximación estadística de la potencia generada mediante herramientas de machine learning. Así mismo, los resultados obtenidos serán utilizados para analizar la viabilidad técnica del proceso propuesto, así como para la validación de la bondad del resultado alcanzado respecto a otras soluciones existentes

[EN]The prediction of the supply and demand of electrical energy is a priority to maintain a safe and stable electrical system. For this reason, establishing a forecast of the energy generated by the different generation sources becomes a challenge faced by the different suppliers, placing wind energy in one of the worst positions due to the unpredictability and intermittence of the wind. In this context, establishing an accurate prediction of available renewable energy would facilitate its inclusion in the electricity market, laying out a path to follow to achieve the global goal of reducing emissions of 𝐶𝑂2 and the use of polluting energy. In this work, a methodology to be followed to obtain a precise estimate of the production of electrical energy from wind origin is proposed, which consists of the fusion of physical environmental models and artificial intelligence models through three staggered processes: a meteorologycal prediction using theWRF mesoscale model, an adjustment of the wind field to the local characteristics of the terrain of the wind farm surroundings using the HDWind microscale model and a statistical approximation of the power generated using machine learning tools. Likewise, the results obtained will be used to analyse the technical feasibility of the proposed process, as well as to validate the goodness of the result achieved compared to other existing solutions.