estudio preliminar de la velocidad del viento en san … · 2018. 1. 18. · el viento medido a la...

Vol 42 No2 (2017) 59− 79

ESTUDIO PRELIMINAR DE LA VELOCIDAD DEL VIENTO EN SAN JULIÁN ENREFERENCIA A LA GENERACIÓN DE ENERGÍA EÓLICA

Federico Otero1, Bibiana Cerne2 y Claudia Campetella2,3

1Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales CONICET 2Centro deInvestigaciones del Mar y la Atmosfera CIMA – CONICET - UBA

Departamento de Ciencias de la Atmósfera y los Océanos, FCEyN, UBA Instituto Franco-Argentinosobre Estudios de Clima y sus Impactos UMI IFAECI 3351-CNRS-CONICET-UBA

3Servicio Meteorológico Nacional. Buenos Aires - Argentina

(Manuscrito recibido el 22 de febrero de 2016, en su versión final el 25 de agosto de 2016)

RESUMENEn el presente trabajo se realizó una descripción preliminar de las característicasde la velocidad del viento medido a 10 m en la estación meteorológica San JuliánAero, provincia de Santa Cruz, Argentina. El análisis se llevó a cabo con el finde evaluar los cambios en el potencial eólico en la región. Se llevó a cabo unexhaustivo proceso de control de calidad de la serie de datos donde se encontraronperíodos de mal funcionamiento y cambios del instrumental, haciendo que la serieno resulte homogénea. Se describió el ciclo diario y anual de cada período, comoasí también sus distribuciones y los valores extremos asociados a las velocidadescaracterísticas de los aerogeneradores. Por otro lado, para explorar si la variabilidaddel viento medido a 10 m es representativa de la variabilidad del viento a laaltura del rotor, se estudiaron los datos de velocidad a 40 m, 50 m y 60 mmedidos en una torre cercana a la estación meteorológica de superficie. Se aplicarondistintos métodos de “Medir-Correlacionar-Predecir” (MCP) para conocer el gradode correlación direccional entre los datos de la torre y los de superficie obteniendovalores significativos en todos los casos. Esto indicaría que se podrían asumir lasvariabilidades de la velocidad media diaria del viento a 10 m como representativaspara estimar las variaciones del viento a la altura requerida para generar energíaeólica. Los resultados obtenidos manifiestan la dificultad de hacer cualquier estudiode variabilidad del viento y/o estudio de valores extremos con series cortas que sonsensibles a la longitud del registro, al tipo y calidad del instrumental y además a loscambios de ubicación y altura del instrumental y a los obstáculos cercanos.Palabras clave: viento, variabilidad del viento, control de calidad de viento

PRELIMINARY WIND SPEED STUDY IN SAN JULIAN IN REFERENCE TOWIND POWER GENERATION

ABSTRACTIn this paper, a preliminary description of the characteristics of wind speed at 10 min the meteorological station San Julián Aero, Santa Cruz, Argentina was performed.The analysis was conducted in order to assess the wind power generation capacity in

Dirección Electrónica: [email protected]

59

Estudio del viento en San Julián... F. Otero y coautores

the region. A comprehensive quality control process of the wind data series was carriedout where it was found periods of malfunction and instrumental changes, so that theseries resulted not homogeneous. Daily and annual cycle of each period, as well astheir distributions and extreme values associated with the characteristics speed of thewind turbines were described. On the other hand, to explore whether the variabilityof the wind at10 m is representative of the variability of wind speed at the height ofthe rotor, wind speed data at 40 m, 50 m and 60 m measured at a nearby towerthe surface station were studied. Different MCP (measure-correlate-predict)methodswere applied to determine the degree of directional correlation between the data inthe tower vs surface data obtaining significant values in all cases, suggesting that itcould taken the daily mean wind speed at 10 m as representative to estimate thevariability of the wind at the required height to generate wind power. The resultsshow the difficulty of making any study of wind variability and/or extreme valueswith short series because they are sensitive to the record length, type and qualityof the instruments and also to changes in location and height of the measuringinstrumental and nearby obstacles.Keywords: wind, wind variability, wind quality control

1. INTRODUCCIÓN

La energía eólica hace referencia a aquellastecnologías y aplicaciones en las que se aprovechala energía cinética del viento convirtiéndolaen energía eléctrica, térmica o mecánica. Elaprovechamiento de este tipo de energía hatenido un crecimiento exponencial en lasúltimas décadas debido principalmente al avancetecnológico en el diseño de los aerogeneradoresy al cambio en las políticas económicas yambientales (Waimann, 2011). El uso de estafuente de energía presenta tanto ventajas comodesventajas. Dentro de las primeras, se puedemencionar que el recurso es inagotable y pococontaminante. Dentro de las segundas, hayque destacar que las zonas más propicias seencuentran dispersas y que el viento es unavariable, intermitente y difícil de pronosticarlocalmente. Es necesario investigar, tanto enel campo tecnológico como en el estudio de lavariable viento, cuáles son las regiones óptimaspara la explotación del recurso. Esto requierecontar con mediciones de viento prolongadas ala altura de los rotores para conocer no sólosu valor medio y su rango de variación, sinotambién su variabilidad en distintas escalasespacio-temporales.

En Argentina la energía eólica aún se encuentraen la etapa inicial, tanto de conocimiento comode aprovechamiento del recurso, siendo estoevidente por la diferencia que existe entre elpotencial eólico a lo largo del territorio y suaprovechamiento (Barros y otros, 1997). Losprimeros estudios relacionados al conocimientometeorológico del recurso eólico en Argentinadatan de la década del ’80 (Brizuela 1982;Barros 1983,1986; Brizuela y Aiello 1988).En 1983 Barros desarrolló el primer atlaseólico del país y más tarde, Barros y otros(1997) realizaron el primer estudio de potencialeólico de Argentina. Posteriormente, el CentroRegional de Energía Eólica (CREE) realizóun nuevo atlas regionalizado utilizando unmodelo de conservación de masa que incluye larugosidad del suelo y modela el perfil del viento(Mattio y Tilca, 2009). Palese y otros (2009)también realizaron un mapa eólico regionalizadocircunscripto a la zona centro-este de la provinciade Neuquén. Dentro de los escasos estudios sobreel viento medido a la altura de los rotores, sepueden mencionar a Labraga (1994), quien hizoun estudio exhaustivo con la información medidaen torres a la altura de los rotores para Pampade Castillo, distante unos 40 km de ComodoroRivadavia, y a De Bortoli y otros (2002) quieneshicieron un análisis probabilístico de la velocidad

60

Estudio del viento en San Julián...

horaria del viento.

Hoy día existen pocos estudios en Argentina queaborden el aspecto de la variabilidad del vientoa partir de series temporales extensas, y los atlasde viento muestran posibles regiones apropiadaspara la instalación de granjas eólicas en términosde viento medio, pero no hacen referencia a susvariabilidades. Se pueden mencionar el estudioque Palese y Lassig (2012) realizaron sobrela variabilidad interanual de la velocidad delviento en la provincia de Neuquén, y el de Olivay otros (2007) quienes muestran una primeraaproximación de la variabilidad mensual delviento en Rio Gallegos. Es decir, se desconoceel rango de variabilidad en la velocidad delviento en el resto del país. Por otro lado, lavelocidad del viento observado (de aquí en másvelocidad del viento) a 10 m es una variableque se mide con mucho error. Según la GuíaNro. 8 de la Organización Meteorológica Mundial(OMM) (2012), la velocidad horizontal del vientoa 10 m debería medirse con una exactitud de0,5ms−1 en velocidades inferiores a 5ms−1 y conuna exactitud mejor al 10% para velocidadesmayores. La dirección requiere como mínimo unaprecisión de 5o, valores fácilmente alcanzablescon el instrumental moderno. Pero aun coneste instrumental más eficaz, el cambio en laubicación del anemómetro, la interacción delflujo con el entorno y el mal funcionamiento delinstrumento, permanecen produciendo erroressistemáticos en las mediciones y alteraciones enlas series de datos. Se requiere de un estudioriguroso para analizar la calidad del vientomedido a 10 m a través de los años para poderutilizarlo como indicador de las variabilidadesdel viento a nivel de las aspas. Natalini y Natalini(2013) en su estudio sobre velocidades extremasdel viento en Argentina, hacen referencia ala incertidumbre en el proceso de medicióndel viento concluyendo que la misma dificultala determinación del valor de la “velocidadbásica de diseño”, fundamental para los cálculosestructurales.

El objetivo principal del presente trabajo esrealizar una descripción preliminar de las

características de la velocidad del viento a 10m de altura en la estación San Julián Aero(provincia de Santa Cruz).Además, explorarsi existe alguna relación entre los promediosdiarios de los datos medidos en dicha estaciónde superficie y los promedios diarios de los datosobtenidos de una torre de medición de vientoa 40 m, 50 m y 60 m de altura ubicada en lascercanías de la estación. El objetivo secundarioes realizar un control de calidad exhaustivode la información registrada por el ServicioMeteorológico Nacional (SMN) en la estación.

2. DATOS Y METODOLOGÍAS

2.1. Información utilizada

Se trabajó con la serie de datos horarios develocidad y dirección del viento a 10 m de laestación meteorológica San Julián Aero (49o19’S;67o50’O, 2 msnm) perteneciente al SMN.La estación comenzó a realizar observacioneshorarias a partir de enero de 1991, lo cualrestringe la longitud de la serie desde el 1rode enero de 1991 hasta el 30 de julio de 2010.A partir de la información de anemometría(procedimientos y sistemas de medición de ladirección y velocidad del viento, según Glosariode Meteorología de OMM) disponible para elperíodo 1991-2010, se encontró que la estaciónrealizó varios cambios de instrumental pararegistrar dicha variable. Desde mayo de 1991hasta junio de 2005 se utilizaron distintosmodelos de anemógrafos marca BENDIX (sininformación disponible de las característicastécnicas) y a partir de ese momento se comenzó autilizar un anemómetro sónico marca SIAP, cuyorango de medición es de 0 ms−1 a 75 ms−1 conuna exactitud del 97% para velocidades menoresa 35ms−1.

Para contrastarla calidad de la informaciónse utilizaron las componentes meridionaly zonal del viento a 10 m de la base dedatos del NCEP-DOE Reanalysis 2 (R2),disponible en forma gratuita en la página deNOAA(http://www.cpc.noaa.gov/products/wesley/reanalysis2/) (Kanamitsu y otros,

61


2002). Dicha información tiene una resoluciónde 2,5o de latitud por 2,5o de longitud y datoscada 6 horas (0, 6, 12 y 18 UTC). Se eligieronlos puntos de retícula más cercanos al lugar deestudio para su comparación; uno sobre tierra(48o 30’S;67o 30’O) y otro sobre el océano (50o30’S;67o 30’O).

Además se utilizaron los datos de velocidady dirección del viento medidos por sensoresubicados en una torre localizada en San Julián(49o 18’S y 67o 50’ O a 67 msnm) ubicada a20 km al norte de la estación meteorológica delSMN. Los datos proporcionados se encuentranseparados en dos períodos, el primero de ellosdesde el 28 de noviembre de 2008 hasta el 12de marzo de 2009 (período A) y el segundodesde el 1ro de junio de 2009 al 30 dejulio de 2010 (período B). Dicha estación esun conjunto NRG-NowXD (60 m) con DataLogger Symphonie de 6 sensores anemométricoscalibrados NRG Max#40C ubicados a 60, 50y 40 m de altura y 2 medidores de direcciónNRG#200P, por lo tanto hay 2 canales deinformación de velocidad del viento por cadanivel. La velocidad mínima que registra el sensores de 1 ms−1 y, si bien la velocidad máximaque puede registrar el sensor es de 70 ms−1,suelen evidenciar mayores errores de medición apartir de velocidades superiores a 50 ms−1. Lafrecuencia de muestreo del sensor es de 1 datopor segundo. Estos valores son promediados cada10 minutos para obtener la serie final de 6 datospor hora (Oliva 2014, comunicación personal).El control operativo de la funcionalidad de latorre fue realizada por el Área de EnergíasAlternativas de la Universidad Nacional de laPatagonia Austral. Oliva y otros (2009), ensu estudio sobre el diseño de un parque eólicopiloto proyectado en San Julián, explicitan condetalle las características técnicas, el montaje y elprocesamiento de la información de esta estación.

2.2. Metodología de análisis de calidad dela información

2.2.1. Viento a 10 m

La información del viento a 10 m se trabajóen hora oficial argentina (HOA) y se convirtióel sistema de unidades en que se registrala información de velocidad del viento, denudos a ms−1. Se detectaron y marcaron losdatos horarios faltantes, incluyendo en estacategoría a aquellos datos con informaciónerrónea por no contener dirección y/o velocidaddel viento. A continuación se aplicó un controlde valores sospechosos y fuera de rango, lo cuales extremadamente dificultoso de decidir en elcaso del viento debido a su gran variabilidad.El criterio utilizado para su detección es elpropuesto por la Agencia Ambiental de Canadá(Environment Canada) en 2004 (Wan y otros2010) y consiste en detectar si existen valorestales que el módulo de la velocidad sea mayor que36 ms−1, que la diferencia entre las velocidadesde la hora previa y la hora posterior sean mayoresa 7,7 ms−1 o bien que el viento horario máximosea mayor que el valor de la ráfaga extremadiaria. Dado que no existe información disponiblesobre ráfagas en la estación, no se aplicó esaparte del criterio. Debemos mencionar que estoscriterios se utilizaron para la región de Canadáy que debería realizarse un estudio profundo enla región para establecer y rectificar/ratificarel valor umbral para la región de estudio yconstatando los valores de viento de estacionescercanas. Por otro lado, este valor está dentrodel rango de 27 ms−1 y 42 ms−1 mencionado porLassig y otros (2011) en su estudio sobre vientosextremos en la provincia de Neuquén y es inferioral valor de la ráfaga más intensa en la región(58 ms−1, Reglamento CIRSOC 102, 2001). Conrespecto a la dirección, se controló que la mismase encuentre comprendida entre 1o y 360o.

Los datos de R2 son valores en una retícularegular a intervalos discretos de tiempo conconsistencia física por lo que eliminan algunosde los problemas asociados a las característicasespecíficas de la estación de superficie (Watson,2014). Una primera aproximación para explorarla calidad de los datos consistió en lacomparación de los valores de velocidad mediaanual del SMN con los valores medios anualesinformados por la base de dato R2. Se trabajó con

62


las anomalías de velocidad del viento respecto ala media del período (1991-2010).

A partir de la información de la Anemometríase detectaron los períodos en los cualeslos instrumentos no tuvieron un adecuadofuncionamiento y períodos en donde se realizaroncambios de instrumental. Durante estos períodosno se llevaron a cabo mediciones simultáneasentre el instrumental a reemplazar y el nuevoque permitieran determinar un coeficiente deajuste. Por lo tanto, para comprobar si existeun impacto en la serie de datos debido a loscambios de instrumental, se aplicaron distintostipos de testeos para determinar si los registros develocidad del viento podrían considerarse comouna única serie o no. En primer lugar se utilizó eltest de Kolmogorov-Smirnov (Lilliefors, 1967)para conocer si alguno de los períodos tienedistribución normal. A continuación se aplicóel test de Levene, (Levene, 1960) para estudiarla homogeneidad de varianzas, que es robustobajo no normalidad y finalmente la prueba deMann-Whitney (Mann y Whitney, 1947) quees una prueba no paramétrica para compararla mediana de dos muestras y determinar si ladistribución de partida de los grupos es la misma.Todos los test se realizaron con una significanciadel 95%.

2.2.2. Viento en la torre

Se controlaron los datos faltantes, fuera de rangoy erróneos teniendo en cuenta los límites yaespecificados del sensor. A continuación, acordea lo establecido en la Sección 4.1 de las NormasArgentinas Recomendaciones para medicionesde velocidad y dirección de viento con finesde generación eléctrica y medición de potenciaeléctrica generada por aerogeneradores (Mattio yTilca, 2009), se realizó un análisis de consistenciade datos medidos en la torreen cada nivel; canales1 y 2 a 60 m, canales 3 y 4 a 50 m y canales 5 y 6a 40 m para evaluar el efecto sombra de la torreanemométrica sobre los instrumentos. Dichoanálisis consiste en graficar las diferencias enlas velocidades de los anemómetros ubicados enun mismo nivel como función de la dirección en

cada tiempo para así determinar qué instrumentoestá perturbado por la estela del otro y de la torrey, de este modo, no considerar dicha medición.En los demás casos se considera al valor de lavelocidad del viento como el promedio de ambasmediciones de los respectivos canales por nivel.Una vez filtrado el efecto de sombra y, a fin deque las mediciones en la torre sean análogas alas mediciones realizadas a 10 m, se confeccionóuna nueva serie de datos horarios considerandoúnicamente el valor de los últimos 10 minutosde cada hora acorde a lo descripto en el párrafoanterior.

2.2.3. Distribución de Velocidades

La distribución de Weibull es una funciónde dos parámetros comúnmente utilizada paraajustarse a la distribución de frecuencias de lavelocidad del viento (Justus y otros 1976). Setrata de una distribución de dos parámetros; unparámetro de escala y un parámetro o factorde distribución de forma. Se utilizó el métodode máxima verosimilitud para la estimación delos parámetros de Weibull siguiendo a Seguroy Lambert (2000) quienes postulan que es elmétodo más preciso y robusto.La función dedistribución de Weibull está representada porla ecuación 1.

f(v) = kc

(v

c

)k−1e

−(v

c

)k(1)

Donde c es el parámetro de escala de Weibull,con unidades iguales a las unidades de velocidaddel viento, k es el parámetro de forma(adimensional), y v es la velocidad del viento.

Se aplicó el test chi cuadrado modificado para ladistribución de Weibull (Voinovab y otros 2012)junto a gráficos de probabilidad de distribuciónpara conocer si las distribuciones de velocidad seajustan a dicha distribución.

2.2.4. Variabilidad del viento a 10 m y surelación con el viento en la torre

Para describir la variabilidad del viento secalcularon los valores medios diarios, mensuales

63


y anuales, sin considerar las calmas. El noconsiderarlas, si bien genera una sobreestimacióndel valor medio, los autores consideran quesu estudio en forma independiente aportainformación valiosa por representar uno de losvalores extremos de la variable viento cuyoconocimiento es muy importante en la generaciónde energía eólica. El estudio de calmas se llevóa cabo describiendo su ciclo diurno, mensual einteranual en términos de frecuencias relativas ala cantidad de información.

Para indagar el comportamiento de los valoresde viento más intensos, se calculó la frecuenciarelativa de los registros que exceden un umbraldeterminado. Dicho umbral se eligió siguiendo lametodología propuesta por Earl y otros (2013).La misma consiste en estimar la velocidad delviento medido a 10 m tal que ajustado a niveldel rotor se corresponda con el valor para el cualalcanza su máxima potencia o velocidad nominal.Además se consideró un segundo umbral asociadoal valor de corte, que representa la estimación delviento a 10 m tal que ajustado a nivel del rotorsea igual al valor a partir del cual las palas seubican en posición bandera, permitiendo que elaire fluya y se proteja su integridad estructural.Como ejemplo se utiliza la curva de potencia deun aerogenerador IMPSA IWP 70, con aspas a72 m de altura (Waimann, 2011), cuya velocidadnominal es 13 ms−1 y velocidad de corte de 25ms−1.

En este caso la extrapolación del viento desde72 m a 10 m se realizó utilizado la ecuación delperfil logarítmico para condiciones de atmósferacon estratificación neutral (Stull, 1988), ec. (2)

v2v1

=ln

(h2z0

)ln

(h1z0

) (2)Donde v1 es la velocidad del viento a la altura h1,v2 es la velocidad del viento en altura h2 y z0 esla longitud de rugosidad considerando un valorde 0,03 m (asociado a tierra agrícola abierto sinvallas y setos; tal vez algunos edificios distantesy colinas muy suaves correspondiente a un

obstáculo de entre 0,25 y 1 m según Oke (1987)).En este trabajo se estima la velocidad del vientomedio mensual a partir de la ecuación (2), por lotanto la aproximación de atmósfera con condiciónde estratificación neutral es una aproximaciónválida en primera instancia (Gualtieri y Secci,2014).

Para conocer si es posible extrapolar elcomportamiento del viento medido a 10 m conel registrado a nivel de la torre (equivalenteal nivel del rotor), se aplicaron distintosmétodos de correlación a las velocidadesmedias diarias de la torre y a 10 m enlos períodos coincidentes (28/11/08–25/01/09y 01/03/10-30/07/10) incluyendo las calmas.Los algoritmosde Medir-Correlacionar-Predecir(MCP) se utilizan para predecirel recurso en eldesarrollo de la energía eólica (Rogers y otros,2005 y las referencias allí citadas). Los métodosMCP modelan la relación entre los datos deviento (velocidad y dirección) medidos en ellugar de destino (datos de torre), por lo generaldurante un período de hasta un año, y datossimultáneos en un sitio de referencia cercana(datos SMN). El modelo utiliza los datos a largoplazo del sitio de referencia para predecir lasdistribuciones de velocidad y dirección del vientoa largo plazo en el sitio de destino. El objetivo delmétodo de MCP es obtener una caracterizaciónde las distribuciones de la velocidad del vientocomo una función de la dirección en el sitio dedestino con el fin de determinar la producciónde energía anual de un parque eólico situadoen dicho sitio. Si bien no es el objetivo de estetrabajo determinar la producción de energía, estametodología resulta de gran utilidad para evaluarlas correlaciones entre la información de la torrey la del SMN, ya que admite estudiarlas en formadireccional. De esta forma se obtiene informaciónadicional que permite conocer si existe o no unadirección preferencial en la cual la extrapolacióndel comportamiento es más o menos válida. Seaplicó MCP considerando 16 sectores de 22.5ocada uno.

Los métodos MCP aplicados en este trabajo son;

64


i El método Lineal por Cuadrados Mínimos, quees un método basado en una aplicación directadel procedimiento lineal de cuadrados mínimoscomo una relación de la forma y = mx+ b.

ii El método de Cuadrados Mínimos Total,también conocido como mínimos cuadradosortogonales, es un método de correlación queminimiza la distancia ortogonal a la líneade mejor ajuste. El ajuste de la curva linealresultante se describe con una pendiente y elvalor de interceptación, es decir, como unarelación de la forma y = mx+ b.

iii El método de Relación de Varianza, es un simpley robusto algoritmo de MCP propuesto porRogers et al. (2005) en el cual se utiliza unmodelo lineal de la forma ỹ = mx + b y fijalos dos parámetros de ese modelo lineal, demodo que la varianza de las velocidades delviento previstas para la torre σ2(ỹ) sea iguala la varianza de las velocidades del vientoobservadas σ2(y) siguiendo la relación ỹ =(µy −

(σyσx

)µx

)+

(σyσx

)x (donde µx, µy, σx y σy

son las medias y los desvíos estándar de ambosset de datos (torre y SMN).

iv El método Weibull Fit que es un algoritmoMCP propuesto por van Lieshout (2010) dondese utiliza un modelo de ley de potencia de laforma ỹ = axb donde x denota velocidadesdel viento observada en el lugar referencia yỹ denota la velocidad del viento en el sitioobjetivo. El exponente es igual a la relaciónde los factores de forma de Weibull.

Los cálculos se realizaron con la versióngratuita del programa Windographer(htpp://www.windographer.com). Dado quesolamente se dispone de un año de medicionesen la torre en períodos separados, no fue posibleaplicar una metodología de filtrado más robustay se utilizó la velocidad media diaria y no lahoraria para eliminar las fluctuaciones debido aprocesos de pequeña escala.

3. RESULTADOS Y DISCUSIÓN

3.1. Control de calidad de la información

El análisis de la información de viento a 10 mregistrada por el SMN correspondiente al totalde los datos (1991-2010) mostró un total de 1935datos horarios faltantes, que representan un 1,1%del total. Cabe mencionar que en su mayoría losdatos faltantes corresponden al año 1991, el cualpresenta casi un 10% de faltantes para este año.La cantidad de información faltante en el restode los años (1992-2010) es menor al 1% y variosaños resultaron completos. Un estudio exhaustivodel año de mayores faltantes, 1991, mostró quedurante este año no fueron registradas las horasnocturnas 22, 23, 0, 1, 2, 3, 4 y 5 durante losmeses de enero, febrero y marzo. A partir de esteresultado se decide eliminar el año 1991 de laserie de datos, quedando la nueva serie con untotal de 165101 datos correspondientes al período1992-2010.

El control de datos fuera de rango para lavelocidad del viento (|v| > 36 ms−1) indicó quesólo 6 valores estaban fuera de rango, de loscuales ninguno de ellos superó los 38,6 ms−1.Sise considera que no se realizó ningún estudiopara validar dicho límite en la región y quelas mediciones superan a lo sumo un 13% adicho valor, y teniendo en cuenta que el erroraceptado por la Organización MeteorológicaMundial (2012) es de hasta el 10%, se decidemarcarlos pero no eliminarlos. El criterio de ladiferencia entre horas consecutivas menores a 7,7ms−1 no fue cumplido por el 2% de los datos,los cuales se eliminaron del presente estudio.

También se realizó el análisis de consistenciade los datos de velocidad medidos en la torre.Se evaluaron las diferencias entre los diferentescanales de los sensores ubicados en la torre. Elvalor medio de las mismas en el nivel de 40 mmostró un valor de 4,42 ms−1, mientras que elde los dos niveles restantes (50 m y 60 m) resultóser menor a 5 × 10−2 ms−1. Esto reveló unadiscrepancia entre los valores de los 2 canales delnivel de 40 m. Para determinar cuál de los doscanales es el que no funciona adecuadamente, selos comparó con el viento en los niveles más altos,descartándose así el canal 2. No se encontraronvalores fuera de rango y/o sospechosos en esta

65


Figura 1: Velocidad media anual de vientoa 10 m.

serie en el resto de los canales.

Con el fin de explorar el comportamiento de lainformación a través de los años se muestra enla figura 1 la velocidad media anual del viento a10 m. Allí puede observarse un notorio aumentoentre 1993 y 1997 (2 ms−1 aproximadamente) yluego una fuerte disminución entre 1997 y 1998de casi 3 ms−1, momento a partir del cual oscilaentre 7 ms−1 y 8,5ms−1. Este comportamientoinduce a sospechar de la calidad de la informaciónen este período, en el que las velocidadesmedias se ubican muy por encima del resto laserie. Para verificar esto, se la comparó con lainformación brindada por la base de datos deR2. En la figura 2 se puede observar que lasanomalías de los dos puntos (sobre tierra y sobreocéano) de la base de datos de R2 presentan uncomportamiento equivalente pero, al compararlos con las anomalías de la estación meteorológica,se observa una notoria discrepancia en el período1992-1997, donde las anomalías son fuertementepositivas en la estación de superficie mientrasque son negativas en los datos R2. A partir deese momento las tres series progresan en formaaproximadamente similar excepto en el año 2007en que los datos presentan una anomalía negativamientras que en los datos de R2 es positiva. Estosresultados inducen a desconfiar de la calidad dela información del viento a 10 m entre los años1992 y 1997, razón por la cual se decidió trabajarcon la serie a partir de 1998, o sea solamente 13años.

Figura 2: Anomalías anuales de velocidaddel viento para San Julián Aero (línea azul)y dos puntos de la base de datos de R2(línea roja punto sobre tierra y línea verdepunto sobre el mar).

El próximo control de calidad realizado a la seriede viento a 10 m fue a partir de considerar laanemometría. Esta información indica que elinstrumental tuvo un funcionamiento malo oregular entre 1994 y 1998 confirmando así lapropuesta de no considerar la serie anterior a1998. En la tabla I se muestran los períodosseparados según el instrumento registradorjunto al total de datos de cada período y lasfechas eliminadas por mal funcionamiento delos instrumentos del SMN, como así tambiénlos períodos y cantidad de información medidaen la torre. Con respecto a la información delSMN, resultan 5 períodos según el instrumentaly en tres de los cuales hay sub-períodos de malfuncionamiento que fueron eliminados.

Con el fin de conocer si puede tratarse a laserie de velocidad del viento a 10 m como unaserie homogénea se aplicaron distintos tiposde test. En primer lugar se verificó medianteun test de Kolmogorov-Smirnov que ningunode los cinco períodos tiene distribución normal.Se decidió no utilizar los períodos 2 y 5 portener cortas longitudes y por lo tanto no esposible representar el ciclo anual en formaadecuada. A continuación se compararon lasvarianzas de los períodos mediante el test deLevene. Se aplicó el test entre los períodos 1,3 y 4 resultando que las varianzas de estasmuestras difieren significativamente entre ellas.

66


Tabla I: Períodos de medición por instrumental, total de datos y períodos de mal funcionamiento.

Se completó el análisis testeando las medianas dedichos períodos mediante el test de Mann-Whitney resultando ser significativamente distintos lostres períodos, lo cual indica que no se puedeconsiderar la serie del SMN como homogénea ydeben tratárselos períodos por separado.

3.2. Distribuciones de la velocidad delviento

Es de suma importancia para la industria eólicaconocer la distribución de ocurrencia de distintasvelocidades de viento, ya que es fundamentalpara optimizar el diseño de los aerogeneradores.Se calcularon las distribuciones de frecuenciasrelativas porcentuales de velocidad sin calmaspara los distintos períodos tomando 1 ms−1como longitud de clase. Se ajustó cada períodocon una distribución teórica de Weibull (figura3) y se verificó la bondad de ajuste medianteun test chi cuadrado para distribuciones nonormales. Debido a que el test resultó negativopara las muestras horarias, se realizaron gráficoscuantíl-cuantíl con un ajuste teórico de Weibull

para conocer el grado de ajuste de las series(figura 4). Se puede notar que el ajuste resultamejor para velocidades menores a 15 ms−1 enel período 1 y menores a 20 ms−1 en los otrosdos períodos. De todos modos, para el fin deeste trabajo, el ajuste resulta satisfactorio. Enla tabla II se muestran los parámetros de forma(k) y de escala (c) obtenidos del ajuste para los3 períodos junto a la media, mediana y varianza.Se registra un aumento entre el período1 y 3 de0,7 ms−1, mientras que entre el 3 y el 4 hay unadisminución de 0,92 ms−1 indicando el cambio enel viento medio. K muestra valores entre 1,79 y2,12, rango de valores que también fue reportadoen la literatura para el Reino Unido (Earl yotros 2013), para Turquía (Celik, 2004), parala costa de Norte América (Pryor, 2010) y algomenores para las estaciones meteorológicas delSMN en la provincia de Neuquén (Lassig y otros,2011). El valor de este parámetro crece entrelos períodos 1 y 4, este cambio se relaciona conun estrechamiento de la función de densidad deWeibull como se aprecia en la figura 3. Dichoestrechamiento se asocia a una disminución en

67


Figura 3: Distribución porcentual de velocidad para cada período (barras), ajustado con unadistribución teórica de Weibull (línea punteada roja). Los valores del eje x son en ms−1.

la frecuencia de ocurrencia de velocidades bajas,valores menores o iguales a 3 ms−1 pasan derepresentar el 10% en el período 1 al 5,6% enlos períodos 3 y 4, como así también a unadisminución de los valores máximos, valoresmayores o iguales a 19 ms−1 representan el 4,1%en e1 período 1, 3,1% en el período 3 y 1,5% enel período 4, en concordancia con la disminuciónde la varianza (tabla II).

Earl y otros (2013) postularon que el valor delparámetro de forma sería función del valor mediodel viento y de las características locales de laubicación de la estación. Dado que no se hallódocumentado un cambio en las característicaslocales de la estación, se asume que el cambio enel valor de k estaría principalmente asociado acambios en la velocidad del viento. Estos cambiospodrían estar relacionados con la circulaciónatmosférica, el cambio de instrumental como asítambién aquellos debidos a la longitud de losregistros o bien ser la combinación de todos losefectos.

3.3. Variabilidad del viento

Para describir la variación de la velocidad delviento a 10 m se presenta el ciclo diario, mensualy la variación anual del viento, y tambiénse discute el comportamiento de los valoresextremos, las calmas y los valores asociadosa la velocidad de corte nominal. En primerainstancia se calculó el valor medio y la varianzade velocidad para cada período (tabla II). Lavelocidad media es de 8 ms−1, 8,6 ms−1 y 7,8ms−1 respectivamente para los períodos 1, 3 y4. Se observa una disminución de las varianzasentre el primer y cuarto período de un 31,6%(de 22,17 m2s-2 a 15,17 m2s-2).

El viento medio presenta un ciclo diurno bienmarcado. A nivel diario, los tres períodos tienenun comportamiento semejante, donde los valoresmáximos se observan a la hora de mayorcalentamiento entre las 13 hs y las 18 hs,mientras que los mínimos ocurren durante lanoche, entre las 23 hs y las 8 hs (figura 5). El cicloanual resultó variable para cada período (figura

68


Figura 4: . Gráfico cuantíl-cuantíl para cada período (puntos azules), ajustado con una distribuciónteórica de Weibull (línea punteada roja). Los valores son en ms−1.

Tabla II: Parámetro de escala (c), de forma (k), Mediana, media y varianza de los períodos enconsideración del viento a 10 m.

Figura 5: Ciclo diario de velocidad de cadaperíodo.

6). Como características generales, se observanlas mayores velocidades en verano, con máximosrelativos en julio para los períodos 1 y 3. Además,un cambio en la época de ocurrencia de los valoresmínimos entre marzo y junio en el período 1 queluego se traslada a los meses de julio a septiembredurante el periodo 4.

Para la generación de energía es de sumaimportancia determinar si existen períodos develocidades débiles o calmas. Debido a que lasaspas de los molinos se encuentran ubicadas a 72m de altura para el IMPSA IWP 70, no podemos

69


Figura 6: Ciclo anual de velocidad de cadaperíodo.

Figura 7: Ciclo diario de calmasporcentuales relativas a la cantidadde datos de cada hora de cada período.

asegurar que vientos menores a 0,5 ms−1 a 10m sean también menores a 0,5 ms−1 a 72 m,pero podríamos asumir que serán débiles. Seencontraron 8238 datos de calma (9,2%) enlos 3 períodos analizados. El ciclo diurno decalmas, para los períodos 1, 3 y 4 se muestraen la figura 7 (frecuencias relativas a la cantidadde datos horarios mensuales de cada período).Allí se puede observar que la menor cantidadde calmas se presentan en las horas diurnas(frecuencias menores al 0,2% entre las 14 y las17 hs) alcanzando las máximas frecuencias entrelas 23 hs y las 6 hs, siendo más frecuentes enel período 1 y menos en el período 3. El cicloanual se muestra en la figura 8, en ella se observaque durante el período 1 las mayores frecuenciasocurren durante el otoño (entre 15% y 20%aproximadamente), mientras que en el período4 ese es el momento de menores frecuencias(entre 5% y 9%) y el período 3 presenta

Figura 8: Ciclo anual de calmasporcentuales relativas a la cantidadde datos por mes de cada período.

Figura 9: Porcentaje anual de calmas.

un comportamiento intermedio, con frecuenciasentre el 4% y 11% durante todo el año.Finalmente se estudió la variabilidad interanual,en la figura 9 donde se puede apreciar que lafrecuencia de calmas disminuyó su ocurrenciaentre 1998 y 2004 un 5% aproximadamente,año a partir del cual se observa un incrementoprogresivo llegando a 7% en 2008. Este últimocomportamiento no es el esperable debido alcambio de instrumental, ya que según Chiodiy Ricciardelli (2014) el porcentaje de ocurrenciade calmas disminuye con la utilización deanemómetros sónicos.

Para explicar el comportamiento de los vientosmás fuertes se los catalogó por umbralesrelacionados con la potencia que produce elaerogenerador utilizado como ejemplo en elpresente trabajo. Dichos umbrales en el nivelde 72 m para el aerogenerador de ejemplo son:el valor nominal de 13 ms−1 y el valor de

70


corte de 25 ms−1, los mismos se correspondencon velocidades de 10 ms−1 y 19 ms−1a 10 mestimados a partir del perfil logarítmico. En latabla III se muestran las frecuencias acumuladasde ocurrencia de velocidades mayores o iguales ala nominal y a la de corte calculadas a partir detoda la información, o sea con calmas incluidas.Con respecto a la velocidad nominal, se observaun gran aumento de frecuencias entre el período1 y el período 3 (de 20,4% al 33%) que luegovuelve a disminuir alcanzando el 25,3%. Estoconcuerda con el aumento de la velocidad mediadel período 3 ya mencionada. Sin embargo, losvalores de velocidad mayores a 19 ms−1, si bienson poco frecuentes, disminuyen notoriamentesu ocurrencia con el tiempo. En la figura 10ase muestra la frecuencia mensual de vientosmayores a 10 ms−1. En los tres períodos seobservan las máximas en verano, pero el período1 registra la máxima absoluta en el mes de julio.Las mínimas frecuencias ocurren entre marzoy junio para el período 1, en mayo para elperíodo 3 y entre julio y septiembre para elperíodo 4. En la velocidad de corte (figura 10b)se observa en el período 1 una relación similar alas frecuencias de viento de la velocidad nominal,con máximos en julio, octubre y noviembre ymínimo en marzo. Por su parte, los períodos3 y 4 muestran máximas relativas en otoñoy primavera y mínimas en invierno y si biensiempre son poco frecuentes, es apreciable ladisminución de eventos en el período 4. Laevolución diurna de estos valores de velocidad nopresenta diferencias en las horas de ocurrenciaentre los períodos, donde las máximas frecuenciasse observan entre las 13 hs y las 18 hs (resultadosno mostrados).

Se debe tener cautela al analizar los resultadosobtenidos. Watson (2014) sugiere que lasconclusiones sobre la disminución del viento anivel global, producidas a partir de observaciones,deben ser consideradas con precaución debidoa la poca confiabilidad de la calidad y a lasinhomogeneidades de la información medida.Además, las conclusiones elaboradas a partir debases de datos analizados muestran resultadosconflictivos con las observaciones y entre ellas en

algunas regiones. Aceptando en primera instanciala confiabilidad de los datos de velocidad deviento a 10 m del SMN, con el tratamientopropuesto, los resultados hallados indicarían queexiste en el último período una disminución enla frecuencia de vientos mayores a 10 ms−1(de33,2% al 20,4% de las horas), lo cual impactaríaen una menor producción de energía, mientrasque la disminución en las frecuencias de vientosmayores a 19 ms−1 produciría el efecto contrario.Con respecto a las horas en que el aerogeneradortrabaja pero no a su máxima potencia (entre 3ms−1y 10 ms−1) se observa en la tabla III queaumentó su ocurrencia un 1,8%.

3.4. Descripción y análisis de la velocidaddel viento en la torre

En la figura 11 se muestra la diferencia de lasvelocidades en función de la dirección sólo parael nivel de 60 m y el período B. Claramentese observa el efecto de distorsión del fluidopor la torre ubicado alrededor de los 50o y los150o, dicho efecto se filtró al no considerar elanemómetro ubicado a sotavento en estos casos.Esta técnica se aplicó para reconstruir la seriede velocidad de viento en 60 m y 50 m en ambosperíodos, mas no en el nivel de 40m por el malfuncionamiento de uno de sus canales. Se decidióno eliminar, en primera aproximación, a dichonivel a pesar de estar perturbado para describirla estructura vertical de la velocidad del vientoen forma aproximada.

A continuación, se calculó la velocidad media delviento horario y el desvío estándar para ambosperíodos analizados de la torre. En la tabla IVse observa que el viento medio aumenta con laaltura pasando de 8,3 ms−1 en 40 m a 8,7 ms−1en 60 m para el primer período y de 8,7 ms−1 a9,2 ms−1 en el segundo período. Se debe tener encuenta que los períodos difieren en la cantidadde información y en la época del año lo que daríalugar a la diferencia en las velocidades mediasentre ambos. Es notoria la gran dispersión delos valores horarios como puede notarse en losvalores del desvío estándar que son del mismoorden que el de la velocidad media, indicando

71


Tabla III: Porcentaje total de horas entre umbrales para los tres períodos de viento a 10 m.

Figura 10: a) Frecuencias porcentuales relativas a la cantidad de datos de cada mes de velocidadesmayores a 10 ms−1 para los tres períodos. b) Igual que en a) para velocidades mayores a 19ms−1.

72


Figura 11: Diferencia de velocidad vientoentre los canales 1 y 2 del nivel de 60 msegún la dirección durante el período B.

una gran variabilidad inter horaria.

Se calcularon las distribuciones de frecuenciasrelativas porcentuales de velocidad sin calmaspara períodos de los datos medidos en la torre. Aligual que para los datos de velocidad a 10 m, seajustó cada período con una distribución teóricade Weibull (figura 12) y se verificó la bondadde ajuste mediante el test chi cuadrado. El testresultó negativo para el período A, mientras queresultó positivo para el período B, donde se puedeapreciar cómo ajustan los datos a la distribuciónteórica de Weibull y cómo en el período A losvalores de velocidad entre 5 ms−1 y 8 ms−1sobrepasan los valores de la distribución teórica.En la tabla IV se muestran los parámetros deforma y de escala obtenidos del ajuste para laaltura de 60 m.

A partir de este momento se trabajó con solocon el período B por ser el más completo deambos. Se examinó el ciclo diurno de la velocidad(figura 13) donde se puede observar que lasmayores velocidades se encuentran a 60 m yque los máximos ocurren durante las horas demáximo calentamiento, mientras que los mínimosse observan durante las horas nocturnas en todoslos niveles. En el momento de mayor viento, losvalores medios del nivel de 50 m y 60 m registranvalores semejantes y una mínima diferencia conel nivel de 40 m, mientras que en las horasnocturnas se pueden apreciar mayores diferenciasentre los niveles, resultado esperable teniendo en

cuenta que a la hora de máximo calentamiento lamezcla turbulenta es muy efectiva (Stull, 1998).

3.5. Análisis de la velocidad del vientomedido en distintos niveles y sucorrelación con los datos a 10 m

A partir de los resultados descriptosanteriormente se puede inferir subjetivamenteque hay una buena relación entre la velocidaddel viento a 10 m y la velocidad en la torre.Esto induce a estudiar si se podría asumir quelas variabilidades del viento medio diario a10 m son representativas de las del nivel delrotor. Se trabajó con valores medios diarios parasuavizar los posibles efectos de pequeña escalaque pudieran obscurecer los resultados buscados.Por otro lado, al calcular el promedio diariose reduce el efecto de no linealidad entre lasrespuestas de los distintos sensores a las bajasvelocidades de viento (Salgado y otros, 2013).

Se aplicaron los métodos MCPa los datos develocidad media diaria de viento a 10 m y lasdel viento medido en la torre (período B) a 60m, nivel más cercano al rotor. Los coeficientesde correlación direccionales entre los datos de latorre a 60 m y los del SMN (tabla V) superan encasi todas las direcciones y metodologías MCPel valor de 0,8 siendo muy pequeña la diferenciaentre ellos. Sólo la dirección entre 146,25o y168,75o (SSE) indica un valor de correlaciónun poco menor (entre 0,787 y 0,801 según lametodología). Para completar el análisis con losotros niveles de la torre, se realizó un diagrama dedispersión entre los datos de la torre y los datosmedidos a 10 m. En la figura 14 se muestran losgráficos correspondientes a todos los niveles yperíodos, donde se aprecia claramente el buenajuste que hay entre las series a nivel de valoresmedios diarios para todas las direcciones. Porlo tanto podríamos decir que se sería aceptableutilizar la serie de viento medio diario a 10m del SMN para estimar las variaciones delviento medio diario a la altura requerida paragenerar energía eólica. Este postulado deberíaser confirmado a futuro por estudios realizadoscon series de mediciones en torres y por SMN

73


Tabla IV: Valores medios de velocidad, desvío estándar para los tres niveles de la torre. Parámetrode escala (c), de forma (k) para ambos períodos.

Figura 12: Distribución porcentual de velocidad para cada período de la torre (barras), ajustadocon una distribución teórica de Weibull (línea punteada roja). Los valores del eje x son en ms−1.

74


Figura 13: Ciclo diario de velocidad paracada altura en la torre del período B.Los valores de velocidad son promedio deambos canales de medición a excepción delcanal de 40 m.

más largas y sin cambio de instrumental, las quepermitirían además explorar las variabilidadesde escalas más larga.

4. CONCLUSIONES Y DISCUSIÓN

En el presente trabajo se mostró que seríaposible asumir, en primera aproximación, queel promedio diario de la velocidad del viento a 60m, 50 m y 40 m posee variabilidades semejantesque el de la velocidad del viento medido a 10 men la estación meteorológica de superficie cercanaSan Julián Aero. Dado las cortas longitudes delas series medidas en torres, solamente es posiblerealizar estudios con metodologías estadísticassencillas sobre la variabilidad de la velocidad delviento y los resultados presentados deberían serconsiderados con cautela.

Se llevó a cabo un exhaustivo proceso de controlde calidad de la serie de viento a 10 m delSMN. Los resultados encontrados indicaron quedebido al mal funcionamiento del instrumental,la serie se redujo drásticamente siendo utilizablesolo desde 1998, momento a partir del cual yhasta 2010 hay periodos cortos no utilizables.Debido a las reparaciones, cambios de modeloy tipo de instrumental la serie resultó no serhomogénea dando lugar a 5 períodos, dos delos cuales resultaron ser muy cortos por lo quefueron descartados del estudio, debiendo trabajarseparadamente cada período.

Se describieron el ciclo diario y anual de lostres períodos. Los valores mostraron que lasmayores velocidades ocurren a la hora de máximocalentamiento, observándose una disminuciónde 1 ms−1 entre el primer y último período.Con respecto al ciclo anual, se notaron distintascaracterísticas para cada período, como el notoriocambio que se observó respecto de la posicióndel mínimo, que muda del otoño en el primerperíodo a la primavera en el último. El resultadoobtenido señala que los cambios en la época deocurrencia de los máximos y mínimos sugierela idea de que tal vez las variaciones en lospatrones de circulación de la atmósfera podríanser los responsables, al menos en parte. Paraverificar esta hipótesis se requeriría contar conuna serie más larga de observaciones efectuadascon el mismo instrumento o bien recurrir alas bases datos de reanálisis, considerandopreviamente una validación con las observacionespara mostrar su representatividad.

Las calmas también presentaron cambios noesperados entre los períodos analizados, si seconsidera el cambio de instrumental, ya que losanemómetros sónicos poseen mayor exactitud yse esperaría una disminución en su ocurrenciacomo lo señalan otros autores. Esto surge alevaluar la variabilidad interanual, donde seencontró una disminución progresiva hasta 2004(más de un 5% de ocurrencia) que luego seinvierte en coincidencia con el momento en quese instala el anemómetro sónico, aumentado enun 3% en 4 años.

Este cambio notorio en las velocidades bajastambién fue observado como un cambio en elparámetro de forma de la distribución Weibullentre los períodos, asociados con una disminuciónen la cantidad de eventos extremos. Losresultados fueron verificados con los umbralesdefinidos en función de la producción de energíaeólica (velocidad nominal y de corte). Allí pudoobservarse una disminución en la frecuencia develocidades mayores a la nominal del 33,2%en el período 3 al 25,3% en el período 4. Estotambién fue registrado en la velocidad de corte,donde los valores disminuyen notoriamente su

75


Tabla V: Coeficientes de correlación direccionales entre el viento medio diario a 10 m y el vientomedio diario a 60 m del período B de la torre.

76


Figura 14: Diagramas de dispersión entre el vientomedio diario a 10 m y a 40 m, 50 m y 60 mpara períodos coincidentes. Periodo 2008-2009 (A) Período 2009-2010 (B).

ocurrencia con el tiempo. Por lo tanto, segúnestos resultados, habría menos horas en la que elaerogenerador trabajaría a potencia máxima perotambién menos horas en las que no produciríaenergía por vientos muy fuertes.

Los resultados de este trabajo manifiestanla dificultad de hacer cualquier estudio devariabilidad del viento y/o estudio de valoresextremos con series cortas ya que son sensiblesa la longitud del registro, al tipo y calidaddel instrumental y además a los cambiosde ubicación y altura del instrumental ya los obstáculos cercanos (problemas nodocumentados en el presente trabajo). Por otrolado, se documentaron comportamientos enla velocidad del viento que podrían no estarasociados a los problemas mencionados y podríandeberse a cambios/ciclos en los patrones decirculación atmosféricos, tales como los aumentosde calmas registradas con instrumental mássensible, el cambio mensual en la ocurrencia deeventos extremos, o la disminución progresiva devientos muy fuertes coincidiendo con lo señaladopor otros autores para el viento sobre terreno.

Para poder esclarecer esta hipótesis se requierede una serie más larga de mediciones efectuadascon el anemómetro sónico y una comparación conlo que ocurre en otras estaciones meteorológicasde la región.

Se exploró la hipótesis de que las variabilidadesde la velocidad del viento medio diario a 10m son representativas de la del nivel del rotorencontrando una buena correlación direccionalcon información disponible por lo cual podríaser aceptada en primera aproximación. Estepostulado debería verificarse con una serie largade datos medidos con el anemómetro sónico yen la torre a distintas alturas. Más aún, condicha información se podrá ampliar el estudioa variabilidades de mayor escala temporal y alcálculo de tendencias.

Agradecimientos: Los autores agradecen a laFundación Agencia de Desarrollo de PuertoSan Julián, a la Universidad Nacional de laPatagonia Austral y al Servicio MeteorológicoNacional por facilitar la información utilizada

77


y al Ing. Rafael Oliva por sus comentariossobre el instrumental de la torre. Tambiénagradecen a los revisores por sus sugerenciaspara enriquecer este trabajo. El presente trabajofue financiado con los proyectos UBACyT:20620130200013BAUBACyT20020120100284, yPIP 112-201201-00480CO.

REFERENCIASBarros, V., Frumento, O., Rivero, M.,

y Camilloni, I., 1997. Estudio delpotencial eólico en la República Argentinapara el Programa de AbastecimientoEléctrico a la Población Rural Dispersa(PAEPRA). PROINSA, EVARSA y EMASA-Subsecretaría de Energía de la Nación.

Barros, V., 1986. Atlas de potencial eólico delsur Argentino. CREE (Centro Regional deEnergía Eólica). Chubut, Argentina, 80 págs.

Barros, V., 1983. Evaluación del potencial eólicoen la Patagonia. Meteorológica XIV,1 y2,473-484.

Brizuela, A.,1982. Evaluación preliminardel recurso eólico en Argentina. RedSolarimétrica. CNIE., 1-19.

Brizuela, A., y Aiello, J., 1988. El recurso eólicoen la provincia de Buenos Aires. 1o Parte.Estadística de vientos. Red Solarimétrica,CNIE, Buenos Aires, 1-172.

Celik, A. N., 2004. A statistical analysis of windpower density based on the Weibull andRayleigh models at the southern region ofTurkey. Renewable energy, 29, 4, 593-604.

Chiodi, R., y Ricciardelli, F., 2014. Three issuesconcerning the statistics of mean and extremewind speeds. Journal of Wind Engineeringand Industrial Aerodynamics, 125, 156-167.

CIRSOC (Centro de Investigaciones de losReglamentos Nacionales para Obras Civiles),2001. Proyecto de Reglamento CIRSOC 102:Acción del viento sobre las construcciones,116 págs.

De Bortoli, M., Canavesio O., Benitez,F.,yMakuch,F, 2002. Análisis de velocidades deviento atmosféricas medias horarias anualextrema a través del análisis probabilísticode registros cortos. Avances en energías

renovables y medio ambiente, 6, 1,23-28.Earl, N., Dorling, S., Hewston, R., y Von

Glasow, R., 2013. 1980–2010 variability inUK surface wind climate. Journal of Climate,26,4, 1172-1191.

Gualtieri,G., y Secci, S., 2014. Extrapolatingwind speed time series vs. Weibull distributionto assess wind resource to the turbine hubheight: A case study on coastal locationin Southern Italy. Renewable Energy, 62,164-176.

Justus, C. G., Hargraves, W. R., y Jakin A.,1976. Nationwide assessment of potentialoutput from wind powered generation. J.Appl. Meteorology, 15,673-678

Kanamitsu M., Ebisuzaki W., Woollen J., YangS-K, Hnilo J.J. ,Fiorino M., y Potter G.L., 2002. NCEP-DOE AMIP-II Reanalysis(R-2). Bulletin of the American MeteorologicalSociety, 11, 1631-1643

Labraga J., 1994. Extreme winds in the Pampadel Castillo Plateau, Patagonia, Argentina,with reference to wind farm settlement.Journal of applied meteorology, 33, 85.94.

Lassig, J. L., Palese, C., y Apcarian, A., 2011.Vientos extremos en la provincia de Neuquén.Meteorológica, 36,2„ 83-93.

Levene, H., 1960. Robust tests for equality ofvariances1. Contributions to probability andstatistics: Essays in honor of Harold Hotelling,2, 278-292.

Lilliefors, H.W., 1967. On theKolmogorov-Smirnov test for normalitywith mean and variance unknown. Journalof the American Statistical Association,62,399–402.

Mann, H. B., y Whitney, D. R., 1947. On atest of whether one of two random variablesis stochastically larger than the other. Theannals of mathematical statistics, 50-60.

Mattio H. y Tilca F., 2009. Recomendacionespara mediciones de velocidad y dirección deviento con fines de generación eléctrica ymedición de potencia eléctrica generada poraerogeneradores, CREE. Chubut. Argentina1-33.

Natalini, B. y Natalini, M.B., 2013. Revisiónde velocidades de viento extremas en

78


tres localidades del sur de Argentina.Revista Internacional de Desastres Naturales,Accidentes e Infraestructura Civil, 13, 2, 235-248.

Oke, T. R.,1987. Boundary layer climates. 2nd.Methuen, 289 págs

Oliva J., Lescano R., Triñanes, P.,GonzalezJ.F., y Mattio, H., 2009. Consideraciones dediseño para un parque eólico piloto en PuertoSan Julián, Santa Cruz. Avances en EnergíasRenovables y Medio Ambiente. 13, 117,124.

Oliva J., Lescano R., Triñanes P. y Cortez N.,2007. Sistemas eólicos híbridos-medicionesy simulaciones para su diseño teniendo encuenta la variabilidad estacional del recursoen Patagonia. Avances en energías renovablesy medio ambiente. 11, 29-34.

OMM (Organización MeteorológicaMundial), 2012. WMO GUIDE TOMETEOROLOGICAL INSTRUMENTSAND METHODS OF OBSERVATIONWMO-No.8, 716 págs.

Palese, C. y Lassig J., 2012. Variabilidad delviento en Neuquén. Congremet XI, Mendoza15 Págs.

Palese, C., Gardiol, J.M. y Lassig J., 2009. Mapasde velocidad media del viento en el centro-estede la provincia de Neuquén. Meteorológica 34,1, 17-27.

Pryor, S. C., y Barthelmie, R. J., 2010. Climatechange impacts on wind energy: A review.Renewable and sustainable energy reviews,14,1, 430-437.

Rogers A.L., Rogers J.W., y Manwel 2005.Comparison of the performance of fourmeasure-correlate-predict algorithms,Journal of Wind Engineering and IndustrialAerodynamics, 93 243–264

Salgado, L.M, Farrugia, R.N., Galdies, C. y Sant,T., 2013. Wind Energy, 37, 6, 605-616

Seguro, J. V., y Lambert, T. W., 2000. Modernestimation of the parameters of the Weibullwind speed distribution for wind energyanalysis. Journal of Wind Engineering andIndustrial Aerodynamics, 85,1, 75-84.

Stull, R., 1988. An introduction to boundarylayer meteorology. Boston: Kluwel AcademicPublishers.670 págs.

Van Lieshout P, 2010. Improvements in AEPCalculations Using IEC 61400, WindtechInternational, 6, 3.

Voinovab V.,Pyaab N., Shapakovc N., yVoinovb Y., 2013. Goodness-of-Fit Tests forthe Power-Generalized Weibull ProbabilityDistribution. Communications in Statistics- Simulation and Computation, 42,5,1003-1012.

Wan, H., Wang, X. L., y Swail, V. R.,2010. Homogenization and trend analysis ofCanadian near-surface wind speeds. Journalof Climate, 23, 5, 1209-1225.

Waimann C., 2011. Generación de camposde viento en capas bajas a partir delmodelo WRF/CIMA para su aplicación ala explotación de energía eólica. Tesis deLicenciatura en Ciencias de la Atmósfera,FCEN, UBA, 135 págs.

Watson S.,2014. Quantifying the variability ofwind energy. Wiley Interdisciplinary Reviews:Energy and Environment, 3,4, 330-342.

Este es un artículo de acceso abierto distribuido bajo lalicencia Creative Commons, que permite el uso ilimitado,distribución y reproducción en cualquier medio, siempreque la obra original sea debidamente citada.

79

estudio preliminar de la velocidad del viento en san … · 2018. 1. 18. · el viento medido a la...

Documents