Anexo 4

Modelamiento fsico del viento y la energa elica

ara realizar el modelamiento del campo espacial del viento, las series de tiempo han sido homogeneizadas y completadas por medio de modelos ARIMA (Modelos Autorregresivos Integrados con Media Mvil) para cada una de las estaciones y datos de la misma variable meteorolgica se conocen en la frontera para hacer las interpolaciones necesarias hacia el interior del pas. Por lo tanto, la tcnica apunta a generar los campos espaciales del viento, a travs de mtodos de interpolacin, y una fsica bajo criterios climatolgicos representativos aplicables para una atmsfera como la que envuelve el territorio colombiano. El algoritmo diseado involucra los clculos de direccin y velocidad del viento en supercie en una resolucin na de 10X10 kilmetros y a las alturas de 20 y 50 metros con el uso de perles verticales de viento que requieren, adems de la velocidad del viento en supercie, el conocimiento de la rugosidad supercial. Finalmente se presentan las ecuaciones de la densidad de energa elica a estas alturas, la cual necesita, adicional al conocimiento de la velocidad del viento a las alturas requeridas, el clculo de la densidad del aire, que a su vez necesita los campos de la presin atmosfrica y de la temperatura del aire, variables que en el campo medio dependen de elevacin del terreno. Muchas de las ecuaciones y procedimientos utilizados para los anlisis nales que se muestran en este Atlas fueron extradas de los algoritmos que se encuentran en el modelo meteorolgico de mesoescala MM5; modelo regional, desarrollado en la Universidad de Pensilvania de los Estados Unidos que permite simular las con-

diciones meteorolgicas reales y pronosticadas teniendo en cuenta: la orografa, los datos del campo de primera aproximacin de cualquier modelo meteorolgico global de baja resolucin que se le suministre, la informacin meteorolgica sinptica directa e indirecta procedentes de las estaciones meteorolgicas (in situ) y a travs de sensores remotos. El MM5 permite denir dominios de resolucin horizontal y vertical y, utiliza una fsica que aplica las ecuaciones de movimiento; los movimientos verticales son explicados a travs de una meteorologa dinmica no hidrosttica, pudindose tambin ejecutar considerando equilibrio hidrosttico (Melo & Ruiz, 2004).Asi mismo, el modelo mencionado considera la ecuacin de la primera ley de la termodinmica, la conservacin de la masa, los cambios de fase del agua y las tcnicas para resolver procesos meteorolgicos de pequea escala en trminos de la gran escala meteorolgica denominados parametrizaciones (Yamagishi, 2003) Como complemento vale la pena mencionar que un modelo numrico meteorolgico es un conjunto de ecuaciones diferenciales que gobiernan la dinmica y termodinmica de la atmsfera. Dependiendo del fenmeno meteorolgico que se est resolviendo en dichas ecuaciones, se hacen aproximaciones sobre ellas o se desprecian algunos trminos con el n de observar la naturaleza fsica del fenmeno que se est estudiando. Tambin inuye en ello la capacidad computacional, ya que resoluciones espaciales muy nas y de gran extensin horizontal exigen capacidad de almacenamiento de informacin de entrada y salida junto con recurso de computador para resolver las ecuaciones diferenciales y las parametrizaciones (Yamagishi, 2003). Dentro de los procesos fsicos
149 / Atlas de Viento y Energa Elica de Colombia

que son parametrizados se destacan: los procesos de trasferencia de calor en la atmsfera como la radiacin, la conveccin y la conduccin; los procesos fsicos de Capa Lmite Planetaria, donde el comportamiento de las variables meteorolgicas estn inuenciadas ampliamente por la orografa junto con las caractersticas del suelo y, por ltimo, los procesos fsicos que generan la condensacin de nubes, ya que esta ltima depende de la cantidad de los ujos de calor y humedad que la atmsfera superior recibe de los niveles bajos cuanticados dentro de los procesos de transferencia de calor y por las corrientes de aire junto con el estado del agua resultante al tope de la Capa Lmite Planetaria.
4.1 METODOLOGA PARA EL ATLAS DE VIENTO

Por lo tanto, la direccin promedio de donde sopla el viento para la hora 01, ser:

donde donde

Y la velocidad promedio resultante ser:

El desarrollo del trabajo requiri un amplio conocimiento de la climatologa del pas, en especial conocimiento de la posicin media de los sistemas sinpticos que dominan el estado del tiempo en cada uno de los meses del ao, particularmente la posicin media de la Zona de Convergencia Intertropical (ZCIT), del anticicln del mar Caribe, del Pacco Sur y en general el comportamiento del ujo bsico del este, con el n de determinar que los resultados nales de interpolacin son representativos de los sistemas atmosfricos que dominan el territorio nacional. No obstante, antes de iniciar la explicacin de la metodologa empleada en el desarrollo del Atlas de Viento vale pena mencionar, a manera de ejemplo, cmo se prepararon los datos a nivel mensual y anual. Promedios mensuales: Estos datos se generan a travs de los datos horarios. Para cada dato de direccin i y velocidad Vi de una hora especca y para cada una de las estaciones, se determin el promedio as: por ejemplo, el mes de julio que tiene 31 das, tendr 31 horas 01 para cada ao, ahora para la serie 1982-1994 existirn 13 meses de julio que tendrn 13X31=403 datos de direccin y 403 datos de velocidad del viento de dicha hora; por lo tanto, existirn 403 datos de viento zonal u y 403 de viento meridional v; y el promedio de cada una de las componentes es calculado as (ver ecuaciones 4-1 y 4-2):
Atlas de Viento y Energa Elica de Colombia / 150

y as sucesivamente para las 24 horas restantes y para los otros meses del ao. Este ciclo horario de la velocidad del viento ser importante ms adelante para determinar el potencial elico a nivel mensual (ver ecuacin 4-18), ya que la densidad de energa elica es una cantidad proporcional a:

Promedio anual: Una vez obtenidos los promedios mensuales, se calcula el promedio anual a travs del conocimiento del ciclo mensual. En este caso el promedio de las componentes horizontales de viento se realiza sobre los datos promedio del mismo mes para la cantidad de aos con informacin existente, por ejemplo y siguiendo con el caso de julio (mes 07), si existiesen 13 aos disponibles, se tiene:

Por lo tanto, la direccin promedio de donde sopla el viento para el mes 07, ser:

Figura 4.1. Informacin recolectada perodo 1980-2000

donde

Y la velocidad promedio resultante ser:

Y de la misma forma se opera para el resto de los 11 meses del ao y sobre cada una de las estaciones. Este ciclo mensual de la velocidad del viento ser importante ms adelante para determinar el potencial elico a nivel anual (ver ecuacin 4-18), ya que la densidad de energa elica es una cantidad proporcional a:

En general, los resultados de variables meteorolgicas obtenidos por modelos globales de baja resolucin corresponden a modelos numricos meteorolgicos que en las ecuaciones de movimiento han sido evaluadas bajo un estado hidrosttico en la coordenada vertical:

Adicionalmente para obtener informacin en la frontera, se complet la informacin de la red de referencia de los campos mensuales de direccin y velocidad del viento en color verde sobre la Fig. 4-1, con datos de baja resolucin de 2.5X2.5 de Reanlisis de NCAR (National Center for Atmospheric Research) en naranja para la serie 1980-2000 (cualquier variable meteorolgica se puede consultar en http://www.cdc.noaa.gov/ PublicData/); no obstante, el IDEAM ya contaba con el software para extraer y ver los anlisis de serie 1982-1994 (Len & Zea, 1997). Tambin se descargaron por la Internet datos de NOMADS NCEP del National Center for Enviromental Prediction en azul (igualmente cualquier variable meteorolgica se puede consultar a travs del NOMADS3 en http://www. cpc.ncep.noaa.gov/products/wesley/ncep_data/ index.html). El Servicio Meteorolgico de Per aport informacin de Tamishiyacu (en color caf) para la serie 1980-2000 como lo muestra la gura 4-1:

Es decir, en los movimientos verticales existe balance entre el gradiente de presin (dp/dz) y la gravedad g; de esta forma se excluye toda clase de conveccin (formacin de nubes), dado que los movimientos horizontales son ms importantes en estas resoluciones. Por otra parte, se obtuvieron los datos de direccin y velocidad del viento en supercie para la serie 1980-2000 del Modelo Acoplado Ocano Atmsfera de Alta Resolucin del Japn con distanciamiento de 20X20 kilmetros en puntos de grilla en la horizontal tal como se presenta en la gura 4-2; dicho modelo fue corrido en el cuarto supercomputador del mundo y primero para estudios de ciencias naturales, el Earth Simulator (Mizuta, et al. 2005).
151 / Atlas de Viento y Energa Elica de Colombia

Figura 4.2. Resolucin horizontal 20X20 kilmetros del modelo de alta resolucin de Japn visto con el software SURFER

El resultado del modelo japons fue obtenido con datos meteorolgicos de estaciones ubicadas alrededor del globo terrestre que recibe hora a hora la Agencia Meteorolgica Japonesa a travs del Sistema Mundial de Telecomunicaciones (SMT), de las cuales Colombia reporta aproximadamente con 20 estaciones ubicadas principalmente en los aeropuertos del pas. El algoritmo fsico que este modelo usa es un esquema semilagrangiano de integracin e involucra ecuaciones complejas de movimiento basadas en la segunda ley de Newton, conservacin de la masa y la energa, la ecuacin de continuidad y la ecuacin de estado de gases. Su ventaja radica en que, a pesar de ser modelo global, es capaz de simular caractersticas regionales y locales considerando efectos topogrcos y procesos fsicos como radiacin, esquemas de nubosidad, procesos fsicos la Capa Lmite Planetaria, entre otros.
4.2. INTERPOLACIN ESPACIAL DEL VIENTO

La densidad y distancia de las estaciones. La direccin predominante del viento. La orografa.

El viento como vector, tiene direccin y magnitud representada por su velocidad V, por lo tanto se puede descomponer en zonal u (sentido este-oeste) y meridional v (sentido norte-sur) de la siguiente forma:

u= -Vsen v= -Vcos

[4-1] [4-2]

Para cada componente del viento, el mtodo de interpolacin espacial depende bsicamente de:

Y sern cada una de estas componentes las que se interpolarn. En general, cuando se usa un software tipo Sistema de Informacin Geogrca (SIG), este suministra varios mtodos de interpolacin y ellos dependen bsicamente de la densidad y la distancia entre los puntos de observacin (Surfer for Windows, 1994).

Atlas de Viento y Energa Elica de Colombia / 152

El modelo meteorolgico de mesoescala MM5 utiliza el mtodo Cresman para interpolacin espacial. Este mtodo analiza la densidad de estaciones, la distancia entre ellas y tiene en cuenta la resolucin del terreno y de los campos de primera aproximacin para la meteorologa (Duhia, et al. 2004). Finalmente recomienda que los radios de inuencia en los mtodos de interpolacin tienen que ser comparables con las distancias en las estaciones. Con base en este criterio y teniendo en cuenta que la informacin de otros campos medios que se necesitaron para el clculo de energa, como los de temperatura y tensin de vapor con las que cuenta el IDEAM son ms densas, y corresponden a 685 y 177 estaciones meteorolgicas del pas respectivamente, se utiliz el siguiente dominio espacial para la modelacin: Tabla 4-1: Resolucin de la malla de interpolacin
RESOLUCIN (10 km) DIFERENCIA MXIMO MNIMO

Cuando el tamao de los datos son menores a 250 observaciones, Krigging con un variograma lineal o Funciones Radiales Bsicas con funciones multicuadrticas producen buenas representaciones. Con datos entre 250 y 1.000 observaciones el mtodo de Triangulacin es rpido y da buena representacin de los datos. Sin embargo, Krigging y las Funciones Radiales Bsicas realizan el clculo ms lento pero mucho ms no. Para un conjunto de datos superior a 1.000 observaciones, la Mnima Curvatura es un mtodo rpido y produce una adecuada representacin en los datos, Triangulacin toma ms tiempo pero mejora el resultado. No obstante, Krigging y la Funcin Radial Bsica probablemente producen los mejores contornos, pero son demasiado lentos en el procesamiento de cmputo.

Km

Si no se tiene la suciente condencia en los datos se pueden usar interpoladores exactos como: Inverso de la distancia cuando no se especica un factor de suavizamiento Krigging sin especicar efectos Funciones Radiales Bsicas El Mtodo Sheppard cuando no se especca un factor de suavizamiento Triangulacin con Interpolacin Lineal.

LONGITUD LATITUD

-67.125 -79.125 12.846 -4.404

12 1332 17 1914.75

130 186

Para un total de 24.180 puntos de grilla resueltos, los cuales corresponden a una resolucin aproximada de 10X10 kilmetros, ya que de lo contrario, si se utilizan resoluciones ms nas, las interpolaciones, con las condiciones que se presentan ms adelante, presentaron problemas debido a que el espaciamiento entre los datos corresponde a este orden de magnitud y no a resoluciones tan nas como la del modelo de terreno USGS (US Geological Survey) disponible en www.usgs.gov o aun con resoluciones ms gruesas como las de 2.5 y 5 kilmetros. Esto implica igualmente que el modelo de terreno tambin se ajust a esta resolucin (10X10km). Un software como SURFER explica que: Cuando hay menos de 10 datos se debe considerar mtodos como Krigging y Funciones Radiales Bsicas. Para denir la tendencia recomienda Regresin Polinomial.

Otra ventaja que tienen los mtodos de interpolacin que ofrece SURFER, es que puede analizar el tipo de alcance dividiendo espacialmente los datos por cuadrantes y/o por octantes, de manera que es capaz, para cada uno de los cuadrantes u octantes, analizar la densidad espacial de los datos y realizar la estimacin de los pesos de forma distinta situacin que es importante para la distribucin nal del campo de viento ya que sectores como los Llanos Orientales y la Amazonia se presenta una densidad muy baja de estaciones comparadas con las ubicadas en el resto del pas. Una regla de alcance que permite dicho software, es que una vez seleccionado el tipo de alcance (simple, cuadrante u octante) elige el alcance

153 / Atlas de Viento y Energa Elica de Colombia

de puntos a considerar cuando la interpolacin se realiza. Para el caso de viento, anisotropa tipo elptica horizontal con eje mayor a lo largo de la longitud (eje X) se aplica para la componente zonal del viento, mientras que para la componente meridional del viento, anisotropa elptica vertical con eje mayor a lo largo de la latitud (eje y), fue lo ms conveniente. Esta interpolacin as, est fundamentada teniendo en cuenta similitudes de lo que hace la Interpolacin Cressman en el modelo de Mesoescala MM5, la cual forja el campo de primera aproximacin del viento hacia las observaciones mediante una interpolacin ptima, con la diferencia de que el modelo observa el campo de viento que se est introduciendo en los campos horizontales de la atmsfera. Dependiendo del campo de viento que el mdulo est observando, la Interpolacin tipo Cressman puede elegir entre este tipo de anisotropas: Circular: cuando el campo espacial del viento es dbil. Elptico: cuando el campo espacial del viento es fuerte pero cuasilaminar. Banana: cuando el campo espacial del viento es curvo pero fuerte.

correccin por orografa para las componentes horizontales del viento de la siguiente manera: Para la correccin de la componente u:

o lo mismo que

donde ukc es el viento zonal corregido, uk es el viento en el punto k a corregir, y la funcin f es la correccin, que desde el punto de vista de la ecuacin de la izquierda puede interpretarse como la variacin de la altura h por el gradiente de u respecto a x (u/x a lo largo de una latitud) o, que desde el punto vista de la ecuacin de la derecha puede interpretarse como la pendiente h/x del terreno por la variacin de u (u). Teniendo en cuenta la Fig. 4.3, se puede observar que:
Figura 4.3. Correccin del viento por orografa

hk-1

Uk-1

hk hk+1 x

Uk x 2x Uk+1

Ya, con el uso de SURFER y por la teora expuesta, se utiliz como mtodo de interpolacin Krigging octante en el tipo de alcance junto con anisotropas elpticas en las reglas de alcance para cada una de las componentes del viento.
4.3 CORRECCIN DEL VIENTO HORIZONTAL POR OROGRAFA

Una vez interpoladas cada una de las componentes horizontales del viento, ellas deben ser corregidas por la orografa en cada punto de la malla. El mdulo NESTDOWN de MM5 ofrece una solucin para la correccin del viento horizontal por la orografa, basado en la diferencia de elevacin de las supercies interpoladas sobre el terreno de dominio no. Para ello, dicho modelo requiere la variacin de la velocidad a lo largo de una supercie sigma y la diferencia de presin entre dichos niveles de supercie. Basado en este argumento y siguiendo la fsica en la modelacin que ofrece el mencionado mdulo de MM5, se construy la

El superndice LAT indica que son las alturas h que va encontrando el modelo a lo largo de la latitud. Expandiendo la anterior ecuacin y sacando factores comunes, se tiene que:

Obtenindose

Este dato corregido sirve como dato de entrada para el siguiente punto central de uk. y de esta

Atlas de Viento y Energa Elica de Colombia / 154

forma se corrigen todos los uk en la malla na del terreno. Similarmente se obtiene la correccin del viento meridional v a lo largo de una longitud (LON):

En la g. 4.4, se presenta un ujo zonal del oeste (el meridional es cero) discurriendo desde los 3.000 a los 2.000 metros de altura en un movimiento descendente. El campo corregido reej un aumento en la intensidad en el punto k a 2.1 m/s y conserv la direccin del oeste. As mismo, el modelo se puso a prueba para varios casos con orografas regulares, con el n de observar que en estos casos la direccin y la velocidad no deben cambiar, puesto que h=0. Tambin el modelo fue probado con orografas irregulares para observar cambios en las direcciones del ujo del viento. Entre los casos que ms se probaron se encuentran el ujo encaonado, zonas de conuencia y diuencia en el ujo, ascenso y descenso orogrco y ujo valle montaa y viceversa. En general, los resultados mostraron que los ajustes en la velocidad no son ms de 0.2m/s y las interpolaciones espaciales utilizando la metodologa descrita aqu se presentan en el Captulo I, pero en direccin puede haber variaciones hasta de 10 grados asegurando un suave trazado en las lneas de corriente. Resultado del ujo del viento se observa en las grcas 4-5, 4-6 y 4-7 donde las lneas de corriente a escala mensual estn sobrepuestas a la orografa de Colombia.

Sin embargo, para nuestro caso y = x. Por lo tanto, el viento horizontal corregido por orografa en el punto k es: Para la direccin:

donde

Para la velocidad:

De esta forma se obtuvo la distribucin del campo de viento tanto en direccin como en velocidad para cada uno de los meses. En conclusin, el modelo construido observa tres archivos: el campo de la orografa (alturas en metros), el campo del viento zonal y el campo del viento meridional (en m/s).

Figura 4-4. Mallas del modelo para realizar la correccin de la velocidad horizontal por orografa

2820 3000 2500 2820 2000 uk-1 0 uk 2 uk+1 4

vk-1 vk vk+1

0 0 0

Campo de la orografa

Viento zonal

Viento meridional

155 / Atlas de Viento y Energa Elica de Colombia

Figura 4-5. Lneas de corriente entre enero y abril

ENERO

FEBRERO

MARZO

ABRIL

Atlas de Viento y Energa Elica de Colombia / 156

Figura 4-6. Lneas de corriente entre mayo y agosto

MAYO

JUNIO

JULIO

AGOSTO

157 / Atlas de Viento y Energa Elica de Colombia

Figura 4-7. Lneas de corriente entre septiembre y diciembre

SEPTIEMBRE

OCTUBRE

NOVIEMBRE

DICIEMBRE

Atlas de Viento y Energa Elica de Colombia / 158

4.4

CARACTERIZACIN ESTADSTICA DEL VIENTO

La informacin de viento para estudios de micrometeorologa debe ser mirada con mucho ms cuidado que en otros campo de la meteorologa. Cuando se informa que el viento sopla de los 220 grados con 16 nudos pocas veces se piensa que hay algo ms. El ameo de una bandera presenta uctuaciones ms o menos en torno de su direccin bsica. Lo propio sucede con la velocidad del viento; cuando este es moderado o fuerte puede observarse simplemente mirando por ejemplo el movimiento de las hojas de los rboles; existen rachas fuertes y calmas parciales superpuestas a la velocidad media del viento. En problemas relacionados con micrometeorologa interesan fundamentalmente estas uctuaciones, que son en realidad movimientos aleatorios o caticos en las componentes del viento y en las distintas escalas de tamao y tiempo y forman parte integrante del movimiento del aire (Puigcerver, 1979). Dichas uctuaciones aparentemente irregulares alrededor de un valor promedio es conveniente estudiarlas en trminos de variables estadsticas. En particular, una variable meteorolgica es la realizacin de un proceso estocstico (Sozzi, 1998) y por lo tanto, la velocidad del viento es una variable estocstica, la cual est completamente denida si se conoce la estadstica. Para el viento total, la desviacin estndar est dada por: [4-8]

dato estadstico fue calculado para cada uno de los meses y los resultados se presentaron en el Captulo 2. Pero la estadstica de esta variable no puede denirse en trminos nicamente del valor promedio y la desviacin estndar excepto en el caso de la distribucin gaussiana (Molina, 1986), es por esto que se requiere informacin de otros momentos estadsticos. En micrometeorologa se usan, adems del promedio y la desviacin estndar, los siguientes momentos estadsticos: el sesgo y la kurtosis (Sozzi, 1998). El sesgo describe el grado de asimetra de la distribucin, mientras que la kurtosis dene la forma de la distribucin estadstica. Para el caso del viento, el sesgo aporta informacin en el sentido de que la distribucin de la cola o rama de curva ms larga aporta informacin sobre la ubicacin de los datos restantes hacia vientos ms fuertes cuando la asimetra es positiva. De lo contrario, si la asimetra es negativa los valores medios son ms persistentes, situacin importante para la energa elica siempre y cuando los valores medios presenten intensidades signicativas, ya que dicho recurso natural sera muy favorable para el aprovechamiento energtico (ver ecuacin 4-18). El sesgo para cada uno de los meses fue calculado mediante la siguiente relacin (Sozzi, 1998) y sus resultados presentados en el Captulo 3: [4-9]

y permite dar una idea de la dispersin de los datos Vi alrededor de su valor medio V. Este

Para asimetra a la derecha, en la Fig. 4-8a, la moda corresponde al intervalo de mayor frecuencia y la mediana y la media quedan a la derecha de aquella. Si la asimetra es a la izquierda, en la

Figura 4-8. Distribucin asimtrica de los datos

Moda Mediana Media

a. Distribucin asimtrica positiva a la derecha

b. Distribucin asimtrica negativa a la izquierda

159 / Atlas de Viento y Energa Elica de Colombia

Media Mediana Moda

Fig 4.8b, la media queda a la izquierda de los dos parmetros, siendo la moda el de ms a la derecha. No obstante, hay que sealar que en la actualidad la mediana y la moda no tienen un signicado importante dentro de los estudios hidrometeorolgicos (Molina, 1986).
4.5. METODOLOGA USADA PARA EL CLCULO DE LA ENERGA ELICA

P ser:

[4-14] entonces: [4-15] Donde P/A se conoce como la densidad de potencia y se expresa en W/m2, la densidad del aire es diferente para cada sitio y solo para casos prcticos se puede asumir con un valor de 1 Kg/m3. Como se puede observar, la densidad de potencia es proporcional al cubo de la velocidad del viento. Debido a que esta funcin es cbica, pequeas variaciones en la velocidad del viento pueden representar grandes cambios en el contenido de energa y de ah que en casos de tormentas, tornados, huracanes y ciclones, los daos pueden ser sorprendentes. Por ejemplo: si en un sitio medimos 5 m/s como media de velocidad y en otro cercano medimos 6 m/s, se puede evaluar cunto impacta la variacin en un solo metro cuadrado. De la ecuacin de potencia tenemos: P/A = 1/2 * 1 * 53 = 62.5 W/m2 P/A = 1/2* 1 * 63 = 108.0 W/m2 Esto demuestra que un cambio en un 16% en la velocidad del viento puede resultar en un cambio del 58% en la densidad de potencia. La velocidad media es un parmetro que permite comparar un sitio con otro. Sin embargo, el uso de la velocidad media puede subestimar el valor de densidad de potencia, ya que la velocidad es un trmino cbico. Ejemplo: Supngase de un sitio donde se midi 5 m/s por una hora y 15 m/s a la siguiente hora, durante este periodo la velocidad media es 10 m/s, lo que resultara una densidad de potencia de 500 W/m2; sin embargo, la potencia de la primera hora fue de 62.5 W/m2 y de la segunda hora de 1687.5 W/m2, lo que resulta una media de 875 W/m2. Con la apreciacin anterior, Lysen (1983) introdujo a la anterior ecuacin una correccin que depende del ciclo diario para el caso mensual o del ciclo mensual para el caso anual con el n de determinar el potencial elico en el campo medio, denominado Patrn de Factor de Energa

CONAE, la Comisin Nacional para el Ahorro de Energa de la ciudad de Mxico, presenta un marco terico simple pero profundo de lo que consiste bsicamente el clculo del aprovechamiento de viento en energa. El parmetro que interesa del viento es su energa disponible, la cual podr ser convertida posteriormente a energa mecnica, qumica, elctrica, etc. La energa est denida como la capacidad para producir trabajo y la potencia P se dene como la energa E por unidad de tiempo t as:

[4-10] El viento se dene como el movimiento del aire y por lo tanto tiene energa cintica Ec que, de acuerdo con la fsica clsica, se dene como: [4-11] aqu m es la masa del aire y V su velocidad. Pero la masa del aire est dada a travs de la ecuacin de densidad: [4-12] Donde es la densidad, m la masa del aire y v el volumen ocupado por esta masa. El volumen v de aire es igual a la velocidad V a la que viaja el aire en un tiempo dado por unidad de rea, esto es: [4-13] o lo mismo que: m= VAt , donde el volumen v se deni como distancia d por unidad de rea A y, por denicin clsica en la fsica, la razn entre espacio recorrido por unidad de tiempo d/t es la velocidad V. Por lo tanto, la Potencia
Atlas de Viento y Energa Elica de Colombia / 160

kE que es la razn entre:

y la ecuacin a tener en cuenta es la siguiente (Lysen,1983):

El valor fsico de la densidad del aire es importante: si en un volumen dado la densidad del gas es poca, la interaccin molecular tambin los es; en cambio, si la densidad del gas es mayor, la interaccin molecular tambin lo ser y este efecto provocara, en el caso elico, que un aire ms denso golpee mejor las aspas de un molino o haga girar mejor los rotores de una turbina. Por ejemplo, para el caso de una velocidad media de 5 m/s: Si la densidad es 0.7 kg/m3 entonces densidad de energa = 0.5*0.7*(5)3 = 43.75 W/m2. Si la densidad es 1.2 kg/m3 entonces densidad de energa = 0.5*1.2*(5)3 = 75.00 W/m2. Y la diferencia es de 31.25 W/m2.

Reemplazando el valor de kE de la ecuacin [4-16] en la anterior igualdad, se tiene:

Por lo tanto, la densidad de energa mostrada en la ecuacin [4-18], aparte de necesitar el campo medio de la velocidad, requiere del clculo de la densidad del aire , la cual se calcula a travs de la ecuacin de estado de gases ideales:

Observemos que a medida que aumenta el viento, las diferencias en la densidad de energa son signicativas tal como se muestra en la Tabla 4-2, donde se calcula la densidad de energa (W/m2) con 2 valores distintos de densidad del aire: Tabla 4-2: Comparativos de densidad de energa P/A(W/m2) para dos densidades del aire

Donde P es la presin atmosfrica, es la densidad del aire, T la temperatura del aire y R la constante universal de gases ideales con un valor de 286.8 Joule kg-1K-1. Sin embargo, un clculo ms exacto de la densidad del aire se obtiene cuando R depende de la tensin de vapor del aire e. (Garca & Castejon, 1986):

Reejando de alguna manera el grado de humedad de la atmsfera segn la ecuacin:

Velocidad del viento en m/seg 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0

P/A (W/m2) para = 0.7 kg/m3 0.00 0.04 0.35 1.18 2.80 5.47 9.45 15.01 22.40 31.89 43.75 58.23 75.60

P/A (W/m2) para = 1.2 kg/m3 0.00 0.08 0.60 2.03 4.80 9.38 16.20 25.73 38.40 54.68 75.00 99.83 129.60

donde e, se puede encontrar a travs de la siguiente ecuacin en funcin de la temperatura T (Sozzi, 1998):

Ahora, la densidad del aire hmedo es menor que el aire seco (Retallack, 1973) y en promedio, la humedad relativa del pas es del orden del 80%

161 / Atlas de Viento y Energa Elica de Colombia

(hmedo!!). Por lo tanto, un valor equivocado en la densidad del aire puede generar falsas expectativas en el clculo de la densidad de energa elica. La revisin de las ecuaciones [4-19], [4-20] y [4-22] para calcular la densidad de energa, requieren de los campos de Presin atmosfrica y Temperatura del aire, los cuales se calcularon con el uso de las ecuaciones que propone el modelo meteorolgico de mesoescala MM5. El captulo INTERPF del modelo MM5 (Duhia et al. 2004), presenta una aproximacin para calcular la presin en supercie:

Tabla 4-3. Presin corregida para la poca del ao

Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto Presin Corregida PENE=0.994PSO + 3.877 PFEB=0.994PSO + 3.646 PMAR=0.992PSO + 5.605 PABR=0.993PSO + 4.814 PMAY=0.990PSO + 7.811 PJUN=0.994PSO + 4.951 PJUL=0.995PSO + 3.809 PAGO=0.993PSO + 5.322 PSEP=0.992PSO + 5.727 POCT=0.993PSO + 5.081 PNOV=0.993PSO + 4.701 PDIC=0.995PSO + 2.594

[4-23]

Septiembre Octubre

donde H850 representa la altura geopotencial a 850 hectopascales o milibares de presin, un valor promedio de H850 es 1.480 metros y la ecuacin es acertada aun para lugares donde las alturas son superiores a los 1.480 m.s.n.m. como Bogot (2.547 m.s.n.m. a la altura del Aeropuerto Internacional Eldorado).

Noviembre Diciembre

Para la temperatura del aire, se utiliz la ecuacin que ofrece el modelo de Mesoescala MM5, la cual est formalizada con la ecuacin del estado base de referencia mediante un perl de temperatura idealizado en equilibrio hidrosttico. Ello est especicado por la ecuacin:

y la presin promedio anual medida en Bogot es 751.9 hPa. Debido que la energa elica debe ser calculada tambin a una altura superior h con respecto a supercie Z (por ejemplo h = 50 metros de altura sobre supercie), el valor de Ps0 es calculado para Zh = Z + h en la ecuacin [423] y el valor ser tenido en cuenta para ser reemplazado en la ecuacin [4-24] para determinar la temperatura a distintas alturas. En ltimas para determinar el campo de Presin Atmosfrica, solo se hace necesario el campo de elevacin del terreno. No obstante, el modelo de presin en supercie descrito en la ecuacin [4-23] ha sido calibrado a travs de regresiones lineales con los datos promedios mensuales de 38 estaciones meteorolgicas que miden dicha variable y se obtuvieron los siguientes resultados con coecientes de correlacin de 0.99:

[4-24]

donde T0(p0) est explicada por 3 constantes: p00 es la presin a nivel del mar aproximadamente 105 Pa. Ts0 es la temperatura de referencia en p00, y A es una medida tasa de cambio de 50k, representando la diferencia de temperatura entre p00 y p00/e = 36788 Pascal. Usualmente solo Ts0 necesita ser seleccionada con base en un sondeo tpico dentro del dominio. El perl de referencia representa una lnea continua sobre un diagrama termodinmico T-logP. La aproximacin del ajuste no es importante y, tpicamente Ts0 es tomado como 270, 280, 290, 300 kelvines en regiones polares, invierno y verano de latitudes medias y para condiciones tropicales respectivamente. Un ajuste muy no, sin embargo, reduce el error en la fuerza del

Atlas de Viento y Energa Elica de Colombia / 162

gradiente de presin asociado con la coordenada supercial inclinada sobre el terreno, as Ts0 debera ser seleccionado por comparacin con el perl en la baja troposfera (Duhia, et al. 2004). Calibraciones de este modelo para Colombia han sugerido tomar P00de 1008 mb, A47k y Ts0 300k. El modelo de temperatura descrito en la ecuacin [4-24] ha sido ajustado a travs de regresiones lineales con los datos promedios mensuales de 685 estaciones meteorolgicas que miden dicha variable y se obtuvieron los siguientes resultados: Tabla 4-4. Temperatura del aire corregida
Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto Correlacin R 0.97 0.97 0.97 0.97 0.98 0.97 0.96 0.96 Temperatura Corregida TENE=1.033TO + 0.432 TFEB=1.037TO + 0.566 TMAR=1.035TO + 0.741 TABR=1.017TO + 0.988 TMAY=1.055TO + 1.087 TJUN=1.019TO + 0.629 TJUL=1.045TO + 0.073 TAGO=1.048TO + 0.116 TSEP=1.033TO + 0.368 TOCT=1.007TO + 0.705 TNOV=1.002TO + 0.816 TDIC=1.015TO + 0.704

La ltima parte de la ecuacin [4-18] requiere del valor de la intensidad del viento, la cual es aplicada directamente para una situacin en supercie (10 metros de altura); sin embargo, para obtener datos de vientos a otras alturas se requiere como informacin mnima: El viento total a 10 metros de altura Altura de rugosidad supercial (depende del tipo de suelo) Estabilidad de la atmsfera

Es de indicar que todas las metodologas desarrolladas que se encuentran de distintas fuentes son vlidas dentro de la Capa Supercial de la Capa Lmite Planetaria, es decir, son vlidas, en promedio, para los primeros 150 metros de altura. El modelo utilizado corresponde al perl de Lysen (Lysen, 1983):

[4-25]

donde zr = 10 metros y z0 toma los siguientes valores: Tabla 4-5. Rugosidad Superficial Z0
Rugosidad Superficial Terrenos llanos: mares, hielo, nieve, ocano Terrenos abiertos: pasos, aeropuertos cultivos z0 (metros) 0.0005 0.03 0.10 0.50 1.0 >2

Septiembre 0.97 Octubre Noviembre Diciembre 0.98 0.98 0.98

Resultados muy similares se presentan cuando se aplica un gradiente vertical de temperatura para una atmsfera estndar tipo OACI (Garca & Castejon, 1986):

Rugoso: Cultivos altos Muy rugoso: bosques, huertos Terrenos cerrados: villas, suburbios Ciudades

Ya con los campos de presin y temperatura obtenidos, se puede aplicar la ecuacin [4-20], para calcular la densidad del aire.

Esta formulacin es la ms adoptada en la comunidad internacional para nes de elaborar Atlas de Energa Elica. Para este trabajo, se obtuvo la altura de z0 (metros), aplicando el valor correspondiente a cada una de las unidades del mapa de uso de vocacin del suelo del

163 / Atlas de Viento y Energa Elica de Colombia

Instituto Geogrco Agustn Codazzi, IGAC, una homologacin que se muestra en la siguiente tabla correlativa 4-6:

Tabla 4-6: Homologacin entre la rugosidad del perfil de Lysen con el uso de vocacin del suelo del IGAC para asignar el valor de z0
RUGOSIDAD SUPERFICIAL WaSP) Lysen, 1983) Terrenos llanos: mares, playas, hielo, nieve oceno. Terrenos abiertos: pastos bajos aereopuertos, cultivos bajos. Terrenos abiertos: pastos aereopuestos, cultivos bajos. Pastos altos y cultivos bajos. Pastos altos y cultivos bajos. Rugoso: cultivos altos, rboles pequeos. Rugoso: cultivos altos, rboles pequeos. Rugoso: cultivos altos, rboles pequeos. Rugoso: cultivos altos, rboles pequeos. Rugoso: cultivos altos, rboles pequeos. Muy rugoso: bosques, rboles frutales. Muy rugoso: bosques, rboles frutales. Muy rugoso: bosques, rboles frutales. Muy rugoso: bosques, rboles frutales. Muy rugoso: bosques, rboles frutales. Terrenos cerrados: villas, suburbios Ciudades. USO PRINCIPAL DEL MAPA DEL IGAC Ros, lagos, lagunas, E. Pastoreo extensivo. Pastoreo intensivo y semiintensivo. Cultivos transitorios intensivos. Cultivos transitorios semiintensivos. Agrosilvopastoril. Cultivos semipermanentes y semiintensivos. Pantanos y cinagas. Recuperacin. Recursos hdricos e hidrobiolgicos. Forestales de proteccin. Produccin. Proteccin y produccin. Silvoagrcola. Silvopastoril. Centros poblados (pueblos, caserios). RUGOS_SUP1 Zo (metros) 0.0005 0.03 0.03 0.1 0.1 0.25 0.25 0.25 0.25 0.25 0.5 0.5 0.5 0.5 0,5 1 2

HOMOLOGACIN Ros-lagos-lagunas. Pastos bajos. Pastos bajos. Cultivos bajos. Cultivos bajos. Cultivos-alt-rboles pequeos. Cultivos-alt-rboles pequeos. Pantanos y cinagas. rboles pequeos. Pram-subpram-humedal. Bosques. Bosques de produccin. Bosques de produccin y proteccin. Cultivos bajo rboles. Ganadera bajo rbol grande. Centros urbanos pequeos.

Centros poblados (grandes ciudaCentros urbanos pequeos. des y ciudades intermedias).

El resultado nal de aplicar dicha homologacin se presenta en la gura 4-9.

Atlas de Viento y Energa Elica de Colombia / 164

Figura 4-9. Rugosidad Superficial z0 que involucra un perfil de viento tipo Lysen

UPME

165 / Atlas de Viento y Energa Elica de Colombia

Sin embargo, se revisaron otros modelos como: Ley de exponenciales de Deacon (Wark & Warner, 1998) Modelo ISCST (EPA, 1995) Teora de la Similaridad (Arya, 1988)

Dentro de los alcances y limitaciones de los modelos mencionados para generar perles de viento, vale la pena destacar lo siguiente: Si se usa la Ley de Deacon o la relacin que usa el perl sugerido por Lysen, el clculo computacional es rpido y solo sern sucientes los campos medios del viento a 10 metros de altura junto con la rugosidad supercial que depende del tipo de suelo. No obstante, la Ley de Deacon presenta una variante que involucra la estabilidad de la atmsfera en niveles bajos. Si se opta por usar un perl sugerido por el modelo de calidad de aire ISCST, se necesitar informacin adicional como la nubosidad y temperatura para determinar la Radiacin Neta y obtener los clculos de estabilidad de PasquillGuifford.

Si se opta por usar Teora de la Similaridad, lo recomendable es tener los 24 campos medios horarios del viento, temperatura, radiacin solar global y neta para cada mes, ya que el clculo de la velocidad de friccin es un clculo complejo que exige el conocimiento del ujo de calor sensible, la temperatura de escala y la longitud de Monn y Obukhov L que, a su vez, depende de la hora del da y la poca del ao; pues en general, las situaciones estables se dan en horas nocturnas mientras que hacia las horas diurnas prevalecen condiciones ms inestables, especialmente cuando hay elevada radiacin solar con intensidades fuertes en la velocidad del viento. Este clculo toma demasiado tiempo debido a que hay que desarrollar un algoritmo de estabilizacin para L (Sozzi, 1998).

En conclusin, retomando a la ecuacin [4-18], la densidad de energa en W/m2 en supercie, puede ser conocida en funcin de las variables meteorolgicas: la presin (P) en milibares, la temperatura (T) en kelvines y la velocidad del viento (V) en m/s:

[4-26]

Si se usa un perl de viento tipo Lysen, se puede determinar la densidad de energa, dentro de la Capa Supercial, a alturas h distintas de la de referencia, 10 metros para el viento; simplemente reemplazando el valor de V por el perl en las relaciones anteriores y corrigiendo la presin y temperatura a dichas alturas, entonces:

[4-27] donde, R = 286.8 J kg-1k-1 y z0 toma los valores que se presentaron en la Tabla 4-5. Con la ecuacin [4-27] se construyeron los mapas mensuales de densidad de energa elica a 20 y 50 metros del captulo V.

Atlas de Viento y Energa Elica de Colombia / 166

4.6. ESTIMACIN DE INCERTIDUMBRES PARA EL CALCULO DE LA DENSIDAD DE ENERGA ELICA

estimar a partir del grado de incertidumbre que pueden aportar las variables meteorolgicas que la explican. Tomando como valor promedio la densidad del aire 1 kg/m3, se tiene:

Teniendo en cuenta que pueden existir varias fuentes de error en las medidas de la velocidad del viento por errores provenientes del instrumento en s: como la inercia, el coeciente de retardo, la falta de alineacin de ejes y los errores como las diferencias de densidades introducidos por el mismo aire; el grado de precisin de los datos de viento tomados con anemgrafos mecnicos como los descritos en el Anexo 2, fue estimado mediante comparacin con el anemmetro ultrasnico triaxial de alta precisin. La intercomparacin realizada en trabajo de campo mostr que los valores obtenidos por la estacin convencional se encuentran dentro del rango de 0.1 m/s. Por otro lado, la densidad del aire para Colombia oscila entre 0.7 kg/m3 sobre zonas de alta montaa y 1.2 kg/m3 en lugares ubicados a nivel del mar sin mostrar cambios signicativos en su parte estacional. Por lo tanto, se estim que pueden existir variaciones 0.1 kg/m3 dependiendo de la poca del ao, aunque en principio esta variacin puede ser despreciada. Con la informacin anterior, la incertidumbre terica de la densidad de energa elica se puede

Entonces

[4-28]

Donde dV = 0.1 m/s, =1 kg/m3 y d= 0.1 kg/ m3. Aqu se observ que a medida que aumenta la intensidad del viento, la incertidumbre en el porcentaje del clculo de densidad de energa elica decrece tal como se aprecia en la Fig. 4-10 y la Tabla 4-7, la cual se puede ajustar mediante la siguiente relacin, en funcin de la velocidad del viento con un coeciente de correlacin de 0.98, indicando de alguna manera la propagacin del error en la medicin de la velocidad del viento sobre el clculo de la densidad de energa elica (lnea negra en la Fig. 4-10):

% = 37.385V-03688

Figura 4-10.

Grfico donde se aprecia que la incertidumbre en la densidad de energa elica disminuye a medida que aumenta la velocidad del viento INCERTIDUMBRE DEL CLCULO DE LA DENSIDAD DE ENERGA ELICA

% de error en el clculo de la densidad de energa elica

Velocidad del viento (m/s)

167 / Atlas de Viento y Energa Elica de Colombia

Tabla 4-7. Valor terico de la incertidumbre en la densidad de energa elica teniendo en cuenta las incertidumbres de velocidad del viento y la densidad del aire
VELOCIDAD DEL VIENTO (m/s) 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0 10.5 11.0 11.5 DENSIDAD DE ENERGA (W/m2) 0.5 1.7 4.0 7.8 13.5 21.4 32.0 45.6 62.5 83.2 108.0 137.3 171.5 210.9 256.0 307.1 364.5 428.7 500.0 578.8 665.5 760.4 VARIACIN DE LA DENSIDAD DE ENERGA (W/m2) 0.2 0.5 1.0 1.7 2.7 4.0 5.6 7.6 10.0 12.9 16.2 20.1 24.5 29.5 35.2 41.5 48.6 56.4 65.0 74.4 84.7 95.9 INCERTIDUMBRE EN PORCENTAJE (%) 40.0 30.0 25.0 22.0 20.0 18.6 17.5 16.7 16.0 15.5 15.0 14.6 14.3 14.0 13.8 13.5 13.3 13.2 13.0 12.9 12.7 12.6

BIBLIOGRAFA

1. 2. 3.

Arya, S., 1988: Introduction to micrometeorology. Academic Press Inc. San Diego. Estados Unidos. CONAE, 2002: Tecnologa de la Energa Elica. Comisin Nacional para el Ahorro de Energa. Mxico D.F., Mxico. http://www.conae.gob.mx/wb/distribuidor.jsp?seccion=620. Duhia, J.; Gill, D., Manning, K.; Wang, W. & Bruyere, C., 2004: PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and User Guide: MM5 Modeling System Version 3. Mesoscale and Microscale Meteorology Division, National Center for Atmospherich Research. Universidad de Pensylvania. Estados Unidos. Pgs. 1.11, 7.5, 7.8.

Atlas de Viento y Energa Elica de Colombia / 168

4.

ENVIRONMENTAL PROTECTION AGENCY, EPA, 1995: Users Guide For The Industrial Source Complex (ISC3) Dispersion Models, Volume II Description Of Model Algorithms. United States.

5. Garca, C., & Castejon, F., 1986: Problemas de Meteorologa I. Esttica y Termodinmica de la Atmsfera. Instituto Nacional de Meteorologa. Publicacin B-22. Madrid, Espaa. Pgs. 141 y 142. 6. Len G. & Zea J., 1997: Software de adaptacin para la interpretacin de datos de los Modelos sinpticos globales medios multianuales. Proyecto Reanlisis NCAR (National Center for Atmospheric Research) - Clsinop. Bogot, D.C. Colombia. Lysen E., H., 1983: Introduction To Wind Energy. Consultancy Services Wind Energy Developing Countries. Segunda Edicin, Mayo. Holanda.

7.

8. Melo, J. & Ruiz F., 2004: Generalidades del modelo meteorolgico de mesoescala MM5. Nota Tcnica IDEAM-METEO/010-2004. Instituto de Hidrologa, Meteorologa y Estudios Ambientales IDEAM. Bogot, Colombia 9. Mizuta, R.; Oouchi, K.; Yoshimura, H.; Noda, A.; Katayama, K.; Yukimoto, S; Hosaka, M.; Kusunoki, S.; Kawai, H. & Nakagawa, M., 2005: 20km-mesh global climate simulations using JMA-GSM model. Meteorological Research Institute, MRI. Tsukuba, Japan. 10. Molina I., 1986: Estadstica aplicada a la Hidrometeorologa. Instituto Nacional de Meteorologa. Publicacin D-47. Madrid, Espaa. Pgs. 28-38, 49-50. 11. Puigcerver, M., 1979: Atmsfera y Contaminacin Atmosfrica. Scientic American. Julio 1979, pp. 104-120. 12. Retallack, B. J., 1973: Compendio de apuntes para la formacin del personal meteorolgico de la Clase IV. Captulo IV Humedad del Aire. Publicacin Organizacin Meteorolgica Mundial OMM-266. Ginebra, Suiza. Pg. 50. 13. Sozzi, R., 1998: La turbulencia de la atmsfera y la dispersin de los contaminantes en el aire Vol. 1 Micrometeorologa y turbulencia del aire. Mxico, D.F. 14. SURFER, 1994: Surfer for Windows Users Guide Contouring And 3D Surface Mapping. Golden Software, Inc. Colorado, Estados Unidos. 15. Wark, K. & Warner, C., 1998: Contaminacin del Aire: Origen y Control. Ed. Limusa. Mxico D.F. 16. Yamagishi, Y., 2003: Introduction to the numerical weather prediction with emphasis on the application to the short term weather forecasting. Japan Meteorological Agency. Octubre 2003. Tokyo, Japan. Pp. 211.

169 / Atlas de Viento y Energa Elica de Colombia

www.imprenta.gov.co PBX: (571) 4578000 Diagonal 22 B No. 67-70 Bogot, D.C., Colombia