CENTRALES ELCTRICAS

Estado del arte de modelos para evaluacin de conabilidad en sistemas de generacin de energa elica
Miguel Alberto Dvila Sacoto Universidad Politcnica Salesiana

ResumenBreve anlisis sobre los nuevos tipos de modelamiento utilizados para datos histricos de velocidad de viento en sistemas elicos. Descripcin de los principales mtodos estadsticos utilizados en estos estudios, y anlisis de conabilidad. Index TermsSistema Elico, Conabilidad, Modelamiento Estadstico, Velocidad de viento.

I.

I NTRODUCCIN

N la actualidad los sistemas elicos de generacin son una de las reas ms importantes del diseo y de la investigacin elctrica. Para el diseo y anlisis de conabilidad de dichos sistemas, se deben modelar todos sus elementos. Uno de los elementos ms importantes a modelar es la velocidad del viento capturada por las estaciones meteorolgicas que se colocan al hacer el estudio de factibilidad. El modelamiento utilizado se basa en nuevos modelos estadsticos como son el modelo de distribucin de probabilidad de Weibull y Rayleigh, con los que se tiene una mejor aproximacin al comportamiento del viento basado en datos reales. Otro criterio importante es el de conabilidad y el crdito de capacidad, con los que podemos realizar los estudios para saber si la generacin elica implementada en un sector es conable para suplir la carga de un sistema interconectado. En el presente ensayo haremos un estudio del arte sobre estos temas, y se explicarn los parmetros principales de los estudios estadsticos mencionados.

Figura 1.

Histograma de velocidad de viento [1]

II-A.

Distribucin Weibull

La distribucin Weibull es una distribucin de probabilidad continua, cuya funcin de densidad es la siguiente: f (V, , ) =
1

e(V / )

(1)

II.

M ODELAMIENTO ESTADSTICO

para todo V 0 donde: > 0: factor de forma > 0 : factor de escala V : velocidad del viento en m/s Los factores de forma y escala se calculan en funcin de la media y la desviacin estndar de los datos obtenidos en el histrico de mediciones: = V
1.086

El comportamiento de la velocidad del viento en funcin de un tiempo de anlisis determinado (2-3 aos) es muy variable. Para modelar la capacidad de generacin de un sistema de generacin elica, se requiere aplicar mtodos estadsticos para obtener datos sobre la potencia que se puede generar en ciertas pocas del ao. Para esto es necesario conocer la distribucin de densidad de probabilidad de la velocidad del viento[1]. Un histograma de frecuencia a diferentes horas del dia se muestra en la gura 1: Para el anlisis de datos de velocidad de viento en sistemas elicos, se utilizan distribuciones de probabilidad Weibull y Rayleigh, las cuales segn estudios realizados, son las ms acertadas para predecir la distribucin natural del viento.

(2)

V (1 + 1/)

(3)

Donde: V : media de la distribucin : desviacin estndar : funcin gamma La distribucin Weibull es la ms utilizada en modelamiento de sistemas elicos, pues se ajusta de mejor manera a los datos estadsticos medidos en sistemas reales. En la gura 2 podec 2013 mos observar una aproximacin Weibull a los datos tomados

CENTRALES ELCTRICAS

en una estacin meteorolgica en Plymouth Mountbatten en Reino Unido [2].

III-A1. ARMA Auto-regresivo: Viene dado por la siguiente ecuacin:

p

Xt = c +
i=1

i Xti + t

(5)

Donde: 1 , ...p : parmetros propios c: constante t : Variable de ruido blanco III-A2. ARMA de Movimiento promedio: Est descrito por el siguiente polinomio:
q

Xt = + t +
i=1

i ti

(6)

Figura 2. Aproximacin de probabilidad mediante la aplicacin de la distribucin Weibull [2]

Donde: 1 , ...q : parmetros propios : es la esperanza de Xt t : Variable de ruido blanco III-B. Anlisis de datos elicos con modelo ARMA

II-B.

Distribucin Rayleigh

La distribucin Rayleigh es una distribucin de probabilidad continua para valores positivos de variables aleatorias. Se utiliza cuando la magnitud total de un vector se relaciona con sus coimponentes direccionales. Su aplicacin en la velocidad del viento, radica en el anlisis de dos vectores ortogonales (velocidad y tiempo). Asumiendo que las magnitudes de cada componente, no se correlacionan, tienen una distribucin normal, con igual varianza y media cero, entonces el vector de velocidad total ser caracterizado por una distribucin Rayleigh. La funcin de densidad de probabilidad de una distribucin Rayleigh est dada por: f ( x; ) = donde: III. M ODELAMIENTO DE V ELOCIDAD DEL VIENTO PARA
EMPLAZAMIENTOS ESPECFICOS

La velocidad del viento en cualquier tiempo dado por una zona geogrca en particular, est dado por: SWt = t + t ...yt yt = 1 yt1 + 2 yt2 + ... + n ytn + + t t1 1 t2 2 ... tm m (8) (7)

x x2 /22 e ,x 0 2

(4)

El recurso elico en una regin geogrca es ampliamente variable. La potencia generada por la turbina elica depende de la velocidad del viento, la cual ucta aleatoriamente con el tiempo. III-A. Modelamiento ARMA

Donde: SWt :velocidad de viendo simulada por hora t t : media de velocidad de viento t : desviacin estndar t : ruido blanco de media cero n, m: parmetros del proceso auto regresivo ARMA, que se obtienen mediante la utilizacin de mnimos cuadrados de todos los aos de histricos. El rango de datos simulados se debe dividir de manera equitativa en intervalos Na , y el SWai (i = 1, ..., Na ) es el ponto medio de cada intervalo. La probabilidad de velocidad de viento en un intervalo se obtiene por: Pai = Nai /(8760 Ny ) Donde Ny es el nmero de muestras por ao simulado. III-C. Aplicacin a parques elicos (9)

El modelo ARMA (Autoregressive-Moving-Average Model) se ha utilizado con gran precisin para anlisis de datos de vientos en zonas determinadas [3]. El modelo ARMA es un modelo de anlisis estadstico de tiempo serie, que nos da una descripcin de procesos estocsticos estacionarios en trminos de dos polinomios: Uno, para la auto-regresin, y otro, para el movimiento promedio. Conociendo un valor de datos en funcin del tiempo, el modelo ARMA puede entender y predecir valores futuros en la serie. Comprende dos tipos de modelos principales (polinomios):

Para observar el funcionamiento de este tipo de anlisis probabilstico, se analizar el ejemplo utilizado en [3]. Los datos histricos de viento fueron obtenidos de tres localidades en Canad: Swift Current, North Battleford y Toronto. Del modelamiento ARMA de tres aos de datos, se muestra a continuacin: yt = 0.8782yt1 0.0066yt2 + 0.0265yt3 +

CENTRALES ELCTRICAS

Figura 3.

Distribucin de probabilidad Weibull del ejemplo

Figura 4.

Modelo de velocidad de viento combinado [3]

IV-A. +t 0.2162t1 + 0.0091t2 ; t N ID(0, 0.55792

2

Evaluacin del modelo comn en sistemas similares

La distribucin Weibull del comportamiento de la velocidad del viento, se muestra en la gura [3] 3: Los datos para los tres emplazamientos se muestran en la tabla I [3]:
Cuadro I C ARACTERSTICAS ESTADSTICAS PRINCIPALES DEL EJEMPLO Sitio Battleford Swift Current Toronto Valor medio [km/h] 14.625 19.67 17.23 Desviacin Estndar [km/h] 9.59 9.62 10.56

El mtodo indicado en [3] es aplicable a cualquier parque de generacin elica con caractersticas similares, para lo cual se sigue el diagrama mostrado en la gura 5:

IV.

M ODELO DE V ELOCIDAD COMN DE V IENTO PARA

VARIOS EMPLAZAMIENTOS

Figura 5. Diagrama de aplicacin del modelo de velocidad de viento comn. [3]

La determinacin de un modelo apropiado de velocidad de viento comn para una granja de generacin elica es un proceso complicado pues el recurso elico en una regin geogrca es muy variable. El proceso requiere datos histricos de velocidades tomados durante un tiempo signicante. Se puede simplicar este modelo variable, utilizando una aproximacin de velocidades de viento comunes en un amplia zona geogrca. El objetivo es determinar un modelo general que pueda ser utilizado para obtener la potencia de salida de turbinas localizadas en diferentes sitios con una exactitud razonable[3]. En este modelo se combinan las curvas de rgimen de viento en una sola, con el objetivo de simplicar el anlisis del parque elico. La probabilidad para cada paso de simulacin se muestra en la gura 4: Se observa que combinar las funciones de probabilidad, nos da como resultado una curva muy aproximada a la realidad de los tres generadores elicos. El modelo de velocidad comn puede utilizarse para obtener la distribucin de probabilidad de velocidad de viento con caractersticas similares a la del ejemplo. El nico valor requerido es la media anual de velocidad y la desviacin estandar para el nuevo sitio. Valores negativos de velocidad de viento se convierten en cero dentro del proceso.

Con lo que podemos realizar la graca de probabilidad de un sitio determinado. Para el caso del ejemplo se analiza otra central en Regina, de similares caractersticas, para lo cual se tiene la tabla II .
Cuadro II M ODELO DE GENERACIN EN EL EJEMPLO [3]

V. V-A.

C ONFIABILIDAD Y CRDITO DE CAPACIDAD

Curvas de potencia

El objetivo del estudio estadstico es proveer al diseador del sistema de la curva de potencia que puede obtener con la turbina elica. devido a la variacin no lineal causada por las variaciones de la velocidad del viento, se utilizan las curvas de probabilidad de Weibull anteriormente descritas. La potencia

CENTRALES ELCTRICAS

media obtenida en un viento variable a una velocidad media Um, no es la misma que la potencia en viento constante a la misma velocidad [2]. La siguiente gura muestra la curva de potencia de salida W(u) para una turbina Vestas a 90m de altura, de 2MW en viento constante de velocidad u. Tambin se muestra la distribucin de densidad de probabilidad p(u) para una velocidad media Um de 6m/s.

V-B.

Conabilidad

Para el anlisis de conabilidad de sistemas elicos, se utilizan dos sistemas ampliamente generalizados, el RTS y el RBTS [4]. V-B1. IEEE-RTS (IEEE Reliability Test System): El sistema IEEE-RTS consiste en un sistema de 24 buses y 32 generadores (g.8). Se divide en dos partes: la primera o parte norte tiene un voltaje de 230kV y la parte sur tiene un voltaje de 138kV. La capacidad del sistema es de 3405MW y el pico total de carga es de 2850MW.

Figura 6.

Curva de potencia para viento constante [2]

La potencia media nal es la multiplicacin de la potencia constante W(u) por la densidad de probabilidad p(u) y sumada sobre todo el espectro de velocidades de viento, es decir:

Pm (Um ) =
0

p(u)W (u)du

(10)

Con esto podemos observar que el modelamiento estadstico tiene un peso muy importante, pues si los datos nos muestran que la velocidad del viento es muy variable, la potencia media que se puede obtener es menor, como se muestra en la gura 7:

Figura 8.

Sistema RTS para anlisis de conabilidad [4]

V-B2. RTBS (Roy Billinton Test System): Sistema desarrollado en la Universidad de Saskatchewan para propsitos educativos y de investigacin (g. 9). Consta de 6 buses y 11 generadores. El voltaje de transmisin es de 230kV, su capacidad instalada es de 240MW y tiene un pico de carga de 185MW. Es un sistema ms pequeo que el RTS lo que hace que sea ms fcil de modicar. V-C. Crdito de capacidad

Figura 7. Relacin entre vientos constantes y variable, y la potencia media obtenida [2]

Esta ecuacin no toma en consideracin la dinmica de la turbina en respuesta a los cambios rpidos de la velocidad del viento.

Para las estudios de conabilidad de sistemas elicos, un parmetro muy importante es el crdito de capacidad (CC) [5]. El CC es la cantidad de generacin convencional que puede ser reemplazada por la generacin de energia elica, manteniendo los mismos niveles de conabilidad del sistema. Tambin se puede decir que el CC es la cantidad de demanda que puede satisfacer una cierta cantindad de generacin elica, sin incrementar el valor de LOLP(Loss of Load Probability), es decir, sin variar la conabilidad del sistema. El CC se expresa en porcentaje, por ejemplo si se tienen 100MW de energia elica con CC=30 %, signica que sustituye a 30MW de generacin convencional[5].

CENTRALES ELCTRICAS

Figura 11. Distribucin de frecuencia del margen del sistema para un 80 % de generacin convencional y 20 % de generacin elica. [5]

Figura 9.

Sistema RTBS para anlisis de conabilidad [4]

Como ejemplo en [5] se analiza un ejemplo de tres casos distintos. Analiza el margen del sistema, es decir, la diferencia entre la demanda del sistema y la cantidad de generacin total del sistema en cada momento de la simulacin. En la gura 10 se muestra el primer caso.

Figura 12. Distribucin de frecuencia del margen del sistema para un 80 % de generacin convencional, 20 % elica y 65 % de respaldo. [5]

Con este anlisis, el CC se modela como: CC = [P ot1 (P ot2 + P ot3)] P oteo lica (11)

Donde Pot1..3 son las potencias convencionales de los casos 1, 2 y 3. Este valor se calcula para un valor de penetracin dado, y lo que se busca es La evolucin del comportamiento del CC a medida que se introducen distintas penetraciones[5].

Figura 10. Distribucin de frecuencia del margen del sistema para 100 % de generacin convencional.[5]

En este caso toda la energia es convencional, y el valor de probabilidad de prdida de carga (LOLP) es 2.5 % (indicado en rea roja), donde la demanda es mayor que la generacin disponible en el sistema. La generacin mxima disponible es de 21 % con respecto al pico de demanda. El segundo caso (g. 11), el 80 % de la generacin es convencional, y el 20 % es intermitente (elica). Se observa que la media de valores de demanda y generacin son iguales al caso 1, pero el LOLP aumenta al 30 %. El tercer caso (g.12), tiene un 80 % de generacin convencional, 20 % elica y 65 % de generacin auxiliar. Este aumento del respaldo del sistema disminuye el LOLP a un 2.5 % y aumenta la media a 20.9.

Figura 13. Ejemplo de diferentes estudios sobre CC en evolucin con energia elica.[5]

CENTRALES ELCTRICAS

VI.

C ONCLUSIONES

Los estudios sobre modelamiento de sistemas elicos estn en ya en una etapa desarrollada. Se plantean nuevos acercamientos en funcin de tratamiento de datos estadsticos como el de la distribucin de Weibull, ARMA y Rayleigh, intentando alcanzar niveles elevados de exactitud. Se observ que el modelo ms apropiado para el anlisis de datos de velocidad de viento es el de Weibull, por lo que se recomienda utilizarlo en el proyecto de investigacin de la universidad. En cuanto a los anlisis de estabilidad, adems de utilizar los 10 modelos de sistemas de potencia dados por la IEEE utilizados para anlisis de ujos de potencia, actualmente se estan utilizando dos sistemas nuevos, el IEEE-RTS y el RTBS como se explic en este ensayo. Los estudios nuevos se realizan sobre el sistema RTBS al tratarse de un sistema de potencia simplicado, y que permite ingresar variaciones sin complicar demasiado el clculo. El modelamiento de velocidad de viento para granjas elicas no esta completamente explotado, siendo el nico estudio encontrado el que se envi como referencia, por lo que se puede concluir que es una rama poco explorada y que demanda ser abarcada por los organismos de investigacin de la Universidad Politcnica Salesiana. R EFERENCIAS
[1] W. Program, Wind statistics and the Weibull distribution, disponible en www.wind-power-program.com. [2] , Calculating the mean Power, disponible en www.wind-powerprogram.com. [3] R. Karki, P. Hu, and R. Billinton, A simplied wind power generation model for reliability evaluation, Energy conversion, IEEE Transactions on, vol. 21, no. 2, pp. 533 540, 2006. [4] P. Bangalore, Development of Test System for Distribution System Reliability Analysis, Integration of Electric Vehicles into the Distribution System, 2011. [5] A. C. Rodriguez, Fiabilidad de un sistema elctrico con energia elica. Crdito de capacidad, Masters thesis, Universidad Carlos III de Madrid. [6] F. I. Cuervo, Anlisis mediante simulacin Monte Carlo de los modelos existentes para determinar el cargo por conabilidad para energia elica y su aplicacin en el medio colombiano, Masters thesis, Universidad Nacional de Colombia. [7] R. Billinton et al., Reliability considerations in the utilization of wind energy, solar energy and energy storage in electric power systems, in Probabilistic Methods Applied to Power Systems, 2006. PMAPS 2006. International Conference on. IEEE, 2006, pp. 1 6. [8] R. Karki and P. Hu, Wind power simulation model for reliability evaluation, in Electrical and Computer Engineering, 2005. Canadian Conference on. IEEE, 2005, pp. 541 544. [9] D. A. A. Fadare, Statistical analysis of wind energy potential in Ibadan, Nigeria, based on weibull distribution function, The PacicJournal of science and technology, vol. 9, no. 1, pp. 110 119, 2008.

Miguel Alberto Dvila Sacoto Ingeniero Electrnico con mencin en Sistemas Industriales y Telecomunicaciones. Estudiante de dcimo ciclo de Ingeniera Elctrica de la Universidad Politcnica Salesiana sede Cuenca