Modelos de
Predicción de Producción de parques eólicos
Hace ya más de seis años que comenzaron a fraguarse las primeras
metodologías para la predicción de producción de parques eólicos. Desde
entonces son muchas las empresas que han decidido invertir parte de sus
esfuerzos en dicha disciplina, y como todo en la vida, unos con
más aciertos que otros. Pero ¿Cuáles son los tipos de modelos del
mercado? ¿qué márgenes de error son aceptables
por un buen modelo de predicción?¿por qué el sector eólico está tan
preocupado por dar buenas predicciones? ¿cómo
está posicionada el sector eólico español en este sentido? El objetivo
de este artículo es contestar a estas preguntas y dar una visión
general de la situación actual y de los retos futuros.
¿Cuáles son los tipos de modelos del mercado?
En la actualidad se habla de métodos físicos y métodos estadísticos,
cuando en realidad la gran mayoría contemplan ambas ramas de la
ciencia.
La
metodología estándar utilizada en los modelos actualmente en el mercado
utilizan
en primer lugar un modelo físico o también llamado meteorológico. Estos
modelos son capaces de determinar la dinámica atmosférica con un
alcance que va desde unas cuantas horas hasta más de 240. Dependiendo
de la resolución de la salida, es decir el alcance geográfico que
modelan, se habla de modelos globales, regionales o de meso-escala. Por ejemplo, los modelos globales son
aquellos que realizan predicciones para todo el globo terráqueo. En la
actualidad son importantes el modelo norteamericano
GFS desarrollado por el NCEP y el ECMWF desarrollado por el centro
europeo. A continuación, los modelos regionales se centran en
determinadas zonas geográficas más concretas como por ejemplo el
conocido modelo HIRLAM que cubre Europa occidental o el PROMES
que modela la Península Ibérica. Por último los modelos de meso-escala
son aquellos que son capaces de generar salidas con una resolución de
muy pocos kilómetros y de caracterizar los fenómenos convectivos
gracias a que no utilizan la aproximación hidrostática.
Sin embargo, a no ser que uno confíe plenamente en la salida de estos
modelos, cosa poco recomendable incluso con resoluciones de 1 km, habrá
que realizar un post proceso de la salida que permita adaptarla a las
condiciones particulares del parque en el que se quiere predecir el
viento y la producción. Es en este momento donde aparecen los métodos
estadísticos. En la actualidad son varias las técnicas que se utilizan
para conseguir la mayor precisión posible: métodos de los análogos,
MOS, redes neuronales, etc. Lo que es importante destacar es que sea cual
sea la técnica estadística utilizada en la segunda fase todos parten de
los modelos físicos.
¿Qué márgenes de error son aceptables por un buen modelo de
predicción?
En la actualidad existen estudios que demuestran que los márgenes de
error de los modelos globales se sitúan en torno al 25%. Si
consideramos que posteriormente los modelos estadísticos también
cometen errores, se puede decir que con la metodologías
y técnicas del momento es difícil esperar predicciones de producción de
un parque con errores inferiores al 30%. Pero ¿por qué es tan difícil?.
En primer lugar parémonos a examinar qué queremos predecir.
El objetivo
es estimar la producción de un parque, que para empezar no es una
variable meteorológica pero que necesita la predicción de una variable
meteorológica “el viento”. En el
mejor de los casos uno podría aspirar a predecir con precisión el
viento que habrá en un parque concreto pero posteriormente esta
información hay que trasladarla a producción. En este proceso se
demuestra que la dependencia entre viento y producción tiene una
relación cúbica por lo que también lo serán los errores cometidos por
el modelo. Otro factor que afecta a la calidad es el hecho de tener que
predecir horariamente.
Si trasladamos este tipo de predicciones al campo de precipitaciones no
hablaríamos de si va a llover a no, por la mañana o por la tarde, sino
que cantidad exacta de milímetros caerán en un determinado punto cada
hora. Complicado, ¿Verdad?
No obstante el esfuerzo realizado en estos años ha tenido su
recompensa, ya que se ha avanzado en el número de investigaciones, lo
que ha dado lugar a nuevas propuestas y metodologías. Sin embargo,
desde el punto de vista del mercado eléctrico es necesario seguir
avanzando para conseguir alcanzar las nuevas expectativas de los
promotores, inversores y gestores de parques.
¿Por qué el sector eólico está tan preocupado por dar buenas
predicciones?
Acudir al mercado eléctrico a vender la energía de los parques requiere
de las predicciones horarias de producción con un día de antelación.
Por ejemplo, el mercado diario de electricidad se cierra a las 10 h de
cada día y en él se negocian las veinticuatro horas del día siguiente.
Los parques como cualquier otro participante de mercado tiene
que pagar una penalización económica por los desvíos que generen es
decir por las diferencias entre lo que ofertan en el mercado y lo que
realmente producen. Es indudable que el valor de una predicción precisa
es un hecho diferenciador y que se ve recompensada económicamente de una
forma directa a través de la reducción del pago por desvíos que debe
soportar el parque. Sin embargo, las predicciones no sólo son
importantes desde un punto de vista de mercado. Es conocida también la
importancia de las mismas en las labores de operación y mantenimiento
de los parques.
Ambas causas tienes una repercusión directa en la economía del parque
por lo que obtener un modelo fiable y preciso es contar con una
herramienta tremendamente útil y rápidamente amortizable.
¿Cómo está posicionada el sector
eólico español en este sentido?
España es el segundo país, tras Alemania, en cuanto a potencia eólica
instalada se refiere. Sin embargo, el sector eólico español no sólo
está preocupado por crecer en cuanto a potencia eólica sino también
porque este crecimiento sea ordenado y se integre adecuadamente en la
red. Prueba de ello es el esfuerzo dedicado en el desarrollo de modelos
de predicción donde somos pioneros y donde nos situamos a la cabeza a
nivel mundial. España es el país que cuanta con un mayor numero de
centros investigadores públicos y privados. Existen iniciativas desde
la Asociación Empresarial Eólica (AEE) que fomentan la validación de
los distintos modelos que existen en la actualidad con el objetivo de
sacar conclusiones acerca de la eficiencia de los mismos. En este
“Ejercicio de Predicción” se han probado hasta ocho modelos distintos
de predicción de producción eólica.
Podríamos decir que actualmente nos encontramos en un momento de
estancamiento en cuanto a presentación de novedades se refiere.
Se ha abierto un proceso de investigación por parte de algunos
organismos, empresas y Universidades que esperemos den sus frutos en
los próximos dos o tres años. Mientras tanto el modelo Casandra
utilizado actualmente por W2m se perfila como la mejor opción dentro
del catálogo de productos que encontramos en el mercado español y por
extensión a nivel mundial.
En diciembre pasado se perfiló como el método de predicción con un
menor desvío de kilowatios por parque lo que significa que es el modelo
que más ahorro genera por desvíos para los parques. El modelo CASANDRA
es un modelo vivo que continuamente está implantando nuevas mejoras que
le permitan seguir disminuyendo sus errores. La utilización de
tecnologías como la predicción por conjuntos y la utilización de un
post proceso estadístico basado en más de un modelo global, así como la
utilización de técnicas complejas de redes neuronales son sólo una
primera fase en la actualización del modelo Casandra.2. Todo esto nos
hace seguir trabajando con ilusión en las nuevas líneas emprendidas que
esperemos nos sigan colocando en primera fila de referencias de
predicción del mundo eólico.
