Está en la página 1de 4

ENERGIA 6 de 8

Intermitencia de las energías renovables


A diferencia de las energías convencionales, algunas de las energías renovables presentan
desafíos de intermitencia en la generación de energía.

Desarrollo de Energías Renovables en Chile


Bienvenidos a nuestra sexta clase donde trataremos el tema de la intermitencia que se
presenta en energías renovables como son la energía eólica y solar.

Tal y como aprendimos en nuestra tercera clase la promulgación de la ley 20.257 y su


posterior modificación conocida como Ley 20/25 han incentivado el desarrollo de las
energías renovables en Chile. Las energías renovables que han aportado una mayor
cantidad de potencia a los sistemas eléctricos son los proyectos de energía eólica y solar,
con 901 MW y 750 MW respectivamente (fuente: CIFES, Diciembre de 2015). Si tenemos
en cuenta los proyectos en construcción o con Resolución de Calificación Ambiental
(RCA) Aprobada o en Calificación, ambos tipos de energía siguen ocupando el primer
lugar.

Indudablemente, lo que está sucediendo es una noticia muy positiva, dado que se está
cumpliendo con el objetivo de incentivar el desarrollo de las energías renovables. No
obstante, este tipo de energía renovable presenta intermitencia en la disponibilidad de los
recursos lo que puede condicionar por una parte la rentabilidad de proyectos que utilizan
este tipo de energía y, por otro lado, afectar la adecuada operación de los sistemas
eléctricos.

Intermitencia en la generación
Cuando hablamos de la intermitencia, nos referimos a ambos: la variabilidad y la
incertidumbre en la disponibilidad de cualquier recurso. Nos referimos a variabilidad, como
los cambios de una cierta condición ocurridos en el transcurso del tiempo. Por otro lado,
entenderemos que una variable tiene asociado un alto grado de incertidumbre cuando existe
una gran dificultad en predecirla con precisión.

En este contexto debemos entender que cualquier tipo de tecnología de generación está
sujeta a variabilidad (paro por mantención programada) e incertidumbre (paro por falla del
sistema). No obstante, en el caso de proyectos eólicos y solares la generación con dichos
recursos renovables se caracteriza por tener una alta intermitencia asociada a las
condiciones climáticas. Por ejemplo, si comparamos los datos de la velocidad del viento
entre diferentes días de un mes determinado lo más probables es que tengamos una gran
variabilidad de los datos tal y como se presenta en la figura adjunta. A su vez, la velocidad
del viento presenta una gran incertidumbre dado es muy difícil de predecir con exactitud.

1
Una pregunta que ustedes se estarán haciendo es si la intermitencia es diferente entre la
energía eólica y solar. La respuesta es sí, puesto que queda determinada por las condiciones
climáticas del lugar. Por ejemplo, en el caso del norte de Chile, dado que las condiciones
climáticas permiten disponer de días despejados durante casi todo el año, en este caso la
radiación solar puede ser predicha con mayor precisión, a diferencia de la velocidad del
viento.

Modelos de Predicción Basados en Series Estadísticas


Como una forma de disminuir la incertidumbre asociada a la velocidad del viento se usan
modelos de predicción. Estos modelos son herramientas que permiten elaborar pronósticos
acerca del comportamiento del viento en un determinado lugar.

Tradicionalmente estos modelos son construidos con previo análisis estadístico de series
históricas de las variables relevantes. En primer término, se debe contar con una base de
datos donde se deje registro de las mediciones de las variables relevantes. Luego de
disponer de la base de datos, ésta requiere ser analizada desde la perspectiva estadística,
con la finalidad de determinar cuáles son las variables relevantes, los grados de correlación
e indicadores de importancia relativa. Luego, se procede a la construcción de diagramas de
causalidades entre las variables. Este análisis es iterativo, de tal forma de ajustar y validar
tanto el modelo como los datos involucrados en él, hasta tener una completa seguridad en la
consistencia y exactitud de los datos recopilados

En el proceso de construcción de modelos predictivos se aplican varias técnicas, incluyendo


análisis de regresión, modelos de función de transferencia, modelos de rezagos distribuidos,
modelos ARIMA, GARCH, entre otros. La selección de los modelos adecuados se hace en
base a su calidad predictiva, para cuyo efecto se comparan las series históricas de datos
contra las proyecciones que proporciona cada modelo. Una vez seleccionado el tipo de
modelo, este es objeto de diversos análisis con la finalidad de mejorar su calidad predictiva
hasta lograr un modelo eficaz y confiable.

También se han desarrollado otro tipo de modelos de predicción eólica, tales como los
basados en distribuciones probabilísticas de la disponibilidad de viento.

Modelos de Predicción Basados en Series Estadísticas y Meteorología


En los modelos de predicción más recientes se han incorporado adicionalmente variables
físicas del ámbito de la meteorología como son la presión atmosférica, la temperatura, etc.
Resultados de recientes investigaciones han mostrado que los modelos que incorporan
modelación física tienen mejor nivel de exactitud en el pronóstico obtenido.

La Red Eléctrica de España utiliza el modelo conocido como El SIPREÓLICO


(Universidad Carlos III de España) desde el año 2002. Este modelo combina series
históricas de velocidad del viento con variables físicas, todo lo cual termina siendo
analizado bajo la óptica de técnicas estadísticas. Existen muchos otros tipos de modelos
predictivos similares al modelo SIPREÓLICO, entre los cuales cabe mencionar:
(1)Prediktor: modelación física a partir de pronósticos HIRLAM con utilización del modelo
WASP/PARk y MOS (Riso de Dinamarca); WPPT modelación estadística basada en redes
neuronales a partir de pronósticos HIRLAM (IMM Universidad Técnica de Dinamarca);

2
Zephir: combinación de un modelo WPPT y Prediktor (Riso e IMM, ambos de
Dinamarca); Previento (Universidad de Oldenburg de Alemania); AWPPS: modelación
estadística basada en redes neuronales (Escuela de Minas de París/ ARMINES de Francia);
Local Pred: modelación física a partir de pronósticos HIRLAM y módulo MOS (CENER
de España); HIRPOM (Universidad de Cork de Irlanda e Instituto Meteorológico Danés);
AWPT (ISET de Alemania).

Requisitos para un Modelo de Predicción


En general, las entidades financieras solicitan a lo menos un par de años de medición de las
variables relevantes para analizar la posibilidad de financiar un proyecto. Para ello es clave
definir los sitios con mayor potencial, lo que se puede realizar recurriendo a modelos de
simulación del comportamiento de la atmósfera. Una vez seleccionados los sitios, se debe
medir el recurso. En el caso de la energía eólica, se deben instalar torres de medición
considerando diferentes alturas, de tal forma de detectar cuál es el perfil de la velocidad del
viento.

Por otro lado, es importante definir el tipo de pronóstico que se requiere, en base a las
necesidades del tipo de usuario. En este caso, si el usuario es el operador del sistema, lo
más probable es que se requieran pronósticos de corto plazo (12 a 48 horas), con la
finalidad de utilizarlos en la operación del sistema eléctrico. En este contexto, en algunos
países existe un mercado diario donde se pueden presentar ofertas de energía con 24 horas
de antelación respecto del período real de operación. El desajuste entre la generación real y
la predicha tendrá un impacto económico con menores ingresos para el generador, lo que
podría llegar a ser hasta de un 50%, de acuerdo a estudios de la materia.

Adicionalmente, los pronósticos deben cumplir con ciertos requisitos en cuanto a su


actualización, periodicidad, variable proyectada y nivel de agregación de parques. Los
pronósticos deben ser actualizados a medida que se obtengan nuevos datos de la generación
eléctrica, de tal forma de ir incorporando cambios que no necesariamente tienen
representatividad en la serie histórica de datos medidos. Por otro lado, la variable
proyectada en forma horaria puede ser expresada en términos de velocidad del viento, no
obstante, para el operador es más efectivo si es expresada en términos de potencia con sus
respectivos estadísticos descriptivos (intervalos de confianza, entre otros). En cuanto al
nivel de agregación, es importante indicar que para predecir correctamente la generación
eólica es fundamental contar con la predicción en aerogeneradores individuales, además de
la información agregada a nivel regional y nacional.

3
4