INSTITUTO POLITÉCNICO NACIONAL

CENTRO DE INVESTIGACIÓN EN CIENCIA

APLICADA Y TECNOLOGÍA AVANZADA,
UNIDAD ALTAMIRA

RECONSTRUCCIÓN DEL CAMPO DE VIENTO

PARA LA GENERACIÓN DE MAPAS DE
POTENCIAL EÓLICO A LO LARGO DE LA
COSTA DEL ESTADO DE TAMAULIPAS, MÉXICO

TESIS
QUE PARA OBTENER EL GRADO DE MAESTRO EN
TECNOLOGÍA AVANZADA

PRESENTA:

LIC. MAGDIEL CARRASCO DÍAZ

DIRECTOR DE TESIS:

DR. DAVID ALBERTO RIVAS CAMARGO

ALTAMIRA, TAMAULIPAS

JUNIO DEL 2012

 Dedicatoria

A la memoria del
Dr. Orzo Sánchez Montante.
A dos grandes mujeres de mi vida,
mi madre y mi novia, por su
dedicación, paciencia y amor.

Y especialmente a mi padre, quien

ha estado conmigo en todos los
momentos difíciles.
AGRADECIMIENTOS

Se hace imprescindible dedicarles un mensaje de agradecimiento a todas aquellas

personas e instituciones que de una forma u otra hicieron posible que este gran reto
llegase a vencerse.

 A la memoria del Dr. Orzo Sánchez Montante promotor de esta investigación,

el cual desgraciadamente no puede aparecer como director de esta tesis por
no encontrarse físicamente entre nosotros, pero sus ideas quedaron
plasmadas en este trabajo.

 Al Dr. David Alberto Rivas Camargo, quien rescató este proyecto en una etapa
muy difícil y con su brillante dirección logró encaminar estos resultados para
que concluyeran satisfactoriamente.

 Al colectivo de sinodales, los cuales con sus señalamientos permitieron que

este texto quedara con mejor claridad.

 A mi familia, por haber soportado esta separación y apoyarme

incondicionalmente.

 A mis amigos cubanos encontrados en México, quienes me ayudaron a no

sentirme tan lejos de mi país.

 A mis amigos mexicanos, por su colaboración y hospitalidad, especialmente a

Xareni y Manuel en Tampico, así como David y Rocío en Ensenada quienes
me mostraron un México diferente.

 A la dirección del Instituto de Meteorología de Cuba, por permitirme salir del

país para realizar esta maestría.

 Al Instituto Politécnico Nacional y al Centro de Investigación en Ciencia

Aplicada y Tecnología Avanzada, Unidad Altamira, por admitirme en su
programa de maestría, especialmente al departamento de Oceanografía y
Posgrado por su colaboración en los momentos difíciles.
 Al Consejo Nacional de Ciencia y tecnología, por proporcionarme la beca de
maestría.

 Al Instituto Nacional de Estadística y Geografía, por facilitarme la información

topográfica del estado de Tamaulipas.

 Al Centro de Investigación Científica y de Educación Superior de Ensenada,

Baja California, por acogerme en sus instalaciones para culminar
satisfactoriamente los resultados de este proyecto.
RESUMEN

En el presente trabajo se realizó una reconstrucción espacio-temporal del viento

basada en mediciones satelitales, a fin de optimizar el cálculo del potencial eólico a
lo largo de la costa de Tamaulipas. De esta forma se presenta una metodología de
trabajo que permite caracterizar la variabilidad del viento y realizar estimaciones del
potencial eólico en zonas costeras donde no se cuenta con las apropiadas
mediciones meteorológicas.

Para la realización de esta investigación se tomaron los datos superficiales del viento
a 10 m de altura registrados por la estación meteorológica de Altamira por presentar
una serie de datos más completa en comparación con otras estaciones. Por otra
parte, se utilizó un producto satelital (BMWF-CERSAT) el cual provee datos de
componentes zonal y meridional del viento con una resolución de 25 km (2004-2009),
siendo validado con cuatro estaciones de la región oriental de Cuba. Luego de la
comparación estadística entre las observaciones y el producto satelital, se determinó
el campo de viento promedio de la zona de estudio. Se modeló el campo de viento a
50 m de altura con el paquete computacional WAsP (Wind Atlas Analysis and
Application Program) y a partir de esto se determinó la densidad de potencia media.
Estos resultados permitieron establecer una comparación con los resultados previos
obtenidos por otros autores.

Entre los principales resultados se encontró que es posible estimar campos de viento
de una zona determinada a partir de los datos del producto satelital, siempre y
cuando se tenga en cuenta que en las zonas costeras como promedio puede
sobrestimarse la intensidad del viento en 1 m/s, aumentando esta sobrestimación
tierra adentro en 2 m/s. A partir del mapa obtenido con el WAsP, el potencial eólico
de la mitad sur del estado de Tamaulipas se clasifica como pobre (200-300 W/m2),
llegando a ser marginal en algunas áreas muy cerca de la costa. Sólo en la mitad
norte del Estado se clasifica al potencial como moderado (400-500 W/m2),
observándose un buen potencial en la zona lagunar.
ABSTRACT

In this research a space-time reconstruction of the wind based on satellite

measurements was carried out, in order to improve the assessment of the wind
potential along the coast of Tamaulipas. Thus, it presents a methodology that allows to
characterize the variability of wind and to estimate the wind potential in coastal areas
where appropriate meteorological measurements are not available.

To carry out this research surface wind data at 10 m height were taken, recorded by
the meteorological station of Altamira since it presents a more complete data set.
Moreover, we used a satellite product (BMWF-CERSAT) which provides data of zonal
and meridional components of wind with a resolution of 25 km (2004-2009), being
validated with four seasons of eastern Cuba. After a statistical comparison between
observations and satellite products, we determined the average wind field of the study
area. The wind field at 50 m height was modeled, by using the software package
WAsP (Wind Atlas Analysis and Application Program) and from this, we determined
the average power density. These results allow a comparison with previous results
obtained by other authors.

Among the main results, it was found that it is possible to estimate wind fields in a
given area by using satellite data products, as it is kept in mind that in coastal areas
the average wind speed may be overestimated by 1 m/s, increasing this
overestimation inland to 2 m/s. From the map obtained with the WAsP, the wind
potential of the southern half of the state of Tamaulipas is classified as poor (200-300
W/m2), becoming marginal in some areas near the coast. Only in the northern half of
the state it is classified as moderate potential (400-500 W/m2), showing a good
potential in the lagoon zone.
ÍNDICE GENERAL

Páginas
Capítulo 1. Introducción...……..…………………………………………… 1

1.1 Actualidad del tema.…………………………………………… 1

1.2 Objetivo general….…………………………………………….. 5

1.3 Objetivos específicos…………………………………………... 5

1.4 Hipótesis………………………………………………………… 5

1.5 Aportación práctica…………………………………………….. 5

1.6 Estructura de la Tesis………………………………………….. 5

Capitulo 2. Antecedentes y fundamentación teórica.…………………..... 7

2.1 Antecedentes…………………………………………………… 7

2.2 Fundamentación teórica…………………………………….… 13

Capitulo 3. Materiales y métodos a utilizar.………………………………. 18

3.1 Zonas de estudio………………….….…..……………………. 18

3.2 Datos y metodología.…..……………..……………………….. 19

Capitulo 4. Discusión de los resultados...……………………..………….. 29

4.1 Validación del producto satelital……………..…...…….……. 29

4.1.1 Análisis de las estaciones de Tamaulipas...………………… 29

4.1.2 Análisis de las estaciones de Cuba…………..……………… 36

ÍNDICE GENERAL (Continuación)

Páginas
4.2 Reconstrucción del campo de viento con los datos
satelitales………………………………………………………… 44

4.3 Modelación con el WAsP………………………..…………….. 49

4.4 Análisis de factibilidad de las escalas de generación eólica. 58

Conclusiones......................................………………………………………..... 64

Recomendaciones……………………………………………………………...... 65

Bibliografía…………………………………………………………...…………… 66

ANEXO I. Detalles del modelo WAdP……………………………………. 70

I.1 Datos de entrada al modelo…………………………………… 70

I.2 Ecuaciones utilizadas por el modelo…………………………. 73

ÍNDICE DE FIGURAS

Figura Página
1 Capacidad total de energía eólica (en MW) instalada en todo el
mundo hasta el 2011 (WWEA 2012)……………………………………… 2

2 Mapa de potencial eólico de México. Según Schwartz y Elliott (1995)... 8

3 Mapa representativo de las zonas con mejor potencial eólico de

México. (Saldaña y Miranda 2005)..….………………………………….... 9

4 Mapa de Potencial Eólico de México a 50 m de altura, obtenido del

Explorador de Recursos Renovables, Instituto de Investigaciones
Eléctricas (ERRIIE 2011)...……………………………………………….... 10

5 Mapa del campo de viento medio de México a 50 m de altura,

obtenido del Explorador de Recursos Renovables, Instituto de
Investigaciones Eléctricas (ERRIIE 2011)……………………………...… 11

6 Densidad de potencia del viento a 50 m (2003-2006) a partir de los datos de

la estación meteorológica del puerto de Altamira (Quiroga-Goode 2007)…. 12

7 Perfil vertical del viento típico sobre tres diferentes superficies

(Wizelius 2007)………………………………………………………………. 17

8 Zona de estudio del estado de Tamaulipas………….…………………... 18

9 Zona de estudio de la costa de Tamaulipas. Los asteriscos indican las

Estaciones Meteorológicas de referencia EMAS-CNA. Los puntos
indican nodos del producto satelital BMWF-CERSAT. Cada nodo más
cercano a una estación meteorológica se indica como un círculo vacío 20
ÍNDICE DE FIGURAS (Continuación)

Figura Página
10 Zona de validación, región oriental de Cuba. Los asteriscos indican
las Estaciones Meteorológicas de referencia (EMC-INSMET). Los
puntos indican nodos del producto satelital BMWF-CERSAT. Cada
nodo más cercano a una estación meteorológica se indica como un
círculo vacío………………………………………………………………….. 24

11 Zona de estudio dividida en 8 polígonos según las cartas topográficas

del INEGI…………………………………..…………………………………. 27

12 Intensidad del viento contra años registrados de las estaciones de

Tamaulipas. De arriba hacia abajo, estación Matamoros, San Fernando,
Soto la Marina y Altamira....………………….….…..………..………………. 30

13 Comparación entre la estación meteorológica de Altamira y el nodo

más cercano del producto satelital. (A) Ciclo medio estacional de la
intensidad del viento. (B) Ciclo estacional de la desviación estándar.... 32

14 Relación entre los valores de intensidad de viento del producto

satelital (nodo más cercano a la estación) y la estación meteorología
de Altamira. (A) Coeficiente de correlación lineal. (B) RECM. (C) EAM.
(D) Sesgo…………………………………………………………………….. 33

15 Distribución de frecuencia por rumbos anual de la dirección e

intensidad del viento. (A) Estación meteorológica de Altamira. (B)
Nodo del producto satelital………………………………………...……….. 35
ÍNDICE DE FIGURAS (Continuación)

Figura Página
16 Distribución de frecuencia por rumbos de la dirección e intensidad del
viento. (A) Estación meteorológica 365. (B) Producto satelital por el
método del nodo más cercanos. (C) Producto satelital por el método
de interpolación……………………………………………………………… 40

17 Similar a la Figura 16, pero para la estación 358……………..…………. 41

18 Similar a la Figura 16, pero para la estación 361…………………..……. 42

19 Similar a la Figura 16, pero para la estación 334………………..………. 43

20 Campo de viento medio (2004-2009) de la costa de Tamaulipas a

partir del producto satelital, dividido en cuatro cuadrantes………...…… 45

21 Ciclo medio estacional de la intensidad del viento en los cuadrantes

definidos en la figura 20…………………………………………………….. 46

22 Campo promedio de viento regional durante los meses de enero,

abril, junio y octubre (2005-2008) obtenido con el producto satelital
Las isolíneas representan el campo de presión en el mismo período
obtenido con NOAA (2011)……………………………………………………...... 47

23 Densidad de potencia media a 50 m de altura de la costa de

Tamaulipas. Se incluye clasificación del potencial eólico utilizada por
Miranda y Saldaña (2006)………………………………………………….. 48

24 Primer escenario del campo de viento medio modelado en el WAsP a

50 m de altura. Se resaltan con líneas y se numeran los polígonos de
modelación. Los puntos indican la ubicación de las estaciones virtuales a
partir de los nodos del viento satelital utilizados........................................... 50
ÍNDICE DE FIGURAS (Continuación)

Figura Página
25 Primer escenario del campo de densidad de potencia media
modelado en el WAsP a 50 m de altura. Se resaltan con líneas los
polígonos de modelación………………………………………………….... 51

26 Segundo escenario del campo de viento medio modelado en el WAsP

a 50 m de altura. Se resaltan con líneas y se numeran los polígonos
de modelación. Los puntos indican la ubicación de los nodos
utilizados……………………………………………………………………… 52

27 Segundo escenario (ver texto) del campo de densidad de potencia

media modelado en el WAsP a 50 m de altura. Se resaltan con líneas
los polígonos de modelación. Los puntos indican la ubicación de las
estaciones virtuales................................................................................ 53

28 Wind Atlas generado por el WAsP para el polígono 5 (entre las

latitudes 24 y 24.5 grados). En la parte superior se muestra la tabla de
extrapolación vertical y horizontal. En la parte inferior se muestra la
distribución de frecuencia de la dirección (izquierda) y de la intensidad
(derecha) del viento para 50 m de atura y rugosidad predominante.…. 54

29 Wind Atlas generado por el WAsP para el polígono 6 (entre las

latitudes 24.5 y 25 grados). En la parte superior se muestra la tabla de
extrapolación vertical y horizontal. En la parte inferior se muestra la
distribución de frecuencia de la dirección (izquierda) y de la intensidad
(derecha) del viento para 50 m de atura y rugosidad predominante.…. 55

30 Igual a Figura 27, pero para el tercer escenario..................................... 57

ÍNDICE DE FIGURAS (Continuación)

Figura Página
31 Aerogenerador Vesta V52/850 (http://www.thewindpower.net/turbine_-
es_27_vestas_v52-850.php), utilizado para la simulacion de los
parque eólicos en este trabajo................................................................ 60

32 Ubicación de los parques eólicos experimentales. Primer parque

eólico P1-6AE-V52, segundo parque P2-6AE-V52, tercer parque P3-
6AE-V52. La imagen fue tomada del Google Earth................................ 62

33 Esquema de rugosidad según Mortensen et al. (2005). Las clases de

rugosidad se indican con líneas verticales. Los puntos centrales dan
los valores de referencia y longitud de las líneas indica el intervalo del
parámetro de aspereza admitido por cada una de las clases………….. 71

34 Análisis esquemático de la rugosidad en un área en particular

(Mortensen et al. 2005)……………………………………………………... 72

35 Aspecto de la función de densidad de la distribución de Weibull para

distintos valores del parámetro de forma k (Troen y Petersen 1989)…. 74
ÍNDICE DE TABLAS

Tabla Página
1 Capacidad de energía eólica (en MW) instalada por países hasta el
2011 (WWEA 2012)…………………………………….…………………… 3

2 Resumen del potencial eólico de la costa de Altamira (sur de

Tamaulipas) de acuerdo a diferentes autores...…..………………..……. 13

3 Estadísticas para cada estación de Cuba……………................……….. 38

4 Comparación entre los parques eólicos modelados............................... 61

CAPÍTULO 1. INTRODUCCIÓN

Es un hecho que la humanidad se enfrentará a la escasez de combustibles fósiles y

al correspondiente impacto sobre el medio ambiente de los contaminantes emitidos
con la quema de dichos combustibles. Si a esta situación se le suma que la demanda
mundial de energía eléctrica continuará ascendiendo en el curso de los próximos
años, el problema se agudiza mucho más (Moreno et al. 2007).

La utilización de la energía eólica para la generación de electricidad representa en la

actualidad una fuente energética de bajo impacto ambiental y resulta una buena
alternativa en lugares de difícil acceso y alejados de la red de distribución eléctrica.
Pero este apreciado recurso depende del régimen general de vientos, el cual es
conocido a groso modo desde hace bastante tiempo. Sin embargo, existen muchas
peculiaridades del viento relacionadas con su variabilidad y con el efecto que genera
la propia orografía, que generalmente no han sido estudiadas hasta la fecha en
profundidad, y cuyo conocimiento resulta fundamental para una correcta utilización
de este elevado potencial. Actualmente se cuenta con una escasa o nula resolución
espacial de los datos del perfil vertical del viento en la capa límite planetaria a lo
largo de la costa oeste del Golfo de México. Por tal motivo, se hace necesario poder
contar con una herramienta que pueda reconstruir el campo de viento en aquellas
zonas donde no se tiene medición.

Con este trabajo se presenta una metodología con la cual es posible modelar los
campos de vientos, tomando como referencia las series de tiempo generadas por los
productos satelitales. De esta forma se realizan estimaciones del potencial eólico en
zonas donde no se cuenta con las apropiadas mediciones meteorológicas.

1.1- Actualidad del tema

De las fuentes de energía renovable, la eólica presenta el crecimiento más dinámico

en los últimos años. En el último boletín publicado en marzo del presente año por la
Asociación Mundial de Energía Eólica (WWEA; por sus siglas en inglés) se corrobora

1
el descomunal incremento de la capacidad de energía eólica instalada en el mundo
(figura 1). Según este boletín, el 2011 cerró con una capacidad instalada de 239 GW,
representando un nuevo récord de incremento de 42 GW con respecto al año 2010,
el cual había presentado un incremento de 38 GW. Con esta capacidad instalada es
posible poder cubrir el 3% de la demanda eléctrica mundial. Los países que
encabezan la lista de mayor capacidad de energía instalada son: China con un
incremento de 18 GW, Estados Unidos con 7 GW y Alemania con 2 GW (tabla 1). En
Latinoamérica varios países han mostrado un buen crecimiento, entre los cuales está
México, que presentó un incremento entre finales del 2011 y principios del 2012 de
521 MW a 929 MW (WWEA 2012).

Figura 1: Capacidad total de energía eólica (en MW) instalada en todo el mundo
hasta el 2011 (WWEA 2012).

2
Tabla 1. Capacidad de energía eólica (en MW) instalada por países hasta el 2011
(WWEA 2012)

Capacidad Capacidad Capacidad Capacidad Capacidad

total al incrementada total al incrementada total al
País
cierre del 2011 cierre del 2010 cierre del
2011 [MW] [MW] 2010 [MW] [MW] 2009 [MW]

China* 62733 18000 44733 18928 25810

Estados
46919 6810 40180 5600 35159
Unidos

Alemania 29075 2007 27215 1551 25777

España 21673 1050 20676 1515 18865

India* 15800 2700 13065 1258 1.807

Italia* 6747 950 5797 950 4850

Francia 6640 980 5660 1086 4574

Reino
6018 730 5203 962 4245
Unido

Canadá 5265 1267 4008 690 3319

Portugal* 4290 588 3702 345 3357

Dinamarca 3927 180 3803 309 3460

Suecia 2816 746 2052 603 1450

Japón 2501 167 2334 251 2083

Resto del
24200 6000 18201 3191 15010
mundo*

Total* 238604 42175 196629 37642 159766

*- Datos preliminares

3
En el sitio de internet de Ecología y Medio Ambiente en Puebla (ECOPUE 2012) se
publicó una entrevista realizada (MÉXICO, D.F. el 9 febrero 2012) al presidente de la
Asociación Mexicana de Energía Eólica (AMDEE), el Ing. Leopoldo Rodríguez. En
dicha entrevista el ingeniero reveló que el 2011 había cerrado con una capacidad
instalada de 519 MW, pero luego de haber culminado las instalaciones de nuevos
parques ya al final del año y comienzo de 2012, se había logrado llegar a una
capacidad de 1 GW, con lo que ya bastaría para abastecer de electricidad a una
ciudad de unos 2 millones de habitantes. El ingeniero Rodríguez puntualizó que esta
cifra significaría casi el 2% de la capacidad total de la generación del país.

Cabe destacar que una capacidad instalada de 1 GW no sería la energía que se

generaría. Esta cifra reportada es la potencia nominal de los aerogeneradores que se
encuentran instalados, por lo que es necesario tener en cuenta el Factor de
Capacidad que se presenta en la zona donde se encuentran los parques eólicos. Al
ser el viento tan variable, la generación de energía estará relacionada con la
persistencia del viento, de esta forma poder encontrar lugares con un Factor de
Capacidad superior al 30 % suele ser difícil.

México cuenta con una diversidad de sitios para generar energía eólica. Los lugares
con mayor potencial eólico los posee Oaxaca, pero existen también otras regiones
identificadas como Zacatecas, el desierto de La Rumorosa y el litoral de la península
de Baja California, así como también extensiones de litoral del Pacífico y del Golfo de
México (Cadenas y Saldívar 2007). Entre los sitios del Golfo de México beneficiados
por el viento, según el mapa de potencial eólico vigente el país (ERRIIE 2011), se
encuentra el estado de Tamaulipas, pero se tiene una referencia oscura del número
de estaciones con que se analizó este potencial en esta zona. De aquí surge un
problema a resolver, el cual sería cómo reconstruir el campo de viento para generar
mapas de potencial eólico en aquellas zonas donde no se tiene mediciones
meteorológicas.

4
1.2- Objetivo general

Realizar una reconstrucción espacio-temporal del viento basada en mediciones

satelitales ya existentes, a fin de optimizar el cálculo del potencial eólico a lo largo de
la costa de Tamaulipas.

1.3- Objetivos específicos

 Caracterización de la variabilidad del viento superficial en la región de estudio.

 Reconstrucción del campo del viento en la región de estudio a partir del

modelo numérico WAsP (Wind Atlas Analysis and Application Program).

 Análisis de factibilidad de las escalas de generación eólica consistente con la

disponibilidad del recurso cinético.

1.4- Hipótesis

A partir de la reconstrucción del viento, considerando la variación horizontal de la

rugosidad y del relieve, es posible poder identificar las escalas de generación
factibles de emplazamientos de parques eólicos a lo largo del área de estudio.

1.5- Aportación práctica

Presentar una metodología de trabajo que permita caracterizar la variabilidad del

viento en la costa de Tamaulipas, la cual pueda ser aplicada en otras zonas de
interés. Identificar las áreas con mejor potencial eólico de la zona de estudio.

1.6- Estructura de la Tesis

El resto del presente trabajo se encuentra estructurado en tres capítulos, las

conclusiones, las recomendaciones y las referencias bibliográficas. En el segundo
capítulo titulado “Antecedentes y fundamentación teórica”, se aborda los

5
antecedentes relacionados con los estudios que hacen referencia al potencial eólico
de Tamaulipas y una fundamentación teórica de las definiciones más necesarias
para la comprensión del texto. El tercer capítulo titulado “Materiales y métodos a
utilizar”, se presenta una caracterización de la zona de estudio, así como la
descripción de los datos y la metodología con los que se realizó la investigación. El
cuarto capítulo titulado “Discusión de los Resultados”, se realiza una validación del
producto satelital, presentando un análisis para las estaciones de Tamaulipas y otro
para las estaciones de Cuba como un ejemplo y una referencia de la validación del
producto satelital. Por otra parte, se presenta la reconstrucción del campo de viento a
partir de los datos satelitales y la modelación con el WAsP. Por último, se discute un
análisis de factibilidad de las escalas de generación eólica.

6
CAPITULO 2. ANTECEDENTES Y FUNDAMENTACIÓN TEÓRICA

2.1- Antecedentes

Uno de los primeros trabajos sobre la evaluación del potencial eólico en México es el
de Schwartz y Elliott (1995). En su reporte, estos autores presentan un mapa de
densidad de potencia media a 50 m de altura en el cual clasifican al estado de
Tamaulipas como moderado, con una densidad media entre 300 y 400 W/m2.
Además, una zona de la costa al sur del estado la clasifican de buena, con una
densidad media entre 400 y 500 W/m2 (figura 2). Estos autores determinaron las
características del viento basados en un exhaustivo análisis estadístico de más de
150 estaciones meteorológicas de México. Pero no queda claro en su reporte cómo
realizaron la extrapolación horizontal y vertical del viento para de esta forma obtener
el mapa del recurso eólico. Además, establecen una comparación de sus resultados
con los obtenidos por Aiello et al. (1983), quienes obtuvieron que la densidad de
potencia a 10 m de altura en Tampico es de 8 W/m2, mientras que en Ciudad Victoria
y Matamoros es de 32 W/m2. Sin embargo, los resultados de Schwartz y Elliott (1995)
plantean que en Tampico la densidad de potencia es de 205 W/m 2, en Ciudad
Victoria de 170 W/m2 y en Matamoros de 165 W/m2. Como puede apreciarse, las
diferencias entre los dos resultados son considerables.

7
Figura 2. Mapa de potencial eólico de México (Schwartz y Elliott 1995).

Por otra parte, Saldaña y Miranda (2005) hacen referencia a que en 1998 se publicó
un mapa de las regiones con mayor potencial eólico de México. En dicho mapa se
resalta la costa del sur del estado de Tamaulipas con un potencial de 700 MW (figura
3). Sin embargo, los detalles de su metodología son oscuros, ya que no se hace
referencia de la procedencia de este mapa ni de a qué altura se representa este
potencial.

Posteriormente, Miranda y Saldaña (2006) presentaron un proyecto de evaluación

del potencial eólico en México empleando ArcGis y WasP, en el cual describen muy
técnicamente cómo se realizaría el mapa de potencial eólico de México, pero sin
entrar en detalles de con qué mediciones del viento. Uno de los resultados de este
proyecto conllevó a la publicación de un sitio en internet en el cual es posible

8
explorar el recurso renovable de México a diferentes alturas (ERRIIE 2011). Un
ejemplo de este producto se puede observar en la figura 4, en la cual se muestra la
densidad de potencia media del recurso eólico de México a 50 m de altura y en la
figura 5 el correspondiente campo de viento medio a 50 m. En estos mapas se puede
apreciar que la mayor parte de costa de Tamaulipas presenta una densidad de
potencia media superior a los 800 W/m2 y un viento promedio entre 7.6 y 8.5 m/s. En
el resto del estado se encuentran áreas con densidad de potencia entre 400 y 600
W/m2 y vientos promedios entre 6.0 y 7.5 m/s. Considerando estos resultados, el
potencial eólico del estado de Tamaulipas se clasifica al interior como moderado y
bueno, y en la costa como excepcional, según la escala presentada por estos
autores.

Figura 3. Mapa representativo de las zonas con mejor potencial eólico de México
(Saldaña y Miranda 2005).

9
Figura 4. Mapa de Potencial Eólico de México a 50 m de altura, obtenido del
Explorador de Recursos Renovables, Instituto de Investigaciones Eléctricas (ERRIIE
2011).

10
Figura 5. Mapa del campo de viento medio de México a 50 m de altura, obtenido del
Explorador de Recursos Renovables, Instituto de Investigaciones Eléctricas (ERRIIE
2011).

Por otro lado, los resultados de Quiroga-Goode (2007) difieren por completo de los
autores anteriores. Este autor realizó una evaluación del potencial eólico en el puerto
de Altamira (sur del estado), tomando las mediciones del 2003 al 2006 de una
estación meteorológica instalada en el puerto. Según estos resultados, el potencial

11
eólico de esta zona se clasifica como pobre y marginal (en la escala antes
mencionada), ya que no superan los 230 W/m2 de densidad de potencia media a 50
m de altura (figura 6). Posteriormente, Quiroga-Goode et al. (2011) realizaron otro
estudio en la misma zona, pero estableciendo una comparación entre los datos
utilizados en el reporte del 2007 y los datos registrados por una torre experimental
con mediciones de viento a 10, 30 y 50 m de altura ubicada aproximadamente a
1500 m al Sur. Con este nuevo resultado se reafirma lo obtenido anteriormente, en el
cual esta zona de la costa presenta un potencial marginal y pobre.

Figura 6. Densidad de potencia del viento a 50 m (2003-2006) a partir de los datos

de la estación meteorológica del puerto de Altamira (Quiroga-Goode 2007).

Resumiendo en una tabla el potencial eólico de la costa de Altamira (sur del estado
de Tamaulipas) a partir de los resultados antes descritos (tabla 2), se puede
identificar una diferencia considerable entre las magnitudes reportadas por los
autores. Los mapas de potencial eólico de un país representan las posibles zonas

12
que pueden ser favorables para explotar el recurso eólico, pero a escala local es
necesario realizar estudios más profundos, para de esta forma poder obtener un
mejor aprovechamiento del potencial cinético.

Tabla 2. Resumen del potencial eólico de la costa de Altamira (sur de Tamaulipas)

de acuerdo a diferentes autores.

Densidad de potencia Clasificación

Autores
(W/m2) (ERRIIE 2012)
Schwartz y Elliott
400 - 500 Moderado
(1995)
Quiroga-Goode
< 230 Pobre
(2007)
ERRIIE (2012) > 800 Excepcional

2.2- Fundamentación teórica

En general, en los sitios donde se debe evaluar el potencial eólico no se conoce el

clima de viento superficial (10 m de altura). Por tal motivo, debe aplicarse alguna
metodología para conocer el potencial eólico a la altura que se desee en
dependencia del tipo de tecnología que se prenda utilizar. Entre tales técnicas puede
mencionarse la medición de corta y de larga duración, así como la aplicación de
modelos numéricos. Entre estos últimos se destacan los modelos analíticos, donde
se relaciona la variación de la velocidad horizontal del viento con la altura, la forma
accidentada del relieve y con la longitud de rugosidad superficial (Jackson y Hunt
1975).

Los modelos numéricos resuelven las ecuaciones de movimiento, conservación de

masa, de energía y del vapor de agua atmosférico. La solución analítica de estas
ecuaciones no es factible, por lo cual se hace necesario realizar algunas
simplificaciones. Los modelos que se limitan a obtener un campo de viento que
cumpla únicamente la ecuación de continuidad se denominan modelos de
conservación de masa. Entre los más conocidos y que se utilizan con mayor

13
frecuencia está el denominado MATHEW (Sherman 1978). Otro modelo de
conservación de masa conocido es el WINDS [Wind-field Interpolation by Non
Divergent Schemes] (Lalas 1983), el cual surgió a partir de unas modificaciones
realizadas al modelo NOABL (Philips 1979), considerando en éste los efectos de la
rugosidad del terreno y la variación de la dirección del viento debida a la fuerza de
Coriolis.

Existen otros modelos que consideran las ecuaciones de movimiento y son capaces
de representar zonas con efectos de estratificación. Éstos son los modelos basados
en la solución de las ecuaciones de Navier-Stokes (e. g., Patankar 1980), los cuales
reproducen el campo de vientos con mayor fidelidad, pero requieren de grandes
recursos de cómputo. Por tanto, es necesario escoger de manera apropiada las
condiciones de contorno, presentándose ciertas dificultades sobre todo en terrenos
muy complejos como las zonas montañosas.

El modelo más utilizado desde los años 80 hasta la actualidad en la mayoría de los
programas de evaluación del recurso eólico es el WAsP (Wind Atlas Analysis and
Application Program), elaborado por Risoe National Laboratory de Dinamarca (Troen
et al. 1988). Con este modelo es posible incluir la influencia de los efectos locales
sobre el viento geostrófico, originados por la topografía, obstáculos o rugosidad del
terreno. Para esto utiliza la Ley de arrastre geostrófica, que describe el equilibrio
entre las fuerzas de presión, fricción y de Coriolis, para una estratificación estable de
la atmósfera (Blackadar y Tennekes 1968). Por otra parte, este modelo supone un
perfil logarítmico del viento con la altura, por lo que permite estimar el viento
geostrófico, a partir de una serie de medidas de referencia y teniendo en cuenta la
rugosidad correspondiente del terreno en cada caso. De esta forma es posible
calcular el valor del viento en las otras zonas seleccionadas, basándose en las
distribuciones de probabilidad del viento tipo Weibull (Moreno et al. 2007) de la
forma

14
 [1]
.

Donde: f(u) - probabilidad estadística de que ocurra una velocidad u,

k - factor de forma (adimensional),

A - factor de escala (m/s), cuyo valor es cercano a la velocidad media.

Desde el punto de vista práctico la expresión de Weibull, proporciona un método

empírico preciso para la representación de la distribución de velocidades del viento.
En el anexo I se explica con más detalles como se determinan los parámetros de
Weibull así como un grupo de peculiaridades del modelo WAsP.

La energía eólica es la energía cinética que presentan las masas de aire en

movimiento. La potencia disponible (Pd) en una masa en movimiento resulta
directamente proporcional a la densidad del fluido (ρ), al área de la superficie que
atraviesa el flujo (A) y al cubo de la velocidad del fluido (v) (Moreno et al. 2007), es
decir,

[2]
.

Como consecuencia, los sitios ubicados a nivel del mar y en zonas frías presentarán
una mayor potencia disponible que zonas de gran altitud y más cálidas, para las
mismas velocidades. El parámetro más significativo es la intensidad del viento, dado
que el flujo de potencia depende del cubo de ese parámetro. Sin embargo, el nivel de
turbulencia del flujo en el sitio actúa disminuyendo la energía disponible. Debido a
esto, los sitios más adecuados para la explotación del recurso eólico son aquéllos
donde la intensidad del viento es elevada y el nivel de turbulencia moderado (Burton
et al. 2001). Comúnmente la intensidad del viento se mide a 10 m de altura, es por
esto que se hace necesario realizar extrapolaciones verticales de esta variable si se

15
desea obtener el potencial eólico a una altura superior, en dependencia del
aerogenerador seleccionado. En zonas donde se cuenta con estudios de
prospección con mediciones del viento a diferentes alturas, se tomará como
referencia el dato que más se acerque a la altura deseada para la modelación
(Moreno et al. 2007).

Debido a la variabilidad del viento, un método para caracterizar el potencial eólico

disponible es mediante la potencia media por unidad de área expuesta al viento
(densidad de potencia media), de esta forma queda independiente del tamaño del
aerogenerador y prácticamente sólo queda en función de la velocidad (Burton et al.
2001):

[3]
,

donde la barra sobre Pd y v3 indican los valores medios de estas magnitudes.

Cabe aclarar que en la ecuación [3] se utiliza el valor medio de la velocidad al cubo,
que en general no es igual que elevar al cubo la velocidad media. Esta velocidad
media se determina como una media aritmética en función de la longitud de la serie
de datos, la cual como mínimo debe ser de un año para de esta forma poder tener
una representación temporal de la variable. Según Moreno et al. (2006), para
resultados preliminares se puede considerar que los valores instantáneos de la
intensidad del viento se presentan en el tiempo con una frecuencia semejante a la
prevista por la llamada Distribución de Rayleigh. Por tanto, el valor medio de la
intensidad del viento al cubo se puede calcular a partir de la intensidad media del
viento al cubo a través de la ecuación:

[4]
.

Sustituyendo la ecuación [4] en la [3] se obtiene:

16
 [5]
.
Estas peculiaridades del flujo atmosférico han llevado a seleccionar el recurso en las
zonas próximas al mar, o bien, mar adentro. En este caso, debido al bajo nivel de
rugosidad del terreno, se tiene para una altura dada una intensidad del viento mayor
que la que se registraría sobre la tierra y además una muy moderada turbulencia, así
como escalas integrales de la turbulencia significativamente mayores (figura 7).

Figura 7. Perfil vertical del viento típico sobre tres diferentes superficies (Wizelius
2007).

17
CAPITULO 3. MATERIALES Y MÉTODOS A UTILIZAR

3.1- Zona de estudio.

Como se había planteado en la sección 2.1, los estudios de potencial eólico

realizados hasta el momento que comprenden el estado de Tamaulipas, no se
corresponden unos con otros. Por tanto, en el presente trabajo se decidió realizar
una investigación más detallada de la zona costera de este estado. En la figura 8 se
resalta el estado de Tamaulipas y los municipios costeros que se encuentran
implicados en el estudio. Se analizaron aproximadamente 500 Km a lo largo de la
costa y tierra adentro unos 15 Km en las franjas más estrecha del sur del estado, y
80 Km aproximadamente en la franja más extendida al norte.

Figura 8. Zona de estudio del estado de Tamaulipas.

18
3.2- Datos y metodología

Las estaciones meteorológicas de Tamaulipas se encuentran administradas por un

grupo de instituciones, lo cual no permite que esta información forme parte de una
base de datos centralizada, obstaculizando las investigaciones climáticas que se
deseen realizar en el estado.

Para la realización de esta investigación solo se pudo obtener los datos superficiales
(a 10 m de altura) del viento registrados por cuatro estaciones meteorológicas
automáticas ubicadas en la costa de Tamaulipas (figura 9), las cuales son
administradas por la Comisión Nacional del Agua (EMAS-CNA). Estas estaciones
tienen una frecuencia de medición cada 10 minutos, disponibles desde el año 2000
hasta el 2010. Estas series de tiempo se encontraron truncadas en distintos
períodos, lo cual no permitió realizar un análisis climático adecuado del campo del
viento en esta zona. Intentar rellenar estos datos faltantes introduciría errores de
interpolación debido a la pronunciada longitud de sus huecos. Por tal motivo, fue
necesario tener en cuenta un producto satelital que ofrece el (Blended Mean Wind
Field - Center for Satellite Exploitation and Research), el cual puede ser encontrado
en el sitio http://cersat.ifremer.fr/Data/Discovery/By-product-type/Griddedproducts/-
MWF-Blended. De esta forma es posible tener, con una resolución de 25 km, datos
de las componentes zonal y meridional del viento cada 6 horas (UTC) del año 2004
al 2009 (figura 9).

Para validar la información satelital, se analizaron los datos cada 6 horas (UTC) de
las series de las cuatro estaciones antes mencionada, durante el período 2004 –
2009, en correspondencia con el período de datos del producto satelital. Debido al
pronunciado truncamiento que presentan las series, fue preciso determinar cuáles
meses de este período se encontraban sin huecos, completando una serie de un año
pero con sus respectivos meses de distintos años. De esta forma es posible
establecer una comparación estadística con el nodo del producto satelital más
cercano a la estación (figura 9) y así poder tener un estimado del ciclo medio
estacional entre ambas bases de datos.

19
Figura 9. Zona de estudio de la costa de Tamaulipas. Los asteriscos indican las
Estaciones Meteorológicas de referencia EMAS-CNA. Los puntos indican nodos del
producto satelital BMWF-CERSAT. Cada nodo más cercano a una estación
meteorológica se indica como un círculo vacío.

Como método de comparación se tomaron las siguientes estadísticas básicas.

La media aritmética es un promedio estándar que a menudo se denomina

simplemente como "promedio" de análisis:

[6]
,

20
donde N es el numero de datos de la serie Xi.

La desviación estándar poblacional es una medida del grado de dispersión de los

datos con respecto al valor promedio:

[7]
,

Donde, es la media aritmética de la serie X y N es el número de datos.

Para estos análisis se tomó cada serie como una población, es por esto que se utilizó
en el denominador solo el valor de N y no N-1 que se correspondería si estuviéramos
analizando la serie como una muestra.

El Coeficiente de correlación lineal proporciona el grado de relación lineal que

existe entre dos variables X y Y:

[8]

donde cada valor de X representa el valor pronosticado y Y el valor observado, yȳ

representan las medias aritméticas de cada serie y σx, σy sus respectivas desviación
estándar.

La Raíz cuadrada del Error Cuadrático Medio (RECM) indica el grado de

correspondencia promedio entre pares individuales de valores pronosticados y
observados:

21
 [9]

El Error Absoluto Medio (EAM) es una medida de la cercanía entre los valores
pronosticados y los observados:

[10]
.

El Sesgo proporciona información sobre la tendencia que tiene el modelo al

pronosticar una variable, es decir, sobrestimar o subestimar:

[11]
.

Se decidió comprobar los datos de satélite con otra estación meteorológica sin
interrupción en sus datos durante un período continuo. Para esto se tomó como
referencia de validación una torre meteorológica de muestreo ubicada en la línea
costera de Altamira, denominada NRG-UAT (figura 9). Esta estación fue puesta en
funcionamiento por la Universidad Autónoma de Tamaulipas (UAT) durante el
período del 10 de octubre 2007 al 9 de octubre 2008. Estos datos de intensidad del
viento a 10, 30 y 50 m de altura, así como mediciones de dirección del viento a 30 y
50 m de altura, registradas cada 10 minutos, fueron utilizados por Quiroga-Goode et
al. (2011). Para el presente estudio se usaron los datos de intensidad del viento a 10
m de altura en correspondencia con el resto de las estaciones, pero la dirección del
viento a 30 m de altura debido a no existir medición de esta variable a 10 m. Se
tomaron los valores cada 6 horas (UTC) de estos datos, durante el período de 1 de
noviembre de 2007 al 30 de septiembre de 2008. Por otra parte, con los nodos del

22
producto satelital se realizó una interpolación lineal de los datos al punto de medición
donde se encontraba ubicada la torre en la línea costera. Una vez seleccionada la
serie de datos, se les aplicó la misma metodología de validación antes mencionada.

Debido a la irregularidad encontrada en las estaciones de Tamaulipas, se decidió

comprobar los datos de satélite con más estaciones meteorológicas, para de esta
forma explorar el desempeño del viento satelital con un arreglo de datos apropiados.
Además, comprobar esta información con estaciones reconocidas por la
Organización Meteorológica Mundial (OMM) y sin interrupciones en sus series de
datos. Para esto se tomó como referencia de validación la comparación del producto
satelital con los datos de cuatro estaciones meteorológicas convencionales de la
región oriental de Cuba, las cuales habían sido utilizadas para la elaboración del
mapa de potencial eólico de Cuba (Soltura et al. 2006). Éstas fueron facilitadas por el
Centro del Clima del Instituto de Meteorología de Cuba (EMC-INSMET). Se tomaron
los registros cada 6 horas (UTC) durante el período del 2004 al 2009, de acuerdo con
la información satelital (figura 10). Una vez seleccionadas las series de datos, se les
aplicó la misma metodología de validación antes mencionada a cada serie. Además,
se agregó una comparación con los nodos del producto satelital interpolados al punto
de medición donde se encontraba ubicada cada estación.

Es preciso aclarar, que las condiciones climáticas de una isla como Cuba no se
corresponden de cierto modo con las características climáticas continentales de
México. Si tenemos en cuenta que el estudio se está realizando para zonas costeras
donde el flujo predominante del viento proviene del mar y que no existe una
diferencia considerable de latitud, ya que ambas regiones, el sur de Tamaulipas y
Cuba, se encuentran en la zona tropical. Pero sobre todo, si para el estado de
Tamaulipas no existe una serie de datos climáticos del viento confiable para poder
validar el producto satelital y en Cuba se puede obtener una base de datos
reconocida por la OMM, entonces vale la pena explorar la confiabilidad del viento con
estos datos. Es posible pensar que si el producto satelital funciona bien para las
estaciones de Cuba, entonces puede ser utilizado para un estudio en la costa este de

23
México. Además, una vez validado los datos del viento del producto satelital, al ser
introducido en un modelo numérico como el WAsP es posible poder reproducir
razonablemente la física del fenómeno de la propagación del viento en la zona de
estudio.

Figura 10. Zona de validación, región oriental de Cuba. Los asteriscos indican las
Estaciones Meteorológicas de referencia (EMC-INSMET). Los puntos indican nodos
del producto satelital BMWF-CERSAT. Cada nodo más cercano a una estación
meteorológica se indica como un círculo vacío.

Luego de haberse validado estadísticamente el producto satelital contra los datos

reales de las estaciones meteorológicas, se determinó el campo de viento promedio

24
de la zona de estudio. Por otra parte, se extrapoló el campo de viento hasta 50 m
que es la altura promedio que se determinan los mapas de potencial eólicos en
correspondencia con la altura promedio que se encuentran los aerogeneradores.
Además, de esta forma sería posible poder establecer una comparación con los
resultados de ERRIIE (2011). A partir de esto se determinó la densidad de potencia
media (ecuación [5]), estableciendo una comparación a groso modo con los
resultados obtenidos anteriormente por otros autores. La extrapolación vertical del
viento fue obtenida según Bunse y Mellinghoff (2009):

[12]

Donde: V- Intensidad del viento (m/s),

HH- Altura deseada (m),

H’- Altura de referencia (m),

α- Exponente de cizalladura del viento.

Según estos autores, si se considera una longitud de rugosidad estándar de 0.03 m

es posible considerar el exponente de cizalladura del viento (α) como un coeficiente
de 0.14.

En busca de un análisis más fundamentado físicamente del potencial eólico de la

zona de estudio, se utilizó el modelo numérico WAsP versión 8.3. Para que el modelo
pudiera corregir la influencia de los efectos locales sobre el viento geostrófico,
originados por la topografía o rugosidad del terreno, se tomó un conjunto de datos
vectoriales topográficos a una escala de 1:50000 en formato DXF para la región de
estudio. Dicha base de datos fue facilitada por el Instituto Nacional de Estadística y
Geografía (INEGI), a través del Centro de Consulta y Comercialización Victoria.
Estas cartas topográficas presentan una actualización digital a octubre 2000 y una
proyección cartográfica UTM (de Universal Transversa de Mercator). Se tomó como
referencia de análisis, los datos de curvas de nivel (CN) que presentan un intervalo

25
de 10 m, cuerpos de agua (HA), áreas urbanas (AU) y áreas de cultivo (RA). Cada
uno de estos archivos topográficos, fue procesado con el WAsP Map Editor (uno de
los módulos del WAsP), tomando como referencia imágenes del Google Earth, lo que
permitió una mejor orientación del terreno, actualizando de esta forma la información
de las áreas urbanas y de cultivos que varían en el tiempo. A partir de esta
información, se dividió la zona de estudio en 8 polígonos de modelación, abarcando
una distancia de 55 km aproximadamente a lo largo de la costa (figura 11). Cada
polígono al sur del estado fue seleccionado teniendo en cuenta el área que abarcaba
dos cartas topográficas por la latitud y una carta por la longitud, quedando de esta
forma un área aproximada de 1900 km 2. Para el norte del estado fue preciso utilizar
para cada polígono la información de 3 cartas topográficas por la longitud, para de
esta forma homogenizar los valores mínimos de longitud en toda la zona de estudio,
manteniéndose el criterio de dos cartas por la latitud. De esta forma los polígonos al
norte del estado abarcaron un área aproximada de 4000 km2. La descripción de la
rugosidad fue aplicada detalladamente, teniendo en cuenta para cada caso las
recomendaciones referenciadas en la guía de usuario del propio modelo (anexo I).
Los distintos cambios de rugosidad, son introducidos al modelo en forma de isolíneas
dándole el valor de rugosidad que le corresponda a cada lado de la isolínea, en
correspondencia con la descripción del terreno que aparece en la tabla de rugosidad
referenciada en la guía de usuario del propio modelo.

26
Figura 11. Zona de estudio dividida en 8 polígonos según las cartas topográficas del
INEGI.

Una vez obtenido el mapa de rugosidad y relieve para cada polígono de modelación,
se seleccionaron 8 estaciones virtuales que fuesen representativas para cada área.
Cada una de las series de estaciones virtuales estaba conformada por datos de
intensidad y dirección del viento, obtenido a través de los nodos del producto
satelital. En este caso se seleccionó una sola estación virtual por polígono debido a
que el modelo no permite introducir más estaciones por zona de modelación. De esta
forma se realizó la modelación para cada polígono, obteniéndose campos de viento
medio y de densidad de potencia media a 50 m de altura (para comparar con los
resultados de ERRIIE 2011), con una resolución de 100 m, para toda la zona de

27
estudio. A partir de los mapas obtenidos de la modelación, se determinaron las
escalas de generación eólica factibles en correspondencia con el recurso cinético.

28
CAPITULO 4- DISCUSIÓN DE LOS RESULTADOS

4.1- Validación del producto satelital

En esta sección se compara el producto satelital contra las estaciones

meteorológicas en superficie. Del producto satelital se generaron dos tipos de series,
una proveniente del nodo más cercano a la estación meteorológica a utilizar y la otra
resultante de la interpolación lineal de los nodos al punto de ubicación de la estación.
Una vez validado estadísticamente el producto satelital, éste será utilizado para
obtener campos de intensidad y dirección del viento, así como para establecer
estaciones virtuales en aquellas zonas donde no se posee una climatología del
viento.

4.1.1- Análisis de las estaciones de Tamaulipas

Como primer proceso de validación se analizaron las cuatro estaciones

meteorológicas de Tamaulipas. Al representar estas estaciones en un gráfico de
intensidad del viento contra años registrados (figura 12), se pudo observar las
dimensiones de los huecos que presentan estas estaciones en sus series de tiempo
entre los años 2000 y 2010. El porcentaje de datos faltantes en cada estación fue el
siguiente: estación de Matamoros 20 %, estación de San Fernando 39 %, estación
de Soto la Marina 50 %, estación de Altamira 11%.

29
Figura 12. Intensidad del viento contra años registrados de las estaciones de
Tamaulipas analizadas. De arriba hacia abajo, estación Matamoros, San Fernando,
Soto la Marina y Altamira.

Se tomó como referencia del análisis sólo la estación de Altamira, debido a que es la
de menor número de datos faltantes. Para el análisis de comparación con el nodo del
producto satelital más cercano a la estación, se determinaron por años (2004 – 2009)
los siguientes meses con la totalidad de sus datos: enero 2005, febrero 2007, marzo
2006, abril 2005, mayo 2006, junio 2009, julio 2005, agosto 2005, septiembre 2005,
octubre 2005, noviembre 2005 y diciembre 2004.

Una vez localizados los meses más adecuados para establecer la comparación entre
las series de datos del producto satelital y la estación de superficie, se calcularon los
estadísticos descritos en la sección 3.2 para cada mes de las dos series de datos.
Del resto de las estaciones no fue posible poder completar un año representativo, por

30
lo tanto no se realizó dicho análisis porque se obtendría una comparación entre
meses dispersos sin poder determinar un resultado concreto.

Si se comparan los ciclos medios estacionales de la intensidad del viento entre

ambas series (figura 13 A), se puede apreciar que los valores medios no superan los
4.5 m/s durante todo el año. Sin embargo, el valor máximo de la estación se obtuvo
para el mes de mayo con 4.1 m/s, mientras que para el nodo más cercano (5 km
aproximadamente al este de la estación) se determinó en el mes de diciembre con
4.2 m/s. Para el caso de los valores mínimos, en la estación se presentó en el mes
de agosto con 2.3 m/s y en el nodo para el mes de junio con 2.5 m/s. A pesar de que
existe una diferencia entre los meses donde se presentan los valores extremos, ésta
no es muy significativa si se tiene en cuenta que los valores medios de todo el ciclo
se asemejan, la serie de la estación presenta un valor de 3.1 m/s y la del nodo del
producto satelital uno de 3.4 m/s. Por otra parte, no existe gran diferencia entre las
desviaciones estándar (figura 13 B), notándose una ligera discrepancia entre los
meses de mayo y de octubre a diciembre, de acuerdo con el corrimiento de los
valores extremos. El ciclo anual de la desviación estándar se parece mucho más en
ambas series, para la estación es alrededor de 1.6 m/s y para el nodo del producto
satelital de 1.7 m/s. Esto muestra que el grado de dispersión entre los datos y los
valores promedio en ambas series es relativamente similar.

31
Figura 13. Comparación entre la estación meteorológica de Altamira y el nodo más
cercano del producto satelital. (A) Ciclo medio estacional de la intensidad del viento.
(B) Ciclo estacional de la desviación estándar.

Analizando el resto de los estadísticos se determinó que el grado de relación lineal

que existe entre ambas series es bajo. El coeficiente de correlación (figura 14 A) no
superó el valor de 0.5 durante todo el año, con un valor promedio anual de 0.3,
presentando la mejor relación entre los meses invernales de octubre a enero. A partir
de la RECM (figura 14 B) y el EAM (figura 14 C) se encontró que los meses con
menor diferencia son enero, febrero, agosto y septiembre, meses en los que se
presenta una mejor correspondencia y cercanía entre el valor estimado por el
producto satelital y el valor medido realmente. La RECM para todo el año entre las
dos series fue de 2.2 m/s y el error absoluto medio de 1.8 m/s. Sin embargo, a pesar

32
de que los resultados obtenidos con estos índices estadísticos no son
completamente satisfactorios, la tendencia del ciclo anual es que el producto satelital
sobrestima el valor real de medido por la estación, con un sesgo de 0.3 m/s. El
máximo de sobrestimación se obtuvo en el mes de diciembre con 1.5 m/s. La
tendencia a subestimar sólo se vio reflejada durante los meses de marzo, mayo y
junio, con un máximo de subestimación en el mes de mayo de 1.3 m/s (figura 14 D).

Figura 14. Relación entre los valores de intensidad de viento del producto satelital
(nodo más cercano a la estación) y la estación meteorología de Altamira. (A)
Coeficiente de correlación lineal. (B) RECM. (C) EAM. (D) Sesgo. (Véase sección
3.2).

33
Analizando la distribución anual de frecuencia por rumbos, se puede apreciar que
existe una buena correlación entre la dirección del viento registrada por la estación
(figura 15 A) y la estimada por el nodo del producto satelital (figura 15 B). Las
direcciones de viento más frecuentes estuvieron en el segundo cuadrante del este-
sureste, con las intensidades más elevadas provenientes del norte. Sin embargo, en
la rosa del nodo del producto satelital se pueden observar intensidades de viento
superiores a los 14 m/s, mientras que para la estación los registros no superaron los
11 m/s. Estas diferencias están asociadas con lo analizado en la figura 13 A donde
se observó que los mayores promedios de intensidad del viento en el nodo del
producto satelital se correspondía con los meses de invierno, así como los máximos
valores de sobrestimación (figura 14 D). Durante estos meses la llegada de los
frentes fríos genera vientos máximos del norte, los cuales no pueden verse reflejados
de igual forma en la estación porque se encuentra con una influencia continental de
este rumbo. A diferencia del nodo el cual se encuentra más cerca de la costa (3 km
aproximadamente), la influencia del continente no es tan significativa registrándose
valores superiores de intensidad del viento. Sin embargo, durante el resto de los
meses existe una mayor variabilidad del viento predominando en estos casos los
efectos locales de relieve y cambio de rugosidad que no son representados en las
mediciones del producto satelital. Por tanto, es posible que las diferencias que se
muestran en los meses de mayo y junio donde la intensidad media del viento en la
estación fue superior a la del nodo del producto satelital, este asociado a condiciones
locales y es por esto que se presenta una subestimación durante este período,
provocando a su vez que las correlaciones sean tan bajas.

34
Figura 15. Distribución de frecuencia por rumbos anual de la dirección e intensidad
del viento. (A) Estación meteorológica de Altamira. (B) Nodo del producto satelital.

Al aplicar las estadísticas anteriores a la estación NRG-UAT durante el período de

noviembre 2007 a septiembre 2008, se obtuvo que el valor medio del viento de la
estación fue de 4.6 m/s mientras que la media del producto satelital fue de 2.9 m/s.
Esto ocasiona que la RECM sea de 2.7 m/s, dando lugar a un sesgo de
subestimación de 1.7 m/s, con una correlación de 0.6. Estos resultados obtenidos
para esta estación se oponen considerablemente a los encontrados para la estación
de Altamira. Por tanto, se dificulta poder establecer un criterio concreto tomando
como referencia estos resultados, porque a pesar encontrarse relativamente
cercanas las dos estaciones, la de Altamira presenta muchos huecos y la de NRG-
UAT no se conoce bajo qué criterio fue instalada, haciéndola de esta forma una serie
no muy confiable estadísticamente.

35
4.1.2- Análisis de las estaciones de Cuba

En la tabla 3 se presenta un resumen de los estadísticos analizados para cada

estación. Este análisis se realizó eliminando de las muestras las horas de calma,
para de esta forma no tomar en cuenta los valores de cero en la intensidad y
dirección del viento reportado por las estaciones meteorológicas, valor que en el
producto satelital no se representan. En la sección 4.1.1 no se tomó este criterio
porque las estaciones automáticas presentan una mayor sensibilidad en el registro
de la información y aunque la intensidad el viento fuese menor a 0.5 m/s (valores
considerados como calma en las estaciones convencionales) si se registran valores
de dirección del viento a diferencia de las estaciones convencionales que en los
casos de calma el valor de la dirección del viento se registra como cero.

Al realizarse un análisis entre la serie de la estación costera 365 y el nodo más

cercano (6 km aproximadamente al norte-noroeste), el cual se localiza en el mar
(figura 10), se obtuvo un índice de correlación de 0.74. Cabe mencionar que este
mismo índice de correlación se obtuvo usando una serie interpolada linealmente en
la posición de la estación en lugar del nodo más cercano del producto satelital. Existe
muy poca diferencia entre los valores medios de intensidad del viento de la estación
y del producto satelital. Para la estación se obtuvo 5.8 m/s, mientras que para el
producto satelital en el nodo más cercano y para la serie interpolada fue de 6.4 m/s
en ambos casos. El grado de dispersión de ambas series con respecto a los valores
medios es muy semejante, con una desviación estándar de 2.7 m/s para la estación y
con la misma dispersión de 2.2 m/s por ambos métodos de obtención de la serie del
producto satelital. La RECM por ambos métodos fue de 1.9 m/s y un EAM de 1.6
m/s, lo que muestra el grado de correspondencia y de cercanía entre los valores
pronosticados y los observados. Por último, se determinó que el producto satelital
tiene una tendencia a sobrestimar los valores de intensidad del viento con respecto al
valor observado, estimándose un sesgo de 0.6 m/s tanto por el método del nodo más
cercano como por el de interpolación.

36
La otra estación costera, la 358, se encuentra algo más alejada de la costa (8 km
aproximadamente) con respecto a la descrita anteriormente (365) que se localiza en
la línea costera. El nodo más cercano (9 km al sur) que le correspondió a esta
estación se encontró más alejado de la costa, pero con una distancia similar entre el
nodo y la estación (figura 10). Para este caso la correlación fue de 0.6,
identificándose que las series presentan un ligero incremento de su error,
presentando una RECM de 2.1 m/s por el método del nodo más cercano y 2.3 m/s al
realizar la interpolación. De esta misma forma aumenta ligeramente el sesgo, pero
manteniéndose sobreestimando el valor del producto satelital. En esta estación el
método del nodo más cercano fue mejor que el interpolado, obteniéndose un sesgo
de 0.72 y 1.25 m/s, respectivamente.

Ya para las estaciones 361 y 341 de tierra adentro, la correlación entre las series fue
menor, de 0.6 y 0.43, respectivamente. Los valores medios de la intensidad del
viento estuvieron más distantes, presentando una RECM de 3.1 m/s para el caso de
la 361. Sin embargo, la dispersión de las magnitudes con respecto a los valores
medios estuvo por debajo de las observadas en las estaciones costeras. Todo esto
ocasionó que el sesgo fuese mayor, determinándose para la estación 361 una
sobrestimación de 2.4 m/s. Para el caso de la 341 el sesgo calculado fue de 0.93
m/s, pero si tenemos en cuenta que esta estación presentó un 66% del período
analizado con calma, deja de ser representativa aunque permite tener una referencia
aproximada del comportamiento de sus variables.

37
Tabla 3. Estadísticas para cada estación de Cuba.

Estación 334 358 361 365

% de Calma 66 16 19 14
Media Estación 3.34 4.38 1.75 5.76
Media Nodo 4.27 5.1 4.12 6.36
Media Interpolada 4.3 5.62 4.21 6.37
Desviación
Estándar 1.57 2.17 1.88 2.74
Estación
Desviación
Estándar 1.76 2.18 2.1 2.17
Nodo
Desviación
Estándar 1.77 2.14 2.12 2.17
Interpolada
Correlación
0.43 0.6 0.52 0.74
Nodo/Estación
Correlación
0.43 0.6 0.52 0.74
Interpolada/Estacón
RECM
2.01 2.08 3.08 1.93
Nodo/Estación
RECM
2.03 2.29 3.15 1.93
Interpolada/Estación
EAM
1.62 1.66 2.59 1.55
Nodo/Estación
EAM
1.64 1.88 2.66 1.55
Interpolada/Estación
Sesgo
0.93 0.72 2.37 0.6
Nodo/Estación
Sesgo
0.95 1.25 2.46 0.61
Interpolada/Estación

Analizando la distribución de frecuencia por rumbo de la dirección e intensidad del

viento en la estación costera 365 (figura 16 A), se pudo apreciar que la dirección del
viento predominante es del Este, viéndose reflejadas sus mayores intensidades de
este mismo rumbo. La serie de datos del producto satelital obtenida por ambos

38
métodos (figura 16 B y C), mantuvo una distribución de frecuencia muy similar a la
registrada por la estación, presentando una mayor variabilidad pero manteniéndose
la mayor frecuencia de dirección e intensidad entre el Este-Noreste y Este. La
estación costera 358 presentó un comportamiento similar al descrito para la estación
365, pero con una mayor variabilidad de la dirección del viento, congruente con el
producto satelital (figura 17).

Para el caso de la estación tierra adentro 361, se puede observar que la dirección del
viento se mantiene en el primer cuadrante, tanto la registrada por la estación como la
estimada por el producto satelital por ambos métodos (figura 18). En la intensidad del
viento, a pesar de ser menor que la registrada por la estación, existe una
correspondencia entre las series en su distribución de frecuencia por rumbos,
manteniéndose los valores máximos provenientes de la misma dirección. En la
estación tierra adentro 334, a pesar de presentar un alto porcentaje de calma, se
obtuvieron unas características similares a las obtenidas para la 361, con la
diferencia que esta estación presenta un rumbo mucho más marcado del Este (figura
19).

39
Figura 16. Distribución de frecuencia por rumbos de la dirección e intensidad del
viento. (A) Estación meteorológica 365. (B) Producto satelital por el método del nodo
más cercanos. (C) Producto satelital por el método de interpolación.

40
Figura 17. Similar a la Figura 16, pero para la estación 358.

41
Figura 18. Similar a la Figura 16, pero para la estación 361.

42
Figura 19. Similar a la Figura 16, pero para la estación 334.

Por todo lo expuesto anteriormente, es posible trabajar con las series de datos del
producto satelital. A partir de estos datos se puede tener una estimación de los
campos de viento de una zona determinada, siempre y cuando se tenga en cuenta
que en las zonas costeras el producto satelital puede sobrestimar la intensidad del
viento en 1 m/s como promedio, aumentando esta sobrestimación tierra adentro en 2

43
m/s como promedio. Esto conlleva a que la estimación de la densidad de potencia
media también sea sobreestimada. En la dirección del viento existe una mayor
confiabilidad pues en los casos analizados las direcciones del viento se mantuvieron
del mismo cuadrante. Para los aerogeneradores no es tan importante la dirección del
viento pues éstos se orientan en función del rumbo que rige en el momento, pero
para proyectar la orientación del parque eólico es imprescindible tener presente el
rumbo predominante del viento, evitando de esta forma efectos de estela entre un
aerogenerador y otro.

4.2- Reconstrucción del campo de viento con los datos satelitales

Teniendo en cuenta lo antes expuesto, se muestra el campo de viento medio de la

zona de estudio a partir del producto satelital (figura 20). Existe una diferencia
considerable entre el campo de viento que se presenta en el mar y el que se
presenta en tierra, así como la diferencia entre la región Norte y la región Sur. Por
tanto, se dividió la región en cuatro cuadrantes para de esta forma poder analizar
independientemente cada región.

44
Figura 20. Campo de viento medio (2004-2009) de la costa de Tamaulipas a partir
del producto satelital, dividido en cuatro cuadrantes.

Si se determina la media de todos los nodos encerrados en cada cuadrante, se

puede estimar el comportamiento medio de cada región. En la figura 21 se presenta
el ciclo medio estacional de la intensidad del viento de cada cuadrante. En los
cuadrantes Q1 y Q2, los cuales se encuentran en el mar, se puede apreciar una
disminución de la intensidad del viento en los meses de verano con valores
promedios que superan los 5 m/s, mientras que en los meses de invierno llega
alcanzarse valores de 8 m/s como promedio. En la región sur se presenta una
pequeña disminución con respecto al norte, la cual no excede 1 m/s como promedio.
Sin embargo, sobre tierra (Q3 y Q4) las diferencias son más notables, pues al norte
los valores medios en invierno no superan los 5 m/s y en verano se registran valores
mínimos de hasta 3 m/s como promedio. Al sur los valores de velocidad media son
mucho más débiles, los cuales oscilan entre 2 y 3 m/s durante todo el ciclo. Esta

45
variabilidad está asociada a que la región norte se encuentra influenciada por el
borde del anticiclón continental migratorio (figura 22), el cual al aumentar el gradiente
de presión provoca un ligero aumento de la velocidad del viento. La región sur queda
fuera de esta influencia y registra intensidades de viento inferiores. Este tema
merece mayor análisis y será abordado en un trabajo posterior.

Figura 21. Ciclo medio estacional de la intensidad del viento en los cuadrantes
definidos en la figura 20.

46
Figuras 22. Campo promedio de viento regional durante los meses de enero, abril,
junio y octubre (2005-2008) obtenido con el producto satelital. Las isolíneas
representan el campo de presión en el mismo período obtenido con NOAA (2011).

A partir de estos resultados se decidió extrapolar el campo de viento a 50 m de altura

(para establecer comparación con ERRIIE 2011) mediante la ecuación [12] y a su
vez calcular la densidad de potencia media con la ecuación [5]. De esta forma se
obtiene una primera aproximación de la densidad de potencia media y así puede
compararse con los resultados obtenidos por otros autores. Una vez realizado el
cálculo correspondiente, se obtuvo que en más del 80% de la zona de estudio el
potencial eólico se clasifica de muy pobre (según clasificación utilizada por Miranda y
Saldaña 2006), presentándose pequeñas áreas donde llega a ser marginal. Sólo en

47
la zona comprendida en mar abierto en el Golfo de México puede apreciarse un
potencial de moderado a excelente (figura 23).

Figura 23. Densidad de potencia media a 50 m de altura de la costa de Tamaulipas.

Se incluye clasificación del potencial eólico utilizada por Miranda y Saldaña (2006).

Naturalmente, sólo con estos cálculos no se puede dar un criterio determinante, sino
que es necesario poder introducir estos datos en el modelo WAsP para poder incluir
los efectos de relieve y rugosidad, lo que produce una mejor extrapolación tanto en la
vertical como en la horizontal. Pero estos resultados, a pesar de que son una primera
aproximación, difieren considerablemente de los resultados obtenidos por ERRIIE
(2011), donde se refleja en su mapa (vigente en la actualidad) que la costa de
Tamaulipas presenta excelentes condiciones de potencial eólico. Además, si se tiene
en cuenta que los datos del producto satelital, sobreestiman los datos reales, esta
diferencia aumenta mucho más. Sin embargo, los resultados mostrados en la figura

48
23 se asemejan a los encontrados por Quiroga-Goode (2007) al sur del estado, en la
costa de Altamira.

4.3- Modelación con el WAsP

Como primer escenario de modelación se crearon estaciones virtuales a partir de los

nodos del producto satelital ubicados en una misma longitud (-97.88 grados),
espaciados cada dos nodos de latitud, equivalente a tener una estación cada 50 km
aproximadamente (figura 24), lo que sería representativo de cada polígono de
modelación. Se analizaron los polígonos que se encontraban por debajo de los 25.5
grados de latitud, debido a que los datos de uso de suelo por encima de esta latitud
presentaron problemas para poder realizar la modelación (problema de origen en los
archivos facilitados por el INEGI, lo que los hizo ilegibles). En la figura 24 se muestra
el campo de viento modelado a 50 m de altura. Como se muestra en esta figura, al
sur del estado se puede apreciar una homogeneidad en el campo de viento
(polígonos por debajo de los 24 grados de latitud), el cual no supera los 6 m/s como
promedio. Sin embargo, los polígonos 5 y 6 (entre 24 y 25 grados de latitud)
presentaron un cambio brusco del campo de viento, con valores promedios entre 6.0
y 7.5 m/s, con diferencias de transición entre ambos. La modelación realizada en el
polígono 7 (entre 25 y 25.5 grados de latitud) tiende a recuperar los valores
obtenidos al sur del Estado, con valores medios algo más elevados entre 6.0 y 6.5
m/s en la zona lagunar.

49
Figura 24. Primer escenario del campo de viento medio modelado en el WAsP a 50
m de altura. Se resaltan con líneas y se numeran los polígonos de modelación. Los
puntos indican la ubicación de las estaciones virtuales a partir de los nodos del viento
satelital utilizados.

Para el caso del campo de densidad de potencia media a 50 m de altura obtenido

con la modelación (figura 25), la diferencia de transición entre los polígonos es más
pronunciada sólo en el polígono 6 (entre las latitudes 24.5 y 25 grados),
manteniéndose más homogénea en el resto de los cuadrantes. La densidad de
potencia media para la mayor parte de la zona de estudio no supera los 350 W/m2,
obteniéndose valores algo más superiores en la zona de la Laguna Madre en el
polígono 6, pero sin superar los 450 W/m2.

50
Figura 25. Primer escenario del campo de densidad de potencia media modelado en
el WAsP a 50 m de altura. Se resaltan con líneas los polígonos de modelación.

Estas diferencias de transición entre un polígono y otro se encuentra asociada a la

información climática que se le introduce al modelo para cada área de
procesamiento. Como se había planteado anteriormente en la sección 4.1.2, el
producto satelital muestra un aumento del sesgo en los nodos más alejados de la
costa. Por tanto, se eligió un método más objetivo de selección de las estaciones
virtuales para cada polígono de modelación, interpolando los nodos de forma tal que
dichas estaciones virtuales quedaran a un kilometro de la costa (tierra adentro) por la

51
longitud y centrada en cada polígono en su latitud. Tomando estas condiciones se
obtuvo un segundo escenario del campo de viento (figura 26), en el cual se aprecia
una mejor transición entre los polígonos al sur del estado, marcándose una diferencia
por encima de los 24.5 grados de latitud. A diferencia del primer escenario del campo
modelado, para este caso existe una homogeneidad entre los dos polígonos más al
norte, observándose valores promedios de velocidad del viento entre 7.0 y 7.5 m/s,
siendo superior en la zona lagunar.

Figura 26. Segundo escenario del campo de viento medio modelado en el WAsP a
50 m de altura. Se resaltan con líneas y se numeran los polígonos de modelación.
Los puntos indican la ubicación de las estaciones virtuales.

52
Para el caso del campo de densidad de potencia media (figura 27), existe una
correspondencia con el campo de viento. Se obtuvieron valores promedios entre 350
y 450 W/m2 por encima de los 24.5 grados de latitud, siendo superiores en la región
lagunar, pero sin superar los 550 W/m2. Sin embargo, por debajo de esta latitud los
valores promedios no llegaron ni a 400 W/m2.

Figura 27. Segundo escenario (ver texto) del campo de densidad de potencia media
modelado en el WAsP a 50 m de altura. Se resaltan con líneas los polígonos de
modelación. Los puntos indican la ubicación de las estaciones virtuales.

53
El modelo WAsP se basa fundamentalmente para realizar su extrapolación vertical y
horizontal (en dependencia del tipo de rugosidad) en los resultados del Wind Atlas. El
modelo para generar este archivo se basa en los datos climáticos de viento
introducido previamente como una estación meteorológica para cada polígono. A
partir del mapa de rugosidad y relieve, el modelo determina los distintos cambios de
rugosidad que se presentan alrededor de la estación, para de esta forma poder
realizar la extrapolación horizontal (anexo I). Por tanto, si se analiza el Wind Atlas
generado para el polígono 5 (figura 28), se puede observar que para la altura de 50
m y la rugosidad predominante de la zona (0.03 m), el viento medio estimado es de
5.9 m/s y la densidad de potencia media es de 205 W/m2. La dirección de viento
predominante es del sur-sureste y la mayor permanencia de los vientos se encuentra
por debajo de los 8 m/s. Para la zona lagunar donde se presenta una rugosidad de
5x10-4 m, la estimación a ese nivel es de 7.3 m/s y 375 W/m2.

Figura 28. Wind Atlas generado por el WAsP para el polígono 5 (entre las latitudes
24 y 24.5 grados). En la parte superior se muestra la tabla de extrapolación vertical y

54
horizontal. En la parte inferior se muestra la distribución de frecuencia de la dirección
(izquierda) y de la intensidad (derecha) del viento para 50 m de atura y rugosidad
predominante.

Para el caso del polígono 6 (entre las latitudes 24.5 y 25 grados), el Wind Atlas
generado por el modelo (figura 29) presenta a 50 m de altura y a la rugosidad
predominante (0.03 m) una intensidad media del viento de 6.9 m/s y 304 W/m2 de
densidad de potencia media. La dirección del viento predominante coincide con el
polígono 5 y en este caso las intensidades del viento más frecuentes se encuentran
por debajo de los 9 m/s. Sin embargo, para esta misma altura y una rugosidad
inferior (10-3 m), se estimó 8.5 m/s y 559 W/m2, siendo esta estimación característica
de la zona lagunar y correspondiéndose que a menor rugosidad se obtendrá mayor
potencial eólico.

Figura 29. Wind Atlas generado por el WAsP para el polígono 6 (entre las latitudes
24.5 y 25 grados). En la parte superior se muestra la tabla de extrapolación vertical y

55
horizontal. En la parte inferior se muestra la distribución de frecuencia de la dirección
(izquierda) y de la intensidad (derecha) del viento para 50 m de atura y rugosidad
predominante.

Al establecer una comparación entre ambos casos del Wind atlas, es posible
determinar que existe una diferencia entre los datos base con que se realiza la
modelación en cada polígono. De esta forma la intensidad media del viento que será
modelada al interior de la zona de estudio, donde predomina una rugosidad de 0.03
m, tendrá una diferencia de base de 1 m/s. La densidad de potencia media será
modelada tomando una diferencia de 100 W/m2. Pero para zonas como las lagunas
donde la rugosidad es menor, la diferencia de base con que se realizará la
modelación es mayor. Para este caso el viento será modelado con 1.3 m/s de
diferencia entre un polígono y el otro, siendo mayor para la densidad de potencia la
cual presenta una diferencia de 184 W/m2.

Por tanto, teniendo en cuenta lo antes analizado, no se puede esperar que exista una
transición homogénea entre un polígono de modelación y otro si la diferencia
numérica entre los datos climáticos de las estaciones es significativa. Precisamente,
en la sección 4.2 se identificó que existía una diferencia considerable entre el campo
de viento del sur y del norte del Estado, coincidiendo esta zona de transición con los
polígonos 5 y 6.

Por último, a las estaciones virtuales costeras utilizadas en el segundo escenario se

les sumó el sesgo de subestimación de 1.74 m/s obtenido de los datos de la torre
ubicada en la costa de Altamira (sección 4.1.1), obteniéndose así un tercer escenario
de modelación del campo de densidad de potencia media (figura 30). Este ejercicio
emula las condiciones en la que el viento muy cercano a la costa fuera mayor que el
diagnosticado por el producto satelital, aunque sin mediciones no es posible conocer
a detalle la distribución horizontal del viento desde la costa hasta algunos kilómetros
tierra adentro. Al ser aumentada la magnitud del viento tomando como referencia un
criterio obtenido en una sola estación, se aumentan las magnitudes del campo de

56
densidad de potencia media y se obtienen las diferencias de transición entre los
polígonos. Para este caso, el polígono 1 difiere considerablemente del resto de los
polígonos del sur del estado, presentando valores que no superan los 300 W/m 2,
mientras que entre los polígonos 2 y 5 en zonas más alejadas de la costa se
obtuvieron valores entre 350 y 500 W/m2, siendo superiores en áreas más cerca de
la costa. En los polígonos 6 y 7 se obtuvieron valores de densidad de potencia media
superior a los 500 W/m2, aumentando su magnitud en las áreas de la Laguna Madre,
donde se superó los 800 W/m2.

Figura 30. Igual a Figura 27 pero para el tercer escenario (véase texto).

57
Existe una diferencia considerable entre los tres escenarios de modelación, lo que da
lugar a la necesidad de realizar un estudio de prospección a lo largo de la costa,
principalmente al norte del estado, donde se aprecia más evidente que hay un mejor
potencial eólico. A pesar de esto, se considera que el método utilizado en el segundo
escenario es más apropiado para poder obtener una primera aproximación del
potencial eólico en una región donde no se tenga una climatología del viento. En este
segundo escenario se toman como referencia las estaciones virtuales de una forma
más objetiva que en el primer escenario y sin transformar la información del producto
satelital como en el tercer escenario. Con los resultados obtenidos en una sola
estación no es posible establecer un criterio concreto de aumentar o disminuir un
cierto umbral de magnitud del viento, aun más si estos resultados difieren
considerablemente de los obtenidos en una estación cercana.

4.4- Análisis de factibilidad de las escalas de generación eólica

A partir de los resultados obtenidos en la figura 27 y la clasificación de potencial

eólico utilizada por Miranda y Saldaña (2006), el potencial eólico de la mitad sur del
estado de Tamaulipas se clasifica como pobre, llegando a ser marginal en algunas
áreas muy cercanas a la costa. Sólo en la mitad norte del Estado se clasifica al
potencial como moderado, observándose un buen potencial en la zona lagunar.

Si se analizan los resultados obtenidos en el tercer escenario (figura 30), se puede

observar que éstos se asemejan de cierto modo a los obtenidos por Miranda y
Saldaña (2006). El centro del estado puede clasificarse de marginal a moderado,
llegando a obtenerse buen potencial sólo muy cerca de la costa. Sin embargo, la
zona más al sur del estado continúa siendo muy pobre. La mayor correspondencia
con los resultados de Schwartz y Elliott (1995), así como los de Miranda y Saldaña
(2006), sólo se puede apreciar al norte del estado, donde se clasifica al potencial
eólico de bueno a excelente. Pero como se había mencionado anteriormente, los
resultados del tercer escenario dejan de ser significativos al no contar con un criterio
convincente de que se deba aumentar esa magnitud del viento. Aun si se pudiera

58
considerar este criterio, continúa existiendo discrepancia en algunas zonas del
territorio estudiado.

Estos resultados permiten únicamente tener una idea del potencial eólico de una
región, determinándose de esta forma cuáles son las mejores áreas para un estudio
más profundo. Debido a la considerable diferencia que muestran estos resultados
con respecto a los que se encuentran vigentes en el país, se hace necesario realizar
un estudio de prospección detallado a lo largo de la costa de Tamaulipas.

Por otra parte, se realizó una simulación en el WAsP de 3 parques eólicos, tomando
como referencia el aerogenerador V52/850 que contiene el modelo en su librería. La
Vesta V52/850, es una turbina eólica de fabricación danesa con diámetro de rotor de
52 metros y una potencia nominal de 850kW (figura 31). Este aerogenerador es de 3
palas con limitación de potencia Pitch, abarcando entre ellas un área de barrido de
2124 m2. La velocidad del viento de arranque es de 4 m/s, llegando a su potencia
nominal con 16 m/s y su velocidad de corte es de 25 m/s
(http://www.thewindpower.net/turbine_es_27_vestas-_v52-850.php). Para este
experimento el rotor fue modelado a una altura de 55 m. Cada parque fue diseñado
con 6 aerogeneradores de 850 kW, resultando en una potencia nominal de 5.1 MW
por parque.

59
Figura 31. Aerogenerador Vesta V52/850 (http://www.thewindpower.net/turbine_es_-
27_vestas_v52-850.php), utilizado para la simulacion de los parque eólicos en este
trabajo.

De los tres escenarios de modelación analizados en la sección 4.3, el polígono con

mejor resultado resultó ser el 6, que corresponde al municipio de San Fernando, el
cual ha sido referenciado por la prensa como el de mejor potencial eólico del estado
y donde se han realizado proyectos de parques eólicos sin llegar a fomentarse en la
actualidad (Jiménez 2011). Por tanto, se decidió modelar dos parques eólicos en
esta zona, el primero ubicado a unos 16 km de la costa y el segundo a 35 km de la
costa pero a unos 16 km aproximadamente de la ciudad de San Fernando. El tercer
parque fue modelado en el polígono 1, a sólo 2 km de la costa, debido a que es el de
más bajo potencial determinado y para de esta forma comparar con los resultados
obtenidos por Quiroga-Goode et al. (2011) en la costa del municipio de Altamira
(figura 32).

60
Figura 32. Ubicación de los parques eólicos experimentales. Primer parque eólico
P1-6AE-V52, segundo parque P2-6AE-V52, tercer parque P3-6AE-V52. La imagen
fue tomada del Google Earth.

Tomando como referencia los resultados obtenidos en el segundo escenario de

modelación del potencial eólico (sección 4.3), se realizó una comparación entre los
parques eólicos modelados (tabla 4). Como primer criterio de comparación se
consideró la energía que generaría al año cada parque eólico (en MWh). Como
segundo criterio se tomó el factor de capacidad que representa la energía generada
al año entre la que debería haber producido el parque si hubiese trabajado a su
potencia nominal. Además, se agregó a la comparación el número de casas
promedio que se beneficiarían al año con esta energía producida y la cantidad de
toneladas de CO2 dejadas de emitir a la atmósfera como consecuencia de la
obtención de electricidad con combustibles fósiles. El consumo eléctrico promedio
anual de una vivienda en Tamaulipas se obtuvo a partir de la recopilación del historial

61
de consumo de 23 viviendas del Estado. Para esto se determinó el consumo anual
de cada hogar y posteriormente se promedio entre el número de casos analizados,
determinándose de esta forma el valor de 4.1 MWh. Según un informe de la CFE, el
factor de emisión de CO2 por generación de energía eléctrica es de 0.667t/CO2e-
MWh, para el sistema eléctrico nacional de México (CFE 2009).

Tabla 4. Comparación entre los parques eólicos modelados.

Toneladas
Producción de Numero de
Factor de de CO2
Parque Eólico energía al año viviendas
capacidad dejada de
[MWh] beneficiadas
emitir
P1-6AE-V52 14595 0.33 3560 9735
P2-6AE-V52 14777 0.33 3604 9856
P3-6AE-V52 3326 0.07 811 2218

Como puede apreciarse en la tabla 4, el municipo San Fernado a pesar de

clasificarse con un potencial eólico moderado, promete para una futura explotación
de su recurso eólico. A pesar de que los parques se ubicaron alejados de la costa
debido a la ancha franja de zona lagunar, el factor de capacidad fue de 0.33,
generando como promedio 15 GWh al año por parque. Este factor de capacidad
supera el 0.20 referenciado por Moreno et al. (2007) para que un parque se
considere preliminarmente factible. Si se construyera un parque eólico en esta zona
con estas caracteristicas, sería posible poder abastecer de electricidad a más de
3000 viviendas al año, dejándose de emitir más de 9000 toneladas de CO2 al año
como consecuencia de la generación de electricidad utilizando combustibles fósiles.
Es de esperar que si estos parques se colocaran más cerca de la laguna madre se
obtendria un mejor rendimiento energético, pero entraría en conflicto con el
ecosistema de la zona lagunar. Además, estaría más alejado de los consumidores
aumentando de esta forma el costo por la extención de las redes eléctricas.

62
Tomando como referencia un parque eólico con las mismas caracteristicas en el
municipio de Altamira (P3-6AE-V52), el factor de capacidad es de 0.07, resultando
como primera aproximación que en esta zona no es factible realizar proyectos de
parques eólicos. El número de hogares beneficiados no superaría las 811 viviendas,
dejando de emitir a la atmósfera solamente el 23% de CO 2 con respecto a lo que
dejaría de emitir un parque eólico al norte del Estado. Por tanto, de esta forma se
difiere con los resultados obtenidos por Quiroga-Goode et al. (2011), los cuales
muestran que a pesar de clasificarse la costa de Altamira con pobre en potencial
eólico, sería factible poder realizar emplazamientos de parques eólicos. Cabe señalar
que este autor realizó los cálculos correspondientes con una serie de datos de la cual
se desconoce su confiabilidad de calibración. Si este mismo parque de Altamira es
modelado con los resultados obtenidos en la figura 30, su producción de energía al
año sería de 8957 MWh, dando consigo un factor de capacidad de 0.20. Sólo de este
modo los resultados se asemejarían a los obtenidos por Quiroga-Goode et al. (2011),
pero como se había planteado anteriormente este criterio no es necesariamente
válido.

Como ejercicio comparativo de tomó la energía generada en el 2011 por la

termoeléctrica de Altamira, la cual generó 2696 GWh (SENER 2012). La energía que
se generaría al año por los dos parques eólicos modelados en el municipio de San
Fernando, representaría el 1% de la energía generada por esta termoeléctrica. En
México en el 2009 el costo de generación de energía con tecnología Diesel fue de
8.12 pesos/kWh, mientras que la generación a través de las Eoloeléctricas fue de
0.69 pesos/kWh (CFE 2012). Por tanto, la producción de energía que generarían al
año estos dos parques eólicos modelados, aportaría un ahorro de más de 200
millones de pesos al año.

63
CONCLUSIONES

 Es posible estimar campos de viento de una zona determinada a partir de los

datos del producto satelital, siempre y cuando se tenga en cuenta que en las
zonas costeras puede sobrestimarse la intensidad del viento en 1 m/s como
promedio, aumentando esta sobrestimación tierra adentro en 2 m/s como
promedio.

 Teniendo en cuenta sólo los datos de viento del producto satelital, en más del
80% de la zona de estudio el potencial eólico a 50 m de altura se clasifica de
muy pobre, presentándose pequeñas áreas donde llega a ser marginal. Sólo
en la zona del Golfo de México puede apreciarse un potencial de moderado a
excelente.

 Con los datos del producto satelital es posible poder modelar con el WAsP
campos de viento y de densidad de potencia media con una resolución de 100
m en las zonas costeras, obteniendo mejores resultados si se toman como
referencias estaciones virtuales interpoladas lo más cerca posible de la costa.

 A partir del mapa obtenido con el WAsP, el potencial eólico de la mitad sur del
estado de Tamaulipas se clasifica como pobre, llegando a ser marginal en
algunas áreas muy cerca de la costa. Sólo en la mitad norte del Estado se
clasifica al potencial como moderado, observándose un buen potencial en la
zona lagunar.

 A pesar de clasificarse el norte del estado con un potencial eólico moderado,

es factible económicamente realizar emplazamientos de parques eólicos,
presentando esta zona un factor de capacidad superior a 0.30. Pero aún la
producción sería menor que la que sugiere el mapa eólico oficial de México.

 Estos resultados difieren considerablemente en esta zona de estudio de los

obtenidos en el mapa de potencial eólico vigente en el país.

 Queda estructurado un método de trabajo para caracterizar el potencial eólico

en zonas costeras donde se carezca de información climática del viento.

64
RECOMENDACIONES

 Validar el producto satelital con otras estaciones meteorológicas del estado de

Tamaulipas que presenten series de tiempo continuas.

 Aplicar esta metodología utilizando otros productos de viento en malla.

 Realizar un estudio de prospección mínimo de un año a lo largo de la costa de

Tamaulipas, instalando torres anemometrías con distintos niveles de medición
y espaciadas entre si de tal forma que permita poder caracterizar el viento
tanto en la costa como tierra adentro.

 Validar la metodología empleada en este trabajo con las series de tiempo

obtenidas del estudio de prospección.

65
BIBLIOGRAFÍA

Aiello, J.L., Valencia, J.I., Munoz E.C. y Gómez, V.L. (1983): Atlas Eólico
Preliminar De América Latina Y el Caribe. Vol. 1. Organización Latinoamericana de
Energía, Cuernavaca, México.

Blackadar, A. y Tennekes, H. (1968): Asymptotic similarity in neutral barotropic

boundary layer. J.. Atmos. Sci., 25; pp. 1015-1020.

Bunse, U. y Mellinghoff, H. (2009): Influences of vertical wind profiles on power

performance measurements. [Consultada: 16 de abril de 2012]. Disponible en
Internet: http://www.dewi.de/dewi/fileadmin/pdf/publications/Publikations/2_Bunse.pdf

Burton, T., Sharpe, D., Jenkins, N. y Bosanyi, E. (2001): Wind Energy Handbook
John Wiley & Sons. Inglaterra.

Cadenas, R. y Saldívar, G. (2007): Central Eoloeléctrica La Venta II. Revista Digital

Universitaria [en línea]. Vol. 8, No. 12. Disponible en Internet:
http://www.revista.unam.mx/vol.8/num12/art90/int90.htm. [Consultada: 16 de abril de
2012].

CFE (2009): Acta de la octava sesión del 2009. Del comité de información de la
Comisión Federal de Electricidad (CFE), celebrada el 3 de marzo de 2009.
Disponible en Internet: http://www.cfe.gob.mx/QuienesSomos/queEsCFE/Docu-
ments/Actasdelcomit%C3%A92009/Octava%20Sesi%C3%B3n%202009.pdf .
[Consultada: 2 de mayo de 2012]

CFE (2012): Costo de Generación por Tecnología. Comisión Federal de Electricidad.

Disponible en Internet: http://www.cfe.gob.mx/QuienesSomos/queEsCFE/Docu-
ments/2012/Administracion/Costodegeneracionportecnologia2002_2011.pdf.
[Consultada: 3 de mayo de 2012]

ERRIIE (2011): Explorador de Recursos Renovables del Instituto de Investigaciones

Eléctricas. Disponible en Internet: http://sag01.iie.org.mx/eolicosolar/Default.aspx
[Consultada: 15 de abril de 2012].

66
ECOPUE (2012): Sitio Web de Ecología y Medio Ambiente de Puebla. Disponible en
Internet: http://ecopue.mx/noticias/mexico-registra-vertiginoso-desarrollo-de-energia-
eolica-afirma-experto/ [Consultada: 16 de abril de 2012].

Jackson, P. y Hunt, J. (1975): Turbulent wind flow over a low hill. Quart . J. Roy.
Meteor. Soc., 101, pp.929.

Jiménez, M. (2011): Dan aire al proyecto eólico por incumplidos. Nota periodística
publicada en El Mañana, 17 de diciembre de 2011. Disponible en Internet:
http://www.elmanana.com/diario/noticia/matamoros/matamoros/dan_aire_al_proyecto
_eolico_por_incumplidos/1418187 [Consultada: 10 de abril de 2012].

Lalas, D. (1983): Modelling of the wind flow over Crete for wind energy estimation.
Euromech, pp. 173.

Miranda, U. y Saldaña, R. (2006): Evaluación del Potencial Eólico en México

Empleando ArcGis y WAsP. XIII Conferencia Latinoamericana de Usuarios ESRI y
Leica Geosystems. Disponible en Internet: http://evaluarer.iie.org.mx/genc/evaluarer-
/siger/doc/Articulo_SIG_-viento.pdf [Consultada: 16 de abril de 2012].

Moreno, C., Martínez, J., Leiva, G., Roque, A., Novo, R., Costa, A., Llanes, C.,
Herrera, O., Sarmiento, A., Pérez, R., Limia, M., Montesinos, A. y Menéndez, M.
(2007): Diez preguntas y respuestas sobre Energía Eólica. Editorial CUBASOLAR.
La Habana. 328 pp

Mortensen, N.G., Heathfield, D.N., Myllerup, L., Landberg L. y Rathmann O.

(2005): Wind Atlas Analysis and Application Program: WAsP 8 Help Facility. Risø
National Laboratory, Dinamarca. 335 temas.

NOAA (2011): Physical Sciences Division de la NOAA/ESRL, Disponible en Internet:

http://www.cdc.noaa.gov/cdc/data.ncep.reanalysis.surface.html#temp [Consultada: 18
de noviembre de 2011).

Patankar, S. (1980): Numerical heat transfer and fluid flow. McGraw Hill Book Comp,
EUA.

67
Philips, G. (1979): A preliminary user's code for the NOABL objective analysis.
Technical Report, Science Pub. Inc, EUA.

Quiroga-Goode, G. (2007): Evaluación del potencial eólico en el puerto de Altamira

con la base datos FTS 2003–2006, Reporte interno, API-Altamira, México.

Quiroga-Goode, G., Montante, O. S., Rodríguez, J. y Lambert, T. (2011): Marginal

winds leading to competitive rates: a case study in southern Tamaulipas. Wind
Engineering. Volume 35. No. 2, pp 11-126.

Saldaña, R. y Miranda, U. (2005): Estudio de los Potenciales Bioenergético, Eólico,

Minihidráulico y Solar en México. Disponible en:
http://www.energia.gob.mx/webSener/res/-168/A9_Recursos.pdf. [Consultada: 10 de
febrero de 2012].

Schwartz, M.N. y Elliott, D.L. (1995). Mexico wind resource assessment project.
DOE/NREL Report No. DE95009202, National Renewable Energy Laboratory,
Golden Colorado.

SENER (2012): Datos técnicos de las principales centrales de CFE en operación en

2011. Disponible en:
http://www.sener.gob.mx/res/PE_y_DT/ee/Datos_Tecnicos_de_las_principa-
les_Centrales_en_Operacion_de_CFE.pdf. [Consultada: 25 de abril de 2012].

Sherman, C. (1978): A Mass Consistent Model for Wind Fields over Complex Terrain
(MATHEW). J.. Appl. Meteor.,17.

Soltura, R., Roque, A., Rivero, I., Wallo, A., Báez, R., Vázquez, R., Rivero, R.,
Ayala, M., Rodríguez, G., Carrasco, H., Curbelo, A., González, A., Herreras, O.,
Martín, G., Díaz, J. y Hernández, G. (2006): Informe del Mapa de Potencial Eólico
de Cuba. Informe Científico técnico del Instituto de Meteorología, Cuba.

Troen, I., Mortensen, N. y Petersen, E. L. (1988): WASP - Wind Atlas Analysis and
Application Programme. User's Guide. Risoe National Laboratory Pub., Roskilde,
Denmark, 32 pp.

68
Troen, I. y Petersen, E.L. (1989): European Wind Atlas. Risø National Laboratory,
Roskilde. 656 pp

Weibull, W. (1951): A Statistical Distribution Function of Wide Applicability. Journal of

Applied Mechanics. pp 293-297

Wizelius, T. (2007): Energía del Viento. Universidad de Gotland. Traducción:

Santiago Piva. 9 pp.

WWEA (2012): Wind Energy Around the World. Quarterly bulletin of the World Wind
Energy Association. ISSUE 1 March 2012. Disponible en:
http://www.wwindea.org/home/index.php [Consultada: 15 de abril de 2012].

69
ANEXO I. Detalles del modelo WAsP

I.1- Datos de entrada al modelo

Por cada polígono de modelación es preciso contar con datos de intensidad y

dirección del viento proveniente de una estación meteorológica. Estas series de
tiempo deben ser representativas como mínimo de un año, con registros cada 10
minutos o cada (1, 3 o 6 horas) de acuerdo a las características de la estación. A
mayor volumen de información se obtendrá una mejor representación temporal del
dato meteorológico. La altura estándar de medición es 10 m, representando el nivel
de superficie. Pero si se cuenta con estudios de prospección con varios niveles de
medición, es posible poder utilizar las mediciones de la altura más representativa a
que se desea realizar la modelación, evitando de esta forma introducir errores de
extrapolación vertical.

Los distintos cambios de rugosidad se le introducen al modelo a partir de un mapa de

rugosidad que se genera con el WAsP Map Editor (uno de los módulos del WAsP).
Tomando como referencia la información brindada por los Sistemas de Información
Geográfica (SIG) en formatos de cartas topográficas y tratamientos de imágenes
satelitales, se obtiene una representación de los distintos cambios de rugosidad del
área de estudio. A la magnitud de la rugosidad se le atribuye un valor de acuerdo a
las características del terreno descritas en la figura 33. Esta figura describe los
parámetros de aspereza, superficie típica y clase de rugosidad.

70
Figura 33. Esquema de rugosidad según Mortensen et al. (2005). Las clases de
rugosidad se indican con líneas verticales. Los puntos centrales dan los valores de

71
referencia y longitud de las líneas indica el intervalo del parámetro de aspereza
admitido por cada una de las clases.

Una vez reconocido el terreno de estudio se trazan isolíneas de tal forma que se
separen los distintos tipos de rugosidad, dándole los valores a un lado y al otro de la
isolínea de acuerdo a las características descritas en la figura anterior. Un ejemplo se
puede observar la figura 34 en la cual se representa el análisis de 5 cambios de
rugosidad.

Figura 34. Análisis esquemático de la rugosidad en un área en particular (Mortensen

et al. 2005)

72
De las cartas topográficas se extraen los datos de los efectos de la orografía,
indicando con curvas de nivel las diferentes alturas que conforman las
irregularidades del terreno. Por último, se introducen las características de los
obstáculos que se encuentren alrededor de la estación (1000 de radio), reflejando la
dirección y la distancia que se encuentra el obstáculo de la estación meteorológica,
el ancho y la altura, así como la porosidad que representa.

Luego de ser introducida esta información el modelo puede identificar las

perturbaciones que se reflejan en los datos de intensidad del viento en los diferentes
rumbos. De esta forma se generan rosas de los distintos cambios de rugosidad por
rumbo, así como los cambios de orografía y afectaciones de obstáculos.

I.2- Ecuaciones utilizadas por el modelo

El modelo WAsP utiliza la distribución de Weibull como un método para representar

la distribución de frecuencia de la velocidad del viento de una forma compacta (Troen
y Petersen 1989). La función de densidad de la distribución bi-paramétrica de Weibull
(Weibull 1951) se expresa como:

[1]
,

donde f(u) es la probabilidad estadística de que ocurra una velocidad u (valor

medio de la intensidad del viento). Los parámetros de Weibull que se utilizan en la
función se conocen como el parámetro de escala A (m/s) y el parámetro de forma k

(adimensional) donde u≥0, A>0 y k>0, siendo el valor de A semejante a la velocidad

media. El parámetro de forma es el que influencia en el aspecto de f(u) (Figura 35),

representando el sesgo de la distribución. Para k>1 el máximo se encuentra para

valores de u>0, mientras que la función decrece monótonicamente para 0<k≤1. Para

73
k=1 la función es exponencial, con k=2 se le denomina como una distribución de
Rayleigh, mientras que para k=3.5 es una distribución normal, siendo el valor más

usual el de k=2±0.5.

Figura 35. Aspecto de la función de densidad de la distribución de Weibull para

distintos valores del parámetro de forma k (Troen y Petersen 1989).

La función de distribución de frecuencia acumulada de Weibull F(u) da la

probabilidad de que la velocidad del viento sea superior al valor u y se expresa como:

[13]

74
A partir de los parámetros de Weibull el modelo determina los estadísticos siguientes:

valor medio: AГ(1 + 1/k), [14]

valor cuadrático medio: A2Г(1 + 2/k), [15]

valor cúbico medio: A3Г(1 + 3/k), [16]

valor potencial de orden m

AmГ(1 + m/k), [17]
cuadrático medio:

varianza: A2[Г(1 + 2/k) – Г2(1 + 1/k)], [18]

valor modal: A((k-1)/k)1/k, [19]

mediana: A(ln2)1/k, [20]

donde Г es la función Gamma que se define como:

[21]

donde se cumple que (x+1)=xГ(x) con xЄR, y Г(n)=(n-1)! con xЄZ+.

Para determinar los parámetros de k y A de Weibull se utiliza el método siguiente.

Se definen dos ecuaciones

x1(k) = Г(1+2/k) Г-1(1+1/k), [22]

x2(k) = Г(1+1/k) Г-2(1+2/k). [23]

Trabajando con este sistema de ecuaciones se obtienen las siguientes expresiones

para A y k:

75
 [24]

[25]

En este caso la barra sobre la variable del viento ( v ) representa los

valores medios. Este sistema de ecuaciones se resuelve por iteración,
mediante aproximaciones sucesivas, suponiendo un valor de k y comprobando

si el valor de A es el apropiado. El proceso de iteración termina cuando el

cambio relativo de los parámetros es menor del 1%.

Con los parámetros de Weibull definidos, el modelo determina la densidad de

potencia eólica disponible (P) y la velocidad del viento a la que la densidad de

potencia aprovechable es máxima (um), mediante las siguientes ecuaciones:

[26]
,

[27]
,

donde P es la densidad de potencia (W/m2) y ρ es la densidad del aire (≈1.225

kg/m3).

Una vez que el modelo tiene identificadas las variables antes mencionadas, éstas se
pueden extrapolar verticalmente mediante la ecuación del perfil logarítmico:

[28]
,

76
donde u(z) es la velocidad del viento a una altura z por encima del nivel del suelo, z0

es el parámetro de rugosidad de la superficie, K es la constante de von Karman

tomada con el valor 0.4, y u* es la velocidad de fricción.

Para realizar la extrapolación horizontal del viento el modelo realiza ciertas

suposiciones, debido a que la estructura de la capa límite tiene una respuesta rápida
a los cambios de presión. Por tanto, se forma un balance aproximado entre la fuerza
del gradiente de presión y la fuerza de rozamiento en la superficie terrestre,
explicándose teóricamente bajo condiciones iniciales estacionarias, homogéneas y
barotrópicas (gradiente de presión constante en todo el espesor de la capa límite). A
este conjunto de consideraciones se le conoce como la ley de arrastre geostrófica,
en la cual se relacionan la velocidad de rozamiento en la superficie u* y el llamado

viento geostrófico G:

, [29]

, [30]

donde α es el ángulo entre los vientos superficiales y el viento geostrófico, ƒ es el

parámetro de Coriolis y A y B son constantes empíricas (A=1.8, B=4.5).

Todas estas ecuaciones antes expuestas se encuentran explicadas detalladamente

en el capítulo 8 del Atlas Eólico Europeo (Troen y Petersen 1989). De manera
similar, en este Atlas se describe detalladamente el método por el cual el modelo
analiza en la horizontal los cambios de rugosidad, los efectos provocados por los
obstáculos, así como la orografía del terreno.

77