Energía renovable 60 (2013) 701 mi 710

Listas de contenido disponibles en SciVerse ScienceDirect

Energía renovable

página de inicio de la revista: www.elsevier .com / Locate / renene

Evaluación del potencial de la energía eólica urbana en una ciudad importante del Reino Unido utilizando un modelo

analítico

JT Millward-Hopkins, como Tomlin * , L. Ma, DB Ingham, M. Pourkashanian

Escuela de Ingeniería de Procesos, Medio Ambiente y Materiales, Universidad de Leeds, Leeds LS2 9JT, Reino Unido

información del artículo resumen

Historia del artículo: Una metodología analítica para predecir la velocidad media del viento sobre el techo en áreas urbanas es fi Se utilizó por primera vez para mapear las
Recibido el 28 de enero de 2013 Aceptado velocidades del viento en cuatro ciudades diferentes del Reino Unido. La metodología utiliza datos geométricos detallados que describen los edificios
el 12 de junio de 2013
y la vegetación para calcular las características aerodinámicas de las superficies urbanas, y tiene en cuenta la in fl uencia de la heterogeneidad de la
On-line el 12 de julio de 2013
altura del edificio y la dirección del viento sobre el viento fi les. El objetivo inicial del trabajo es determinar la precisión de la metodología cuando se
utilizan datos geométricos detallados que describen las formas de los techos de los edificios, además de sus alturas, para estimar los parámetros
Palabras clave:
aerodinámicos de la superficie. Al integrar datos LiDAR (detección de luz y rango) detallados en la metodología y comparar las predicciones con los
Aerogenerador montado en edificio
datos medidos, se encuentra que la precisión predictiva mejora signi fi con respecto a los resultados anteriores obtenidos utilizando conjuntos de datos
Microgeneración
geométricos menos detallados que describen cada edificio con una sola altura. Posteriormente, se realiza una evaluación preliminar del potencial
Evaluación del recurso eólico
Viento a pequeña escala
acumulativo a escala de ciudad para generar energía eólica, utilizando la ciudad de Leeds, en el Reino Unido, como estudio de caso. Los resultados

Energía eólica urbana sugieren que, desde el punto de vista del recurso eólico, pueden existir en Leeds de 2000 a 9500 ubicaciones viables de turbinas eólicas montadas
Datos LiDAR en edificios, lo que destaca el potencial de esta tecnología para implementarse mucho más ampliamente de lo que se ha logrado actualmente. Sin
embargo, se muestra que los cálculos son altamente sensibles a la velocidad del viento viable seleccionada, que a su vez depende de fi apoyo
nanciero y progreso tecnológico. Luego se realiza una investigación sobre dónde, en general, se pueden encontrar ubicaciones viables de turbinas en
la azotea. Los resultados sugieren que hay sitios viables distribuidos por toda la ciudad, incluso dentro del complejo centro de la ciudad, donde en las
ubicaciones más adecuadas las velocidades del viento por encima del techo pueden ser comparables a las observadas en sitios rurales bien
expuestos. Sin embargo, en áreas residenciales, que consisten en grupos de edificios de alturas similares, es probable que la mayoría de las
propiedades sean ubicaciones de turbinas inadecuadas. Los proveedores y clientes de turbinas pueden utilizar los mapas eólicos y la metodología
descritos en este documento para evaluar la viabilidad de sitios potenciales, además de ser instructivos para los encargados de formular políticas que
desarrollan subsidios para proyectos de energía renovable a pequeña escala.

2013 Elsevier Ltd. Todos los derechos reservados.

1. Introducción
Si el gobierno del Reino Unido ' s objetivo legalmente vinculante para el CO 2 se alcanzará una reducción del
80% para 2050 (en comparación con la línea de base de 1990) [1]
Entonces, todos los sectores de la economía, en todas las escalas, deberán realizar la transición a
un bajo consumo de carbono y energía. fi operaciones cientes. El uso de energía de las ciudades es
un área importante que debe pasar por esta transición, y se espera que las tecnologías de energía
renovable distribuidas a pequeña escala contribuyan a este proceso.
La instalación de turbinas eólicas a pequeña escala en los techos de los edificios es una de esas
tecnologías que ha recibido mucha atención, aunque
no toda esta atención ha sido positiva. Evaluación inadecuada del recurso eólico disponible en
ubicaciones urbanas, a menudo debido al uso inadecuado del Reino Unido ' s La base de datos
NOABL para estimar las velocidades medias del viento ha llevado a que algunas turbinas se instalen
en sitios inadecuados, lo que ha provocado un rendimiento deficiente [2] . Sin embargo, al igual que
con otras formas de energía eólica, las turbinas eólicas montadas en edificios pueden producir
importantes fi grandes cantidades de electricidad y hacer útiles ahorros de carbono cuando se instala
en lugares con fi ciente recurso eólico. Por lo tanto, para que esta tecnología se implemente más
ampliamente y alcance su máximo potencial, es vital que se desarrollen métodos precisos y
asequibles para estimar la velocidad del viento en áreas urbanas, y que la información esté
disponible para los clientes de turbinas.

* Autor correspondiente. Un método que ha demostrado el potencial de estimar con precisión la velocidad del viento en
Dirección de correo electrónico: ASTomlin@leeds.ac.uk (COMO Tomlin). áreas urbanas es el recientemente informado por

0960-1481 / $ mi ver materia delantera 2013 Elsevier Ltd. Todos los derechos reservados.

http://dx.doi.org/10.1016/j.renene.2013.06.020
702 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710
Millward-Hopkins y col. [3] . El método se basa en el desarrollado originalmente por la Oficina
Meteorológica del Reino Unido. fi ce [4] (que fue revisado en la Ref. [5] ) para estimar el recurso eólico
disponible para pequeños aerogeneradores. Una serie de signi fi no puedo modificar fi se hicieron
cationes al Met Of fi ce metodología con el fin de optimizarla para su uso en entornos urbanos, incluida
la integración de métodos para dar cuenta de la fl influencia del cambio de dirección del viento y el uso
de datos detallados que describen los edificios y la vegetación para cuantificar el efecto de fricción de
la superficie urbana.
Al evaluar el modelo, utilizando mediciones de varios lugares, se concluyó en Millward-Hopkins
et al. [3] que las velocidades del viento previstas eran razonablemente precisas para ubicaciones
expuestas al viento y, por lo tanto, se consideraban ubicaciones de turbinas potencialmente viables.
Sin embargo, teniendo en cuenta la relación cúbica entre la energía eólica y la velocidad del viento,
los errores del modelo seguían siendo significativos. fi no puedo en varios sitios. Como resultado de
esto, se sugirió que la precisión de las predicciones se puede mejorar utilizando datos geométricos
más detallados al estimar el efecto de fricción de la superficie urbana. El objetivo de este trabajo es
investigar esta posibilidad incorporando datos LiDAR (detección de luz y rango) de alta resolución,
que describen los edificios y la vegetación con gran detalle, en la metodología desarrollada en la Ref. [3]
. este documento usamos la base de datos NCIC más sofisticada. [4] . Contiene velocidades del viento
El esquema del documento es el siguiente. En la sección 2 , una descripcion
se da de la metodología del atlas de viento de la Ref. [3] , el origen y el procesamiento de los datos de
entrada LiDAR, y los sitios de medición utilizados para evaluar las predicciones de la velocidad del
viento. En la sección 3.1 , los resultados se presentan comparando la precisión de la metodología
cuando se utilizan los datos geométricos LiDAR o los datos geométricos más simples utilizados en la
Ref. [3] . En Secciones 3.2 y 3.3 , las predicciones de la velocidad del viento se utilizan junto con los
datos geométricos para realizar una investigación preliminar sobre el potencial acumulativo de la
generación de energía eólica urbana en la ciudad de Leeds, y en fl Se considera la influencia de los
datos de entrada geométricos en los resultados. Finalmente, en la Sección 4 , se hacen conclusiones
del trabajo.
2. Métodos
2.1. La metodología del atlas de viento
los ' metodología de atlas de viento ' [ 6] utilizado en este documento para estimar las velocidades
medias del viento se ilustra en Figura 1 . Implica la aplicación de una serie de adaptaciones a una
base de datos de velocidad del viento a gran escala para tener en cuenta los efectos del área urbana
sobre el viento pro fi les. En consecuencia, se basa en el conocimiento del viento regional
Figura 1. Diagrama esquemático de la metodología del atlas eólico implementada en este trabajo.
clima en la ciudad de interés y también las propiedades aerodinámicas de la superficie urbana, que
son típicamente cuanti fi ed usando el pa-
rametros de rugosidad longitud ( z 0) y altura de desplazamiento ( re).
Estos parámetros aerodinámicos controlan la forma del estándar
viento logarítmico pro fi le que es fundamental para la metodología del atlas de viento:
zd
U ¼ u * en ; (1)
k z0
dónde u * es la velocidad de fricción, k es la constante de Von Karman ( z 0.4), y z es la altura sobre
el suelo. El viento particular
La metodología del atlas que utilizamos en este artículo es la más detallada de las tres descritas en
la Ref. [3] , a la que seguimos refiriéndonos en este trabajo como ' modelo MH '. Se ofrece ahora una
breve descripción de este modelo.
El clima eólico regional utilizado como punto de partida del modelo en el trabajo anterior [3] era
la base de datos NOABL disponible gratuitamente [7] Sin embargo, para la validación del modelo en
que cubren todo el Reino Unido, a una resolución de 1 km, que son válidas a una altura de 10 m
sobre superficies lisas equivalentes a hierba corta. Por lo tanto, aunque estas velocidades del viento
explican la fl Por influencia de la topografía local (en escalas de longitud> 1 km), deben corregirse para
tener en cuenta la rugosidad del área circundante antes de que puedan describir velocidades reales
del viento en el sitio. La metodología del atlas de viento logra esta corrección a través de tres
procedimientos de escala.
En el fi primer procedimiento de escala, las velocidades del viento del NCIC
base de datos U NORTE) se escalan hasta la parte superior de la capa límite urbana
(UBL), en altura z UBL. Aquí el en fl Se supone que la influencia de la superficie urbana es insignificante.
El profesional logarítmico fi le con una referencia
' campo abierto ' longitud de rugosidad de 0,14 m ( z 0 ref) se utiliza para esta ampliación [4] , y de ahí la
velocidad del viento a z UBL es dado por:
en z UBL = z 0 ref
U UBL ¼ U norte en 10 = z 0 ref : (2)
Debido al hecho de que la profundidad UBL aumenta al aumentar
distancia a la ciudad, la altura z UBL se estima en función de la distancia desde el borde de la ciudad
en dirección al viento [3] .
En el resto de la metodología, la velocidad del viento en la parte superior de la UBL se reduce a
la altura del cubo de la turbina en dos etapas, utilizando parámetros aerodinámicos apropiados para
el área urbana. Estos parámetros se estiman en base a datos detallados
 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710
datos que describen la geometría de todos los edificios y la vegetación principal de la ciudad. Los
datos se analizan con más detalle en la siguiente sección.
los fi El primer paso de reducción de escala se utiliza para estimar la velocidad del viento.
( U licenciado en Derecho) a la altura de mezcla z licenciado en Derecho), como se ilustra en Figura 1 . El significado
' modelos digitales de elevación '( DEM). Estos DEM contienen datos detallados que describen la
icance de z licenciado en Derecho es que se considera que es la parte superior de la ' subcapa de rugosidad ', debajo
del cual el viento pro fi le se considera determinante
minado por la geometría local. En nuestro trabajo anterior [3] , z licenciado en Derecho estaba configurado para
el doble de la altura media local del edificio ( h metro) para ser coherentes con la metodología original
del Reino Unido Met Of fi ce [4] . Sin embargo,
Los resultados experimentales sugieren que este puede no ser el valor óptimo. [8 mi 11] . Por lo tanto,
para el trabajo actual se elige un valor más apropiado, y esto se describe en la Sección 2.3 . El viento
Pro fi le arriba z licenciado en Derecho se supone que está en fl influido por el área directamente a barlovento del
lugar de predicción, que se extiende a una distancia de 5 km
(conocido como el ' buscar con el viento '). Las dimensiones de esta búsqueda son
descrito con precisión en la Ref. [3] . En consecuencia, para obtener U licenciado en Derecho, Se utilizan los
parámetros aerodinámicos apropiados para esta búsqueda ( z 0 buscar y
re ir a buscar) en el logarítmico pro fi le:
en z licenciado en Derecho
re ir a buscar z 0 buscar
¼ enUDerecho
U licenciado UBL en z UBL : (3)
re ir a buscar z 0 buscar
En el segundo paso de reducción, la velocidad del viento ( U cubo) en el
altura del cubo de la turbina z cubo) es estimado. Ahora se supone que el viento pro fi le está adaptado al
área local, y por lo tanto aero-
parámetros dinámicos estimados para el área local de 250 m cuadrados ( z 0 local y re local) se utilizan
para estimar U cubo:
en ½ð z cubo re loca ÞÞl = z 0 local:
U cubo ¼ U licenciado en Derecho en ½ð z licenciado en Derecho
re local = z 0 local
Para cada ciudad, estos cálculos se llevan a cabo para cada celda de una cuadrícula con una
resolución de 250 my para ocho direcciones de viento de la brújula. Posteriormente, con el fin de
obtener velocidades de viento promedio a largo plazo que sean independientes de la dirección del
viento, las predicciones para cada dirección se ponderan adecuadamente considerando la
distribución de frecuencia de la dirección del viento registrada en un sitio de referencia local a largo
plazo. Los resultados finales de este proceso son mapas de toda la ciudad de las velocidades del
viento previstas para cada región vecina de 250 m a una altura determinada. Un ejemplo de tal mapa
se muestra en Figura 2 para la ciudad de Edimburgo, donde las velocidades medias del viento se
calculan a una altura del doble de la altura media del edificio en cada cuadrícula de 250 m.
Figura 2. Velocidades pronosticadas del viento medio mapeadas sobre la ciudad de Edimburgo a una resolución de 250 m. Las predicciones se realizan utilizando los datos de alturas de edificios como en la Ref. [3] , a una altura del doble de la altura media del edificio en cada
cuadrícula de 250 m.
703
2.2. Datos de entrada geométricos
2.2.1. Los conjuntos de datos originales
Para ambas etapas de reducción de escala que se ilustran en Figura 1 , la
Los parámetros aerodinámicos de cada ciudad se estiman mediante el uso de
geometría de la superficie de cada ciudad, indicando las alturas sobre el suelo de todos los
elementos de la superficie (edificios y vegetación). Están almacenados en ' raster ' formato, que son
imágenes pixeladas de las áreas urbanas, vistas desde arriba, donde el valor de cada píxel se refiere
a la altura sobre el suelo del elemento de superficie en esa ubicación. Siguiendo el proceso en Ref. [12]
(como se discutió en la Ref. [3] ) se pueden derivar varios parámetros geométricos importantes de los
DEM. Posteriormente, estos parámetros geométricos se pueden ingresar en un modelo morfológico [13]
para mapear longitudes de rugosidad y alturas de desplazamiento en cada ciudad.
Los DEM utilizados en las Refs. [3,12] se derivaron de la ' alturas de edificio ' recopilación de
datos que está disponible en Landmap ( http: // www.landmap.ac.uk/ ) a través de ' Ciudades reveladas '
acuerdo (Ciudades Reveladas The GeoInformation Group 2008). Inicialmente, los datos se
proporcionan en ' forma- fi le ' formato, que almacena las huellas de cada elemento de la superficie
como vectores con una tabla separada que indica sus alturas máximas sobre el suelo. Por tanto,
antes del proceso en la Ref. [12] se puede utilizar para estimar parámetros aerodinámicos, la forma fi Los
datos del archivo deben convertirse a formato ráster. Esto se logra fácilmente con el software
ArcGIS.
Aunque estos DEM contienen un alto nivel de detalle geométrico, asignar a cada elemento de la
superficie su altura máxima puede resultar problemático a la hora de estimar los parámetros
aerodinámicos, ya que las alturas medias de los edificios y otras medidas similares pueden estar
sobreestimadas. En consecuencia, se sugirió en la Ref. [3] que la precisión predictiva del modelo MH
(4) puede mejorarse si los parámetros aerodinámicos se estiman con mayor precisión. Esto se puede
lograr con el uso de DEM que describen las formas y alturas de los elementos de la superficie con
mayor detalle. Los datos que utilizamos en el trabajo actual para investigar esta posibilidad se
describen ahora.
2.2.2. Producir conjuntos de datos más detallados
Para considerar cada ciudad ' s geometría con mayor detalle, utilizamos DEMs basados en
datos LiDAR. Estos se miden mediante un avión de reconocimiento que utiliza equipos de detección
remota y también están disponibles en Landmap, que los proporciona en formato de trama con una
resolución horizontal de 2 m y vertical de 0,1 m. El equipo de detección remota que se utiliza detecta
con precisión la elevación de cualquier obstrucción por encima del
704 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710

suelo. Sin embargo, los diferentes tipos de elementos de la superficie (por ejemplo, edificios,
puentes, árboles, etc.) no son distinguibles y, además, ocasionalmente se pueden registrar alturas
erróneas (por ejemplo, antenas de tejados o pájaros). Por lo tanto, antes de que estos DEM puedan
usarse para derivar estimaciones de parámetros aerodinámicos, es necesario que se sometan a
algún procesamiento.

los fi La primera etapa del procesamiento consiste en eliminar del DEM cualquier elemento de
superficie que no afecte los parámetros aerodinámicos de las áreas urbanas signi fi significativamente,
o que puede reducir la precisión de las estimaciones de los parámetros. Esto se hace con el uso de
datos de Ordinance Survey MasterMap [14] (suministrado en forma- fi le formato), que describe las
huellas de todos fi Características del suelo fijo de más de unos pocos metros de largo o ancho, como
edificios, carreteras, bosques, fuentes de agua, etc. Para cada ciudad, las huellas de todos los
edificios y áreas boscosas se extraen de los datos de MasterMap, ya que son principalmente estos
elementos de superficie que determinan los parámetros aerodinámicos. Posteriormente, estas
huellas se superponen en los DEM LiDAR y todo lo que se encuentra fuera de las huellas se pone a
cero. Además, cualquier valor de altura que se refiera a bosques se reduce en magnitud en un 20%,
ya que la porosidad de los árboles significa que afectan los parámetros aerodinámicos con menos
fuerza que los edificios de la misma altura. [15] . Cabe señalar que el factor más apropiado para tener
en cuenta la porosidad de la vegetación dependerá en la práctica tanto de la estación como de la
especie particular de árbol. [15] . Sin embargo, en este trabajo se elige un valor promedio del 20%
para simplificar la metodología. En realidad, no se espera que la posible variabilidad en este valor
signifique fi afectan significativamente los resultados, ya que la mayor parte del arrastre de la
superficie en las ciudades se debe a los edificios.

En el segundo, fi etapa final de procesamiento, los DEM se pasan a través de un procesamiento

de imagen simple fi ltro para eliminar las mediciones de altura erróneas, así como cualquier espacio
menor (menos de z 2 m) entre edificios o dentro de las copas de los árboles. los fi El filtro está diseñado
Fig. 3. Ejemplos de los dos conjuntos de datos geométricos para un área de muestra de Edimburgo.
para ser mínimamente invasivo: en otras palabras, solo fi Filtra valores en los DEM que parecen tener
una altura poco realista en relación con los píxeles circundantes. Sin esto fi filtración, estas
características pueden llevar a sobreestimar el bloqueo en el fl El flujo inducido por los elementos de z licenciado en Derecho, como una característica de h m-eff es que aumenta al aumentar

la superficie y, por lo tanto, las longitudes de rugosidad pueden sobreestimarse. variación de la altura del edificio [9] . Físicamente, h m-eff indica la altura media efectiva de una serie de
edificios que representa la
efecto desproporcionado de los edificios altos y el efecto insignificante de los edificios pequeños y
protegidos sobre el viento fl Ay. Es predicho por el

Una muestra de un conjunto resultante de datos DEM basados en LiDAR se muestra en

misma metodología utilizada para estimar los parámetros aerodinámicos, z 0

Fig. 3 , junto con los datos de alturas de edificios equivalentes que se utilizaron en la Ref. [3] . Se
puede ver de esto fi Asegúrese de que los datos LiDAR describen los techos de edificios con un nivel
de complejidad más alto que los datos de alturas de edificios. Además, para los sitios de turbinas
utilizados para la validación en este trabajo (ver Sección 2.4 ), se encontró que las alturas dadas por
y re, de los DEM, como se describe en la Ref. [3] . Dado que, en general,
para las cuatro ciudades de estudio en este trabajo h m < h m-eff < 2.5 h metro, es apropiado establecer z licenciado en
Derecho ¼ 2 h m-eff, ya que esto hace que la profundidad de la
subcapa de rugosidad consistente con el rango aceptado de 2 mi 5 h metro

los datos LiDAR estaban mucho más cerca de las alturas reales de edificios medidas que las dadas mencionado anteriormente. Por lo tanto, en el trabajo actual una altura de mezcla de

por el conjunto de datos de alturas de edificios. Además, los pequeños grupos de árboles que están 2 h m-eff se utiliza cuando se utilizan los datos de alturas de edificios de Landmap y los datos de LiDAR

ausentes en los datos de alturas de edificios están bien capturados en los datos LiDAR. Este nivel como entrada.

mejorado de detalle geométrico indica que los parámetros aerodinámicos pueden estimarse con Aunque no se muestra, un punto importante a destacar es que, cuando
utilizando datos LiDAR, ajuste z licenciado en Derecho ¼ 2 h m-eff condujo a un signi fi No puede aumentar la precisión
mayor precisión a partir de los DEM basados en LiDAR.
predictiva general en relación con las predicciones realizadas utilizando

z licenciado en Derecho ¼ 2 h m con respecto a los datos medidos que consideramos en la sección

3.1 ). Por el contrario, cuando se utilizan los datos de alturas de edificios de Landmap,
la precisión predictiva del modelo MH no se modificó si
z licenciado en Derecho ¼ 2 h m-eff o z licenciado en Derecho ¼ 2 h metro se utilizó. Sin embargo, cabe señalar que las predicciones
2.3. La altura de mezcla
para sitios individuales pueden demostrar un nivel relativamente alto

La metodología de atlas de viento utilizada en la Ref. [3] permanece sin cambios en el trabajo sensibilidad a la altura de mezcla, independientemente de los datos geométricos utilizados.

actual, con la excepción de los datos geométricos descritos en la sección anterior, el clima eólico
regional (ahora la base de datos NCIC) y también el valor usado para la altura de mezcla.
Como se menciona en la Sección 2.1 , la altura de mezcla se estableció en 2 h metro en Ref. [3] . Sin
embargo, los resultados experimentales [9,10] muestra que lo urbano
La subcapa de rugosidad es más gruesa por encima de las matrices de edificios de hetero-
alturas generosas, y que generalmente se extiende a 2 mi 5 h metro sobre el suelo dependiendo de la
geometría de la superficie [11] .
La implicación de esto es que un múltiplo de la ' altura media efectiva del edificio '( h m-eff) puede
ser más apropiado para estimar
2.4. Datos de validación
Para evaluar la precisión de las predicciones, utilizamos datos de velocidad del viento medio
medidos de cuatro grandes ciudades del Reino Unido, a saber, Edimburgo, Leeds, Manchester y
Nottingham. Las mediciones de 12 anemómetros distribuidos en las cuatro ciudades estaban
disponibles para la evaluación del modelo. Los sitios varían desde propiedades suburbanas de dos
pisos hasta edificios altos en el centro de la ciudad y las velocidades del viento son representativas de
 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710 705

los fi período de cinco años desde el 01/08/06 mi 01/08/11. En Ref. [3] , las mediciones de la ciudad de Esta métrica de error cuando se calcula en todos los sitios es de 0,7 ms 1 para las predicciones
Warwick también se utilizaron en la validación, sin embargo, desafortunadamente, los datos LiDAR basadas en los datos de alturas de edificios, mientras que para las predicciones basadas en LiDAR

no estaban disponibles para esta área y, por lo tanto, estos sitios tuvieron que ser descontados del es de 0,41 ms 1. Sin embargo, estos valores son ampli fi editado por el sitio protegido con el mayor

trabajo actual. error. En consecuencia, cuando se calcula solo sobre los sitios expuestos, el MAE es de 0,67 ms 1

Al considerar las características geométricas de los sitios de validación, cada uno se caracterizó para las predicciones basadas en alturas de edificios, y signi fi ligeramente más bajo en
como ' protegido ' o ' expuesto '. Los primeros sitios son los que se encuentran por debajo de la altura 0,3 ms 1 para predicciones basadas en datos LiDAR.
media local del edificio o menos de 2 m por encima del techo del edificio. Todos los demás sitios se Se pueden extraer algunas conclusiones importantes al considerar el sesgo en las predicciones.
clasifican como Cuando se utilizan los datos LiDAR, las predicciones están ligeramente sesgadas hacia las
' expuesto '. Esta distinción se hace porque las velocidades del viento en los sitios protegidos son predicciones excesivas, mientras que con los datos de alturas de edificios hay un gran sesgo hacia las
diferentes fi culto para predecir con precisión sin especi fi C fl modelado dinámico de fluidos, pero también predicciones insuficientes (ver Figura 4 ; Correcto). Sin embargo, estas últimas subpredicciones no
es muy poco probable que sean ubicaciones de turbinas viables. fueron evidentes en el trabajo de modelado anterior. Esto puede explicarse como una cancelación de
los errores inherentes a los datos de entrada; a saber, los datos de alturas de edificios en sí y las
velocidades del viento NOABL utilizadas para obtener los resultados anteriores [3] . Speci fi En términos
generales, se sabe que la base de datos NOABL sobreestima las velocidades del viento en las áreas
3. Resultados y discusión
construidas. [4] , mientras que, por el contrario, se ha sugerido que las sobreestimaciones de los
parámetros aerodinámicos de la superficie (y, por lo tanto, las subestimaciones de las velocidades del
3.1. Evaluar la precisión de las predicciones
viento previstas) surgen del uso de los datos de alturas de edificios [3] . En consecuencia, dado que la
base de datos NCIC se utiliza como datos de entrada en el trabajo actual, esta cancelación de error
Para evaluar la precisión de las predicciones, Figura 4 (izquierda) muestra
ya no ocurre.
el predicho U pre) vs.medido ( U mes) velocidades del viento en cada sitio de validación. Predicciones en
los sitios expuestos y los sitios protegidos
son distinguibles en el fi figura.
Las razones de la tendencia a las predicciones excesivas cuando se utilizan los datos LiDAR no
Se puede observar a partir de estos gráficos que en muchos de los sitios hay una mejora en la
son tan claras. Potencialmente, esto se debe al hecho de que, en la práctica, incluso esos sitios
precisión predictiva cuando se utilizan los datos LiDAR en lugar de los datos de alturas de edificios.
clasificados fi ed aquí como ' expuesto '
Además, debido a que el resto de los datos de entrada permanece sin cambios para todas las
puede sufrir efectos de protección debido a la azotea fl patrones de flujo, y estos efectos no se tienen
predicciones en el fi gura (por ejemplo, la base de datos NCIC y una combinación
en cuenta en el enfoque actual de modelado promediado espacialmente [3] . Sin embargo, también
existen incertidumbres en las estimaciones de la producción eólica promediada espacialmente.
altura de 2 h m-eff), Se puede concluir que el uso de los datos LiDAR es el único responsable de estos
cambios. Considerando las predicciones
fi ellos mismos, lo que puede ocurrir incluso cuando se utiliza información geométrica totalmente
sitio por sitio, el uso de datos LiDAR parece mejorar la velocidad del viento pronosticada o tener poco
precisa [13] .
impacto en su precisión.
La precisión predictiva mejorada de las predicciones basadas en LiDAR en relación con las
predicciones basadas en alturas de edificios es una desventaja. fi rmed al considerar los diagramas de
3.2. Evaluación del potencial acumulativo de la energía eólica urbana en Leeds
caja de errores residuales (de fi ned
como U mes U pre), que se muestran en Figura 4 (Correcto). Aunque los residuos máximos y mínimos
son signi fi no puedo, independientemente de
3.2.1. El alcance de la investigación
qué datos geométricos se utilizan, la media se acerca mucho más a cero cuando se utilizan los datos
En esta sección, hacemos una evaluación preliminar del potencial acumulativo a escala de
LiDAR. Además, el rango intercuartil de los residuos es mucho más estrecho cuando se utilizan los
ciudad para generar energía eólica en áreas urbanas, utilizando la ciudad de Leeds, en el Reino
datos LiDAR. Esta mejora en la precisión también es evidente en el error absoluto medio (MAE; ms 1) calculado
Unido, como estudio de caso. La evaluación implica estimar el número total de ubicaciones
para los sitios:
adecuadas de turbinas en la azotea que existen en la ciudad en función del recurso eólico disponible
(es decir, no se consideran las limitaciones debidas a restricciones estructurales y de planificación).

X
MAE ¼ 1 U pre U mes: (5)
norte

Figura 4. Se muestra a la izquierda, comparaciones de predicho ( U pre) y medido, 5 años corregido ( U mes) velocidades del viento en los lugares de validación utilizando datos de entrada geométricos LiDAR (LiD) y alturas de edificios (BH). A la
derecha, diagramas de caja de los errores residuales (ms 1) indicando su rango intercuartil (recuadros negros), mediana (rayas horizontales blancas)
y máximos y mínimos (barras de error) al utilizar cada conjunto de datos de entrada.
706 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710

Figura 5. El área total del techo en Leeds (izquierda) estimada para recibir cada una de las velocidades del viento registradas en el X- eje, asumiendo una altura de mástil de 3 m. El número de ubicaciones de turbinas en la azotea en Leeds (derecha) que se estima que reciben cada

una de las velocidades del viento registradas en el X- eje, suponiendo que se instala una turbina por techo de edificio con una altura de mástil de 2 m para edificios pequeños (área de techo horizontal <150 m 2) y 5 m para edificios más grandes.

McIntyre y col. [dieciséis] también evaluó el potencial acumulativo para la generación de energía
eólica en la ciudad de Guelph en Canadá. El enfoque utilizado en su trabajo fue considerablemente
menos detallado que el trabajo actual con respecto al modelado de viento. fl Flujo e identificación de
ubicaciones de turbinas adecuadas según los datos del edificio. Sin embargo, pasaron a estimar el
potencial de generación de energía acumulada de las instalaciones de turbinas e hicieron
comparaciones con el uso de energía de la Ciudad de Guelph y, por lo tanto, el alcance de su
investigación fue mucho más amplio a este respecto. En el trabajo futuro, tenemos la intención de
hacer cálculos de rendimiento energético similares para la ciudad de Leeds.
3.2.2. Enfoque y supuestos
Utilizamos dos enfoques diferentes para estimar el número de ubicaciones viables en tejados
que pueden existir en Leeds, cada uno de los cuales implica hacer varias suposiciones. Tenga en
cuenta que durante esta evaluación, cuando se utilizan conjuntos de datos geométricos para
identificar posibles ubicaciones de turbinas en la azotea, se debe tener cuidado de no incluir
vegetación u otras entradas de datos inapropiadas. Para asegurarse de que no se cometan estos
errores, los datos de Ordinance Survey MasterMap [14] se puede utilizar para distinguir edificios de
otras características dentro del conjunto de datos geométricos. Otro punto importante a destacar es
que la base de datos NCIC no estaba disponible en todo Leeds para el estudio actual. En los sitios
de validación para los que estaba disponible, el
las velocidades del viento eran 6 mi 9% más bajos que los de la base de datos NOABL. Por lo tanto,
para la evaluación en esta sección, la base de datos NOABL se utiliza como entrada de modelo, pero
con las velocidades del viento reducidas uniformemente en la ciudad en un 7.5%. El mapa publicado
por el Met Of fi ce que indica las diferencias entre las bases de datos NCIC y NOABL sugiere que esta
es una suposición razonable [17] . En el fi primer método (denominado simplemente ' Método 1 '), El
área acumulada del techo es la medida utilizada para la evaluación, en lugar de considerar los
edificios de forma individual. Los cálculos se llevan a cabo en Matlab, utilizando una matriz
tridimensional de velocidades medias del viento previstas que cubren el área completa de Leeds y se
extiende desde el nivel del suelo hasta la altura del edificio más alto, junto con los DEM de las alturas
de los edificios o LiDAR. datos. Cálculos simples, asumiendo un fi altura fija del mástil, conduce a una
estimación del área total del techo en la ciudad que recibe una velocidad de viento particular. Al
realizar este cálculo en un rango de velocidades del viento previstas Figura 5 (izquierda) (asumiendo
aquí una altura de mástil de 3 m).
El segundo método (método 2) considera los edificios de forma individual y comienza asumiendo
que una turbina está instalada en la parte más alta de cada edificio. ' s techo. Posteriormente, se
calcula el número de turbinas que pueden acceder a una determinada velocidad del viento, como se
muestra en Figura 5 (Correcto). Aunque este es un enfoque intrínsecamente simple, no es posible
realizar el

Figura 6. El número de ubicaciones de turbinas en la azotea en Leeds que se estima que reciben las velocidades del viento mínimas registradas en el eje horizontal (izquierda). El número de ubicaciones viables de turbinas en la azotea que se estima que existen en Leeds

(derecha). Las estimaciones que se muestran se realizan utilizando los métodos (1) y (2) en combinación con cada conjunto de datos de entrada geométricos.
 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710 707

cálculos utilizando los DEM en formato ráster, ya que estos no distinguen entre diferentes edificios.
Por lo tanto, la forma original- fi Se debe utilizar el formato de archivo de los datos de alturas de
edificios Landmap y los datos Mastermap (en el último caso, la altura de cada edificio se obtiene del
LiDAR DEM), ya que en este formato se pueden identificar fácilmente edificios separados fi ed. La
forma- fi El formato le hace que sea conveniente realizar estos cálculos utilizando el software ArcGIS.
Una ventaja del método 2 sobre el método 1 es que permite suponer diferentes alturas de mástil para
edificios de diferentes tamaños, ya que el área del techo de cada edificio se calcula fácilmente en
ArcGIS. Por lo tanto, para edificios que probablemente sean propiedades residenciales (área de
techo horizontal <150 m 2) asumimos una altura de mástil de 2 m, mientras que para edificios más
grandes asumimos una altura de mástil de 5 m. Cabe señalar aquí que una altura de 2 m de mástil
generalmente no es lo suficientemente grande para que las turbinas escapen del techo. fl patrones de
flujo, y estos pueden ser perjudiciales para su desempeño. Sin embargo, esta altura del mástil es
típica de las instalaciones actuales. [18] .

Para comparar directamente los resultados de los métodos 1 y 2, para el método 1 hacemos un
supuesto adicional de que se instala una turbina cada 100 m. 2 del área del techo (se supone que es
la de una casa típica de dos pisos en el Reino Unido) [19] ). Por lo tanto, se puede obtener el número

Figura 7. La relación entre el factor de capacidad de la turbina (medido mensualmente) y la velocidad del viento medio para
de posibles ubicaciones de turbinas que acceden a una velocidad media mínima particular del viento

turbinas eólicas de eje horizontal a pequeña escala instaladas en una variedad de sitios durante las pruebas de viento de Warwick [20] (ver Figura 6 , izquierda). Los cálculos para el método 2 de
.

Figura 8. Mapas de velocidades medias del viento pronosticadas a largo plazo sobre el Leeds con una resolución de 250 m, elaborados con datos LiDAR. Las predicciones se realizan a una altura de 10 m por encima de la altura media del edificio en cada
cuadrícula de 250 m (arriba) y a una altura de mástil de 3 m por encima de la altura máxima del edificio en cada cuadrícula de 250 m (abajo).
708 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710

Figura 5 (derecha) se puede traducir fácilmente para describir también el número de ubicaciones de turbinas son menos de 4 ms 1, El rendimiento de la turbina es generalmente bastante pobre y dif fi culto para predecir,
aunque para velocidades del viento de poco más de 3,5 ms 1
(y por lo tanto de techos individuales) que acceden a una velocidad media mínima del viento en particular (ver

nuevamente Figura 6 , izquierda).
3.2.3. ¿Cuántas ubicaciones viables de aerogeneradores existen en Leeds?
Figura 6 (izquierda) indica que los cuatro cálculos (dos métodos diferentes y conjuntos de datos
geométricos de entrada) dan resultados razonablemente consistentes. Las diferentes estimaciones
para el número de ubicaciones de turbinas con acceso a una velocidad media mínima del viento en
particular están dentro del mismo orden de magnitud. Teniendo en cuenta las diferencias en los
cuatro enfoques, este es el acuerdo más cercano que podría esperarse. El rango de estas
estimaciones proporciona una indicación de la incertidumbre dentro de las predicciones.
Para sugerir un valor estimado para el número de ubicaciones viables de aerogeneradores que
pueden existir en Leeds, es necesario hacer un
fi Supuesto final con respecto a la velocidad mínima del viento media en el sitio que se requiere. En
realidad, este valor dependerá de muchos factores, como el diseño particular de la turbina (que
impacta en su curva de potencia), la distribución de la velocidad del viento a largo plazo y fi consideraciones en Leeds se estima en la región de 2000 mi 9500 asumiendo una velocidad del viento mínima viable
financieras y medioambientales, como los costes generales de instalación frente a los ingresos
generados. Incentivos financieros como el marco Feed in Tariff presente en el Reino Unido [20] puede
elegida. Speci fi calmente, cuando un valor de 3 ms 1 ( o 5 ms 1) se elige, entonces las estimaciones
tener un significado particular fi no puedo en fl influencia sobre el recurso eólico requerido para fi recuperación
de la inversión financiera.
Para hacer una estimación adecuada de esta velocidad mínima del viento requerida,
consideramos los datos de producción de energía obtenidos de las pruebas de viento de Warwick. [18]
(para turbinas eólicas de eje horizontal de pequeña escala disponibles actualmente). Se eligen cuatro
tipos diferentes de emplazamientos que van desde zonas rurales a zonas urbanas de gran altura, y los
factores de capacidad mensuales medidos para las turbinas en estos emplazamientos se muestran en Figura
7 . los fi gura indica que cuando las velocidades medias del viento
factores de capacidad de alrededor del 6% parecen ser alcanzables, y esto puede ser suficiente fi rendimiento
cient para fi recuperación financiera que se conseguirá en el Reino Unido [20] (aunque esto depende
de varios factores económicos). A velocidades del viento más altas, los factores de capacidad
medidos comienzan a correlacionarse mucho mejor con la velocidad del viento, y aproximadamente
4,5 ms 1 los factores de capacidad llegan al fabricante comúnmente cotizado ' s valor del 10% [21] (para
instalaciones montadas en edificios).
Por estas razones, elegimos una velocidad mínima viable del viento de 4ms. 1 para esta
evaluación, pero probamos la sensibilidad a esta elección considerando también velocidades del
viento de 3 ms 1 y de 5 ms 1. Respectivamente, se podría considerar que estas velocidades del viento
alternativas representan escenarios en los que se disponga de turbinas de velocidad baja del viento
más avanzadas, o hay fi no puedo reducir las fi subvenciones financieras.
Los resultados en Figura 6 (derecha) indican que el número de ubicaciones viables de turbinas
de 4 ms 1. La variación en estas estimaciones se debe a diferencias en el método y los datos
geométricos utilizados, pero los valores parecen ser más sensibles a la velocidad mínima del viento
aumentan (o disminuyen) en un factor de z 7 (o z 10), a entre 11.000 y 64.000 (o 200 y 1000) sitios de
turbinas viables. Vale la pena mencionar que incluso si las turbinas eólicas se instalaron en Leeds a
la densidad más alta sugerida por este estudio de viabilidad, no esperamos que tengan un significado
significativo. fi efecto sobre el recurso eólico disponible en la ciudad.
En resumen, considerando que actualmente solo hay un puñado de turbinas de techo instaladas
en Leeds [22,23] , estos resultados destacan el potencial de que la tecnología eólica a pequeña
escala esté lejos

Figura 9. Mapas de una zona residencial de muestra (izquierda) y el centro de la ciudad (derecha) de Leeds, que indican las velocidades del viento previstas sobre el techo de cada edificio. Se asumen alturas de mástil de 2 m (izquierda) y 5 m (derecha). Tenga en cuenta que las barras de

color difieren entre los dos fi figuras.

 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710
desplegado más ampliamente de lo que se ha logrado actualmente, siempre que se tenga cuidado al
evaluar la idoneidad del sitio. Además, demuestran la alta sensibilidad de la tecnología. ' s potencial
para el recurso eólico mínimo requerido para hacer viable una instalación, que a su vez puede ser fl influenciado
de sus alturas. Cuando se evaluaron las predicciones frente a las velocidades medias del viento
por el progreso tecnológico y los niveles de fi apoyo financiero.
3.3. Variación del recurso eólico disponible en la ciudad
Finalmente, es importante discutir dónde, en general, se pueden encontrar ubicaciones de
turbinas de techo viables. Figura 8 (arriba) muestra las velocidades medias del viento predichas a
largo plazo sobre Leeds (basado en LiDAR) a 10 m por encima de la altura media del edificio en cada
cuadrado de cuadrícula de 250 m de resolución. Sugiere que las velocidades del viento a esta altura
son más altas alrededor del borde de la ciudad, y que a medida que se acerca al centro de la ciudad,
disminuyen constantemente. Este patrón surge porque la rugosidad de la superficie en el centro de la
ciudad suele ser mucho mayor. mi y la capa límite urbana más gruesa mi que en las afueras de la
ciudad. Considerando la magnitud de estas velocidades del viento, la instalación de turbinas en
alturas (es decir, edificio más altura del mástil) no
exceder la altura promedio local del edificio en 10 m generalmente solo debe considerarse para
ubicaciones en los pocos kilómetros exteriores de Leeds. Más adentro del centro de la ciudad, las
velocidades del viento previstas a esta altura suelen ser inferiores a 4 ms. 1.
Cuando se consideran las velocidades del viento predichas 3 m por encima del edificio más alto
dentro de cada cuadrícula ( Figura 8 , abajo), emerge un patrón diferente al encontrado en Figura 8 (parte
superior). Es claro a partir de esto fi Cifre que en gran parte de la ciudad hay edificios altos con acceso
a signi fi no puede significar velocidades del viento (frecuentemente más de 5 ms 1.) Además, así como
en los bordes exteriores de Leeds, las velocidades del viento más altas se encuentran ahora en el
centro de la ciudad, donde hay muchos edificios altos y expuestos con acceso a vientos relativamente
tranquilos, a pesar de la alta rugosidad del área circundante. Esto se ilustra más claramente en Figura
9 (derecha), que muestra las velocidades del viento predichas sobre el techo de cada edificio en un
área del centro de la ciudad. De hecho, es probable que el potencial de generación de energía eólica
por encima de estos edificios altos sea significativo. fi ligeramente mayor de lo indicado en Figs. 8 y 9 (arriba turbinas.
y derecha), ya que en los techos de edificios más grandes pueden ser factibles alturas de mástil de
hasta 10 m. En contraste con esto, los edificios dentro de las áreas residenciales circundantes a
menudo tienen una altura similar (p. Ej. Figura 9 , izquierda) y, por lo tanto, por encima de la mayoría
de estas propiedades, las velocidades del viento pueden ser demasiado bajas para que valga la pena
instalar una turbina.
En general, estos resultados indican que, aunque hay muchos edificios para los que no se debe
recomendar la instalación de una turbina en el techo (particularmente propiedades residenciales),
hay muchos edificios altos en los que es probable que se instale una turbina en el techo con un
mástil razonablemente alto. una valiosa inversión. Además, por encima del techo de edificios
expuestos que son signi fi más altos que los del área local (como bloques de
fl ats y edificios de gran altura en el centro de la ciudad), el recurso eólico puede ser muy favorable y
comparable con sitios rurales bien expuestos [5] .
4. Conclusiones
Se ha utilizado una metodología analítica para predecir las velocidades del viento medio por
encima del techo en áreas urbanas para mapear las velocidades del viento en cuatro ciudades
diferentes del Reino Unido. La metodología, que fue desarrollada previamente por Millward-Hopkins
et al. [3] , utiliza datos geométricos detallados que describen los edificios y la vegetación para calcular
las características aerodinámicas de las superficies urbanas, y tiene en cuenta la in fl uencia de la
heterogeneidad de la altura del edificio y la dirección del viento sobre el viento fi les.
los fi El primer objetivo del trabajo fue determinar si la precisión predictiva de la metodología
podría mejorarse utilizando datos geométricos más detallados que los utilizados en la Ref. [3] para
estimar
709
parámetros aerodinámicos de superficie. En consecuencia, los datos LiDAR se utilizaron como datos
geométricos para la entrada del modelo, que describe las formas del techo de los edificios además
medidas de 12 anemómetros repartidos en las cuatro ciudades, se demostró que el uso de datos
LiDAR mejoraba significativamente la precisión del modelo. fi con cautela. En los sitios bien expuestos
al viento, el error absoluto en las predicciones se redujo de 0,67 ms. 1 hasta 0,3 ms 1 cuando se
utilizaron datos LiDAR, con respecto a las predicciones realizadas utilizando los datos de alturas de
edificios. Los resultados también sugirieron que la precisión de las predicciones en la Ref. [3] tuvo
bene fi debido a la cancelación de errores, ya que las incertidumbres en los datos de entrada
geométricos habían funcionado en oposición a las incertidumbres en el clima eólico regional (es
decir, la base de datos NOABL).
A continuación, se realizó una evaluación preliminar del potencial acumulativo a escala de
ciudad para generar energía eólica, utilizando la ciudad de Leeds, en el Reino Unido, como caso de
estudio. La evaluación implicó estimar el número total de ubicaciones viables de turbinas eólicas en
la azotea en la ciudad, en función de que reciban un suf fi cientificamente alta velocidad media del
viento. Los resultados dependieron del método y de los datos de construcción usados en los
cálculos, pero más fuertemente de la velocidad mínima media del viento que se supone.
Potencialmente, esto resalta la sensibilidad de esta tecnología. ' s potencial para fi apoyo nanciero y
progreso tecnológico. Cuando un valor mínimo de 4 ms 1 Se supone que los resultados sugieren que
existen entre 2000 y 9500 ubicaciones viables de turbinas eólicas montadas en edificios en Leeds y,
por lo tanto, parece haber un gran margen para que la tecnología se despliegue más ampliamente.
Finalmente, se investigó dónde, en general, se pueden encontrar ubicaciones viables de
turbinas en la azotea. Los resultados sugirieron que hay muchos sitios viables (por lo general,
edificios altos sin refugio) que se distribuyen por toda la ciudad, incluso dentro del complejo centro de
la ciudad. En los sitios más adecuados, las velocidades medias del viento previstas sobre el techo
son comparables a las observadas en sitios rurales bien expuestos. Sin embargo, en áreas
residenciales, que consisten en edificios de una altura similar, es probable que la mayoría de las
propiedades experimenten velocidades del viento demasiado bajas para que valga la pena instalar
Los proveedores de turbinas y los clientes pueden utilizar los mapas eólicos y la metodología
desarrollados en este trabajo para evaluar la viabilidad de sitios potenciales, además de ser
instructivos para los responsables de formular políticas que desarrollan subsidios para proyectos de
energía renovable a pequeña escala.
Agradecimientos
Los autores desean agradecer a la Escuela de Geociencias de la Universidad de Edimburgo, el
Centro de Ciencias Atmosféricas de la Universidad de Manchester, el Reino Unido Met Of fi ce, el
Ayuntamiento de Leeds y todas las partes involucradas en las pruebas de viento de Warwick por
proporcionar valiosos
fi datos de campo que se utilizaron en este trabajo. También desean agradecer a Shemaiah Weekes
y Jannik Giesekam (Universidad de Leeds) por sus ideas, y al Consejo de Investigación de Ingeniería
y Ciencias Físicas por otorgar el Premio de Capacitación Doctoral que apoyó
JT Millward-Hopkins durante la investigación.
Referencias
[1] Ley de cambio climático: Gran Bretaña. Londres: el estacionario de fi ce; 2008 . No niño ' s jugar? Hacer que el
[2] viento pequeño pague. www.renewableenergyfocus.com/ ; 03/09/2012.
[3] Millward-Hopkins J, Tomlin A, Ma L, Ingham D, Pourkashanian M. Mapeo del recurso eólico en las ciudades
del Reino Unido. Energía renovable 2013; 55: 202 mi 11 . Informe técnico de energía eólica a pequeña escala.
[4] Reino Unido se reunió de fi ce. http: // www.
carbontrust.co.uk/emerging-technologies/technology-directory/wind/pages/ wind.aspx ; 2008.
[5] Weekes SM, Tomlin AS. Evaluación de un modelo semi-empírico para predecir el recurso eólico relevante
para aerogeneradores de pequeña escala. Energía renovable 2013; 50: 280 mi 8 .
710 JT Millward-Hopkins y col. / Energía renovable 60 (2013) 701 mi 710

[6] Landberg L, Myllerup L, Rathmann O, Petersen EL, Jørgensen BH, Badger J, [14] Capa de topografía OS MasterMap [datos geoespaciales GML], utilizando: EDINA Digimap Ordnance Survey
et al. Estimación del recurso eólico re una descripción general. Energía eólica 2003; 6: 261 mi 71 . Service, http://edina.ac.uk/digimap/ .
[15] Holanda DE, Berglund JA, Spruce JP, McKellip RD. Derivación de la rugosidad de la superficie aerodinámica
[7] http://www.bwea.com/noabl/ , Base de datos NOABL. [citado 02/02/2010]. [8] Cheng H, Hayden P, Robins AG, efectiva en áreas urbanas a partir de datos de terreno Lidar aerotransportados. Journal of Applied Meteorology
Castro IP. Fluya sobre matrices de cubos de diferentes and Climatology 2008; 47: 2614 mi 26 .
densidades de empaque. Revista de ingeniería eólica y aerodinámica industrial 2007; 95: 715 mi 40 . [dieciséis] McIntyre JH, Lubitz WD, Stiver WH. Potencial de energía eólica local para la ciudad de Guelph, Ontario
(Canadá). Energía renovable 2010; 36: 1437 mi 46 .
[9] Cheng H, Castro IP. Cerca de la pared fl sobre la aspereza urbana. Capa límite [17] http: //www.metof fi ce.gov.uk/renewables/wind-map ; 03/09/2012.
Meteorología 2002; 104: 229 mi 59 . [18] http://www.warwickwindtrials.org.uk/ ; 03/09/2012.
[10] Xie ZT, Coceal O, Castro IP. Simulación de remolinos grandes de fl fluye al azar [19] Anderson J, Phillips R, Blackmore P, Clift M, Aguilo-Rullan A, Pester S. Micro turbinas en entornos urbanos:
obstáculos de tipo urbano. Meteorología de la capa límite 2008; 129: 1 mi 23 . una evaluación. Watford, Reino Unido: BRE Trust; 2007 .
[11] Raupach MR, Antonia RA, Rajagopalan S. Límite turbulento de pared rugosa
capas. Revisión de Mecánica Aplicada 1991; 44: 1 mi 25 . [20] James PAB, Sissions MF, Bradford J, Myers LE, Bahaj AS, Anwar A, et al. Implicaciones del Reino Unido fi ensayo
[12] Millward-Hopkins J, Tomlin A, Ma L, Ingham D, Pourkashanian M. Aero- de campo de micro turbinas eólicas de eje horizontal montadas en un edificio. Política energética 2010; 38: 6130 mi
parámetros dinámicos de una ciudad del Reino Unido derivados de datos morfológicos. Meteorología de la 44 .
capa límite 2012. http://dx.doi.org/10.1007/s10546-012-9761-2 . [21] Ubicación, ubicación, ubicación: viento doméstico a pequeña escala fi informe de ensayo de campo. www.
[13] Millward-Hopkins J, Tomlin A, Ma L, Ingham D, Pourkashanian M. Estimación de parámetros aerodinámicos energysavingtrust.org.uk ; 03/09/2012.
de superficies urbanas con alturas de construcción heterogéneas. Meteorología de la capa límite 2011; 141: [22] Fundación RE. www.ref.org.uk/index.php [09/03/2012]. AEA. www.aeat.com/microgenerationindex/
443 mi sesenta y cinco . [23] [09/03/2012].