Selección de climas de oleaje

mediante métodos de agrupamiento

Felipe Lucero R.

Proyecto Innova Corfo código 09CN14-5718

“Catastro del recurso energético asociado a oleaje para el apoyo a la evaluación de proyectos
de generación de energía Undimotriz”
 Motivación

• La recomendación de uso principal (Pub. 3201, SHOA 2012), basa su estudio de climas de oleaje en parámetros
estadísticos por lo que se pierde gran parte de la información obtenida por los instrumentos.

• Datos reales medidos por Boyas o ADCPs, han evolucionado desde determinar solo algunos parámetros de resumen
a entregar una gran cantidad de información como por ejemplo el ancho espectral.

• Caracterizar de una manera más compleja los climas de oleaje de diseño y extremo.

• Utilizar técnicas más eficientes para realizar procesos de calibración y de propagación para la caracterización de
climas operacionales.

Proyecto Innova Corfo código 09CN14-5718

 Revisión Teórica

A partir de los espectros direccionales del oleaje (), donde f es la frecuencia en Hz y q la dirección, se pueden determinar
parámetros estadísticos fundamentales para caracterizar el oleaje de acuerdo a lo presentado por Holthuijsen, (2007).

Para la realización de este estudio se eligieron los siguientes parámetros estadísticos:

• Altura Significativa Espectral

• Periodo Energético

• Mean Wave Direction

• Potencia de Oleaje

donde mn es el momento de orden n, definido para un registro discreto por

Proyecto Innova Corfo código 09CN14-5718

 Revisión Teórica – Pub. 3201 SHOA

Esta publicación establece las normas para la realización de mediciones y análisis de datos de oleaje.

Datos:

• La base de datos de oleaje utilizada para caracterizar el oleaje en aguas profundas deberá tener una extensión
mínima de 20 años. De esta se deberán presentar:
• Espectros direccionales de energía.
• Series de tiempo (Altura significativa, periodo pico o medio y dirección media).

Determinación clima de oleaje operacional:

• Se deben crear tablas de incidencia (altura vs. dirección, periodo vs. dirección y altura vs. periodo), rosas de oleaje y
periodos, para así, determinar tanto el oleaje reinante como dominante.

Determinación clima de oleaje extremo:

• Realizar un análisis de tormentas, el que consiste de determinar las mayores olas ocurridas en cada uno de los 20
años de la base de datos. Con esta se debe realizar ajuste de funciones de probabilidad, para así, construir tablas de
excedencia, que permitan conocer los parámetros de diseño (altura significativa, periodo pico o medio y dirección
media) para distintos periodos de retorno.

Proyecto Innova Corfo código 09CN14-5718

 Revisión Teórica – Métodos de Clustering

Estos métodos tienen por objetivo agrupar un conjunto de datos en sub grupos llamados “clusters”, en los cuales los
datos contenidos en cada sub grupo tienen la característica de ser similares en algún sentido (dependiendo del método
utilizado). Estos métodos fueron analizados por Camus et al., (2011) para su aplicación al oleaje.

• Ventajas:
 Analizar estados de climas multidimensionales (cada estado de mar representado por más de un
parámetro).
 No presenta dificultad para realizar el análisis con menos o más parámetros.

• Desventajas:

× Los resultados se basan en los datos utilizados, por lo cual no es posible la extrapolación.

Proyecto Innova Corfo código 09CN14-5718

 Revisión Teórica – Métodos de Clustering

Para este estudio el oleaje esta compuesto por Con el objetivo de que todos los componentes presenten el mismo peso
relativo en el análisis, es que se normalizan los parámetros de la siguiente manera:

• Normalización

Proyecto Innova Corfo código 09CN14-5718

 Revisión Teórica – Métodos de Clustering

• Distancia entre puntos:

donde
 
: Es la componente ( del grupo de “m” vectores existentes.
: Es la componente ( del grupo de “n” datos.

• Desnormalización:

  

Proyecto Innova Corfo código 09CN14-5718

 Revisión Teórica – KMA
• Objetivo  Representar la tendencia promedio de la totalidad de los datos.

•  Criterio de selección  Mínima distancia entre el vector en estudio y el vector representativo de cada
subgrupo.

• Procedimiento: (Input  Cantidad de M Subgrupos)

 Elección aleatoria de M vectores iniciales.
 Determinar las distancias entre los vectores y la totalidad de los datos.

1. Obtener el vector promedio de cada subgrupo,

genera nuevo vector representativo
2. Determinar las distancias entre los vectores y la
totalidad de los datos.
3. Reagrupar nuevamente los datos.

 Este procedimiento se repite hasta que el vector

Camus, P., et al., Analysis of clustering and selection

algorithms for the study of multivariate wave climate, Coast.
Eng. (2011), doi:10.1016/j.coastaleng.2011.02.003
Proyecto Innova Corfo código 09CN14-5718
 Revisión Teórica – MDA
• Objetivo  Representar la diversidad de la totalidad de los datos.

• Criterio de selección  Máxima disimilaridad entre el vector en estudio y el vector representativo

de cada subgrupo.
• Procedimiento: (Input  Cantidad de M Subgrupos)

 Determinar las distancias entre la totalidad de los datos.

 Seleccionar el vector más disímil entre la totalidad de los datos.

 Para encontrar el vector

1. Determinar la distancia entre los vectores

(hasta con la totalidad de puntos restantes.
2. Determinar la distancia minima entre cada
punto y los vectores existentes:

3. El vector , será el valor máximo las distancias

mínimas

 Este procedimiento se repite hasta obtener los M

vectores escogidos.
Camus, P., et al., Analysis of clustering and selection
algorithms for the study of multivariate wave climate, Coast.
Eng. (2011), doi:10.1016/j.coastaleng.2011.02.003
Proyecto Innova Corfo código 09CN14-5718
 Revisión Teórica – MDA
Elección del cuarto elemento representativo de la muestra de datos.
Muestra de tamaño R datos
Subconjunto representativo

Para cada elemento de la muestra de

tamaño R-3 datos, se calcula

Luego, se guarda en el vector:

Finalmente el cuarto elemento del subconjunto

representativo es el que corresponde a

Proyecto Innova Corfo código 09CN14-5718

 Datos Utilizados
Boya 46028 NDBC:
12
• Ubicada en la costa oeste de Estados Unidos. 10
• Profundidad de 1158 [m]. 8
•

Hm0 [m]
Series de tiempo de 10 años (2002-2012), 6
medidos cada una hora. 4

Datos válidos 84914 de los 94759 disponibles. 0

15

10

T10 [s]
5

300
MWD [deg]

200

100

Mapa de Ubicación Boya 46028 NDBC. 0

2002 2004 2005 2006 2008 2009 2010 2012
Año
Series tiempo altura significativa (Hm0), Periodo medio (Te), Dirección media
del oleaje (MWD).

Proyecto Innova Corfo código 09CN14-5718

 Climas de Oleaje (SHOA)
12

11 160

10 1
140

9 1 3 2 2 2

120
8 5 5 8 9 7 1

Energia Oleaje [MWh/m]

7 1 19 17 30 19 7 2 1 100
Oleaje
Dominante
Hs[m]

6 4 80 73 77 73 37 20 5

80

5 2 172 587 329 292 219 105 54 6 3 2

4
Oleaje 244 2013 1580 1223 791 460 182 77 36 17 2 60
Reinante
3 531 5910 5779 4460 2744 1424 782 396 110 53 7 2
40

2 96 7239 10198 8552 7006 3848 1645 705 255 73 22

20
1 330 2768 3521 4148 3169 1272 468 154 28 7

0 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Te [s]
Matriz de energía y dispersión de altura significativa (Hm0) vs. periodo (Te).

Oleaje Reinante: Oleaje Dominante:

Proyecto Innova Corfo código 09CN14-5718

 Climas de Oleaje (SHOA)
12

220
11

200
10 1

180
9 2 7 1

160
8 4 1 1 17 1 6 4

Oleaje

Energia Oleaje [MWh/m]

140
7 7 1 2
Dominante 9 44 12 18 3
Hs[m]

6 9 1 5 2 1 5 25 102 90 101 27 120

5 8 4 2 25 30 11 3 2 16 52 338 516 604 144 1 100

4 13 6 1 20 58 56 18 7 Oleaje
14 Reinante
7 26 223 1053 2023 2319 697 11 80

3 32 25 7 34 114 93 55 48 55 79 172 695 3084 6594 7726 3000 156 60

2 32 53 65 163 285 582 618 415 336 358 597 1722 5312 9463 12796 5901 449 40

1 42 41 68 166 514 1026 1367 1011 662 446 495 869 1726 2760 3225 1142 79 20

0
90 105 120 135 150 165 180 195 210 225 240 255 270 285 300 315 330 345 360
MWD [deg]

Matriz de energía y dispersión de altura significativa (H m0) vs. dirección media (MWD).

Oleaje Reinante: Oleaje Dominante:

•
• •
Proyecto Innova Corfo código 09CN14-5718
Climas de Oleaje(SHOA)

Oleaje Reinante:

•
•

Oleaje Dominante:

Proyecto Innova Corfo código 09CN14-5718

 Resultados – Oleaje Operacional (KMA)
Agrupamiento con KMA de los Parametros H,T,Dir

Vect. Representativos
¿Cómo encontrar los “M” grupos óptimos? V1
V2
V3
V4
N
NO

Proceso NE
Iterativo O

E
SO

SE
S

Vector Hmo [m] Te [s] MWD [deg] % de Datos Totales

1 2.89 8 310 28.8
2 1.92 6 309 39.6
3 2.67 10 291 20.9
4 1.60 7 194 10.7

Proyecto Innova Corfo código 09CN14-5718

 Resultados – Oleaje Extremo (MDA) Agrupamiento con MDA de los Parametros H,T,Dir

Vect. Representativos
V1 − 08/11/2002 16:00
V2 − 03/06/2008 20:00
V3 − 07/01/2003 06:00
V4 − 04/06/2009 15:00
¿Cómo encontrar los “M” grupos óptimos? V5
V6
− 20/12/2002 00:00
− 15/06/2009 19:00

NO N

Proceso
Iterativo O NE

|dism  𝑖+1 −disim  𝑖|≈ 0

SO E

S SE

Vector Hmo [m] Te [s] MWD [deg] Fecha % de Datos Totales

1 8.72 14 105 08.11.2002 16:00 0.03
2 1.17 4 284 03.06.2008 20:00 86.57
3 5.06 16 280 07.01.2003 06:00 6.32
4 0.73 7 104 04.06.2009 15:00 4.56
5 6.45 8 196 20.12.2002 00:00 1.52
6 1.89 14 169 15.06.2009 19:00 1

Proyecto Innova Corfo código 09CN14-5718

 Análisis en Chile Central
8

250 [kW/m]
7 1 2 35

6 100 Oleaje
[kW/m] 1 2 5 8 3 30
Dominante

Energia Oleaje [MWh/m]

5 1 2 16 43 37 24 5 25
Hmo [m]

4 3 36 116 157 220 216 80 32 3 20

25 [kW/m]
Oleaje Reinante
3 1 81 562 833 850 574 260 89 18 3 3 15

5 [kW/m]
2 29 545 1190 1289 1092 642 284 71 14 1 2 10

1 5 71 215 286 216 111 30 22 2 5

0 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Te [s]
Matriz de energía y dispersión de altura significativa (Hm0) vs. periodo (Te).

Oleaje Dominante: Oleaje Reinante:

• •
Proyecto Innova Corfo código 09CN14-5718
 Análisis en Chile Central
8
Este Sur Oeste Norte
7 2 1 60

Oleaje
6 5 6 8
Dominante 50

5 2 53 49 19 4 1

Energia Oleaje [MWh/m]

40
Hmo [m]

4 9 419 345 63 19 5 2 1
Oleaje Reinante
30
3 62 1560 1405 183 31 22 7 4

20
2 1 137 2495 1882 422 103 49 40 14 10 6

1 17 309 359 185 71 9 6 2 10

0 0
90 105 120 135 150 165 180 195 210 225 240 255 270 285 300 315 330 345 360
m [Deg]
Matriz de energía y dispersión de altura significativa (H m0) vs. dirección media (MWD).

Oleaje Dominante: Oleaje Reinante:

•
• •
Proyecto Innova Corfo código 09CN14-5718
 Análisis en Chile Central
Agrupamiento con KMA de los Parametros H,T,Dir

Vect. Representativos
Oleaje Operacional (KMA) V1
V2
NO N V3
V4
V5

O NE

SO E

S SE

Vector Hmo [m] Te [s] MWD [deg] % de Datos Totales

1 1.09 23 306 0.04
2 1.91 11 266 8.12
3 3.68 12 235 16.18
4 2.62 10 231 41.55
5 1.76 10 232 34.11
Proyecto Innova Corfo código 09CN14-5718
 Análisis en Chile Central
Agrupamiento con MDA de los Parametros H,T,Dir

Oleaje Extremo (MDA) Vect. Representativos

V1 − 20/03/2012 13:00
N V2 − 03/07/2013 13:00
V3 − 19/03/2012 23:00
NO V4 − 01/12/2012 22:00

NE

SO

SE
S
Vector Hmo [m] Te [s] MWD [deg] Fecha % de Datos Totales
1 0.32 11 53 20.03.2012 .18
2 6.65 16 247 03.07.2013 4.81
3 1.04 27 286 19.03.2012 0.03
4 1.00 8 225 01.12.2012 94.99

Proyecto Innova Corfo código 09CN14-5718

 Conclusiones
• El método KMA:
 Representa de manera fiel la selección de climas operacionales.
 La selección incluye además el agrupamiento conjunto de varios parámetros, en este caso de
 Es posible propagar posteriormente solo estos casos representativos y no es necesario
propagar múltiples casos como se hace tradicionalmente (Lo cual lo hace más rápido).
 El método tradicional es usar con una altura dada, múltiples condiciones de períodos y
direcciones.

• El método MDA:
 Es capaz de representar los casos extremos de la totalidad de la muestra de datos.
Considerando todos los parámetros como relevantes.
 El método tradicional, es una interpretación de los resultados en los rangos que el usuario
considere extremos, considerando como parámetro más importante el de la altura
relegando a un segundo plano las otras variables como la dirección de este.

× Ambos métodos basan sus análisis en los datos entregados, es decir, no es posible la extrapolación de
estos.

Proyecto Innova Corfo código 09CN14-5718

 Trabajo en Desarrollo
• Utilización del método MDA en calibración de modelos de propagación espectral, con el objetivo de
reducir tiempos en cálculos computacionales al reducir los escenarios necesarios.

• Utilización del método KMA para lograr caracterizar los climas operacionales en análisis de series de
tiempo de largo plazo.

• Estudiar que otro parámetro podría ser posible adicionar al análisis de estos métodos, para así obtener un
mejor análisis de los estados de mar.

Proyecto Innova Corfo código 09CN14-5718

 Agradecimientos
• Proyecto Innova Corfo código 09CN14-5718
• Financiamiento estudios de Postgrado
CONICYT-PCHA/Magíster Nacional/2013 –22130930

Felipe Lucero R.

Gracias por su atención.