RD 436/2004 Predicción de Producción Energética en Parques Eólicos

Transcripción

1 RD 436/2004 Predicción de Producción Energética en Parques Eólicos Luis Muñoz, Garrad Hassan España APPA II Jornada Informativa Barcelona, Abril \BT\16\ 1

2 Quién es Garrad Hassan? Consultores líderes e independientes en energía eólica 120 empleados (10 en España) repartidos en 11 países Establecida en 1984 Evaluación del recurso eólico MW en 60 países MW en España!! GH offices

3 Qué es la predicción a corto/medio plazo? La predicción de producción energética horaria de parques eólicos abarcando un horizonte de predicción desde 1 hora hasta 2 o 3 días. Existen varias técnicas de predicción que intentan reducir las incertidumbres asociadas a las predicciones de viento de los modelos meteorológicos y traducirlas a potencia energética. Se pueden clasificar en métodos estadísticos y métodos físicos.

4 La necesidad de la predicción La predicción de la producción en parques eólicos en un mercado eléctrico liberalizado con un creciente nivel de penetración de energía eólica en la red eléctrica es necesaria. Operadores de parques Comercialización de la energía producida de origen eólico en el mercado eléctrico. Programación de tareas de operación y mantenimiento para reducir las pérdidas de producción asociadas. Operador del sistema eléctrico Asegurar el suministro y reservas (horas) y programación de generación (días).

5 Cómo funciona un modelo de predicción? Por norma general existen tres fases de modelización: 1) Predicción de viento del instituto meteorológico (IM) 2) Correcciones de las predicciones del IM a las específicas de cada emplazamiento 3) Transformación de las predicciones de viento en predicciones de energía No es una ciencia exacta, siempre habrá incertidumbres asociadas a los modelos!!!

6 Fase 1 Predicción meteorológica de viento Se emplean técnicas numéricas aproximadas (discretización) para resolver complejos modelos de ecuaciones diferenciales que no tienen soluciones analíticas. Dicha discretización crea una rejilla de puntos con poca resolución que no es suficiente para satisfacer las necesidades de la industria eólica. En España hay varios organismos, grupos de investigación y empresas que pueden ofrecer dicho servicio. El INM emplea el modelo HIRLAM proporciona predicciones con pasadas a las 00, 06, 12 y 18 horas con un alcance de hasta 48 horas. Resolución 0.5º ~ 20 x 50 km Resolución 0.2º ~ 12 x 20 km Resolución 0.05º ~ 3 x 6 km (Próximamente)

7 Fase 2 Adaptación local Corrección del modelo a escala local. Esta fase es la que define el tipo de modelo empleado que puede ser Métodos estadísticos (utilizando datos de viento y producción del parque eólico) - GH Forecaster MOS (Model Output Statistics) Autoregresión Estadística, Redes Neuronales, Lógica difusa, etc. Métodos físicos (mejorar la resolución del modelo original meteorológico) Modelos simples de flujo (WAsP) Modelos de mayor resolución (efectos térmicos y/o locales del terreno) Combinación de métodos

8 Fase 3 Transformación de velocidad en potencia Creación de la Curva de Potencia del parque a partir de los datos históricos del SCADA (Sistema de Gestión y Control del Parque Eólico) dir 0º Matriz bidimensional P = f (V,Dir) Potencia del parque (kw) dir 30º dir 60º dir 90º dir 120º dir 150º dir 180º dir 210º dir 240º dir 270º dir 300º dir 330º Velocidad de referencia (m/s)

9 Servicio del GH Forecaster Visión global Entrada de datos Previsión de viento Datos del sistema SCADA L PTN Salida de Datos Pronóstico de Producción Energética

10 El método GH Forecaster Datoshorariosa tiempo real del parque eólico V(m/s), Dir (º), T(ºC), P(Pa) Pot(kW) y disponibilidad(%) Datos horarios cada 6 horas del INM u otros V(m/s), Dir (º), T(ºC), P(Pa) Datos PTN Modelo específico Predicción Viento Datos Emplazamiento Modelo estadístico de autorregresión adaptativo Curva de Potencia Predicción Potencia

11 Resultados 12 hr Predicción de Velocidad 25 Velocidad de viento [m/s] Met Office GH Forecaster Actual Nov 19 Nov 21 Nov 23 Nov 25 Nov 27 Nov 29 Nov

12 Resultados 12 hr Predicción de Producción Potencia [kw] GH Forecaster Actual Nov 19 Nov 21 Nov 23 Nov 25 Nov 27 Nov 29 Nov

13 12.0% Distribución de desvíos de velocidad 6ª Sesión Intra (T+1 to T+9) 1ª Sesión Intra (T+1 to T+29) Diario (T+30 to T+54) 10.0% 8.0% 6.0% 4.0% 2.0% 0.0% Desviación de velocidad [m/s] (Vmed - Vpred)

14 Distribución de desvíos de potencia

15 Costes de servicio de predicción Referencias previas de coste medio 0.9/MWh 1ª Jornada de APPA 0.6/MWh Wind Power Monthly (Diciembre 2003) Rango de costes de GH Asunciones: - Potencia nominal de los parques entre 10 MW y 50 MW. - Producción anual varía entre 2000 y 3000 horas equivalentes. Desde 0.25/MWh hasta 1.1/MWh

16 Costes de desvíos Estimaciones!! Tarifa regulada Coste = (Desvío 20%) x 10% x TMR si Desvío >20% Tarifa mercado Coste = Desvío x 10% x Precio Mercado Coste de Desvío Calidad de la predicción Regulada ( /MWh) % Tarifa Mercado(*) ( /MWh) % Tarifa Alta % % Media % % Baja % % Valor constante % % Nota (*) Precio de Mercado de 3 cent/kwh asumido para este ejercicio

17 Efecto de agregación de parques Según Artículo 28.3 del R.D. el agente vendedor podrá presentar las ofertas por el conjunto de las instalaciones de R.E. que representa, agrupadas en una o varias unidades de oferta.. Efecto de agregación de parques es beneficioso mediante la compensación de desvíos entre ellos (hasta cierto límite) Mayor beneficio cuánto más dispersos están los parques geográficamente. Reglas de juego Exigir unas predicciones con una calidad mínima para beneficiarse del efecto de la agregración. Si un parque siempre predice mal, éste debería ofertarse independientemente.

18 Consideraciones prácticas y recomendaciones Operadores del parques eólicos Puesta a punto del modelo de 1 a 3 meses. Mástil(es) en el emplazamiento deberían ser libres de estela Buenas comunicaciones con el exterior (línea telefónica, telefonía móvil, etc.) Modificaciones en el sistema SCADA para intercambio de información automático (correo electrónico) No esperar a Enero Para el ajuste del modelo Cuánto antes funcione mejor!! Agentes del Mercado Promover unas Reglas de Juego Proveedores del Servicio de Predicción Mejorar los modelos (colaboración activa con los meteorólogos)

19 Conclusiones Predicción es una herramienta necesaria en sistemas eléctricos con muchos MW eólicos. Existen herramientas comerciales para un servicio adecuado. Queda trabajo e investigación para llevar a cabo por los modelizadores. La agregación de parques bajo una unidad de oferta puede resultar beneficiosa. Costes del servicio de predicción son conocidos. Costes de desvío aceptables con un buen modelo de predicción.