Estimación por método UPD multivariable de un modelo óptimo 3D de recursos eoloenergéticos

Eduardo Terrero-Matos, Arístides A. Legrá-Lobaina

Resumen


A fin de evaluar los recursos eoloenergéticos de una región promisoria este trabajo propone un estimador UPD multivariado, miembro de la familia [A,U,Θ] con parámetros p y s, que permitió calcular simultáneamente los parámetros de Weibull K y C en un punto Pe, a partir de los valores medidos de estas variables en varios puntos de muestreo. Durante la estimación 3D se tuvo en cuenta la relación espacial entre los datos y los valores asociados de altura y rugosidad del terreno; con los resultados estimados se elaboró un modelo de recursos energéticos del viento dado por una malla 3D donde a cada nodo se asociaron los valores de K y C. Finalmente, se describe un método de optimización combinatoria para encontrar los valores de p y s tal que el modelo de malla sea factible y óptimo para los datos dados.

Palabras clave


estimador UPD; energía eólica; modelos matemáticos; malla 3D; optimización combinatoria.

Texto completo:

PDF

Referencias


Agnese-Ramos, D. 2017: Estabilidade atmosférica em projetos eólicos: estimativa bayesiana do comprimento de Monin Obukhov e simulação do escoamento atmosférico. Dissertação de Mestrado. Universidade Federal do Rio de Janeiro. Consulta: 14/02/2019. Disponible en: https://pantheon.ufrj.br/bitstream/11422/5964/4/867619.pdf

Arenas-López, J. P. 2018: Modelos de velocidades de viento basados en ecuaciones diferenciales estocásticas. Tesis de maestría. Instituto Politécnico Nacional. Ciudad de México.

Artillo-García, M. 2017: Estudio del Potencial Eólico y Viabilidad de Parque Eólico en Andalucía. Trabajo de Diploma. Universidad de Sevilla. Sevilla. Consulta: 22/02/2019. Disponible en: https://idus.us.es/xmlui/bitstream/handle/11441/65467/TFG_Manuel%20 Artillo%20Garc%c3%ada.pdf?sequence=1&isAllowed=y

Blum, A. y Oli, R. A. 2003: Metaheuristics in combinatorial optimization: Overview and conceptual comparison. ACM Computing Surveys, 35(3): 268–308. Consulta: 17/02/2019. Consultado: 20/11/2018. Disponible en: https://www.iiia.csic.es/~christian.blum/downloads/blum_roli_2003.pdf

Feitosa, E. A. N.; Pereira, A. L.; Silva, G. R.; Veleda, D. y Silva, C. C. 2002: Panorama do potencial eólico no Brasil. Projeto BRA/00/029. Agência Nacional de Energia Elétrica. Brasília. P. 42-52.

Ibargüengoytia-González, P. H.; Reyes-Ballesteros, A.; Borunda-Pacheco, M. y García-López, U. A. 2018: Predicción de potencia eólica utilizando técnicas modernas de Inteligencia Artificial. Revista Ingeniería Investigación y Tecnología, XIX (4): 1-11. ISSN: 2594-0732. DOI. http://dx.doi.org/10.22201/fi.25940732e.2018.19n4.033

Jaramillo-Salgado, O. A. 2013: Energía eólica teoría y conceptos. En: Evento CAPEV 15 de la OLADE. Temixco, Morelos, México. Consulta: 15/02/2019. Disponible en: https://www.slideserve.com/delano/energ-a-e-lica-teor-a-y-conceptos.

Legrá-Lobaina, A. A. 2017: Modelos de malla basados en estimadores (A,U,Θ). Revista HOLOS, 33(4): 88-110. DOI:10.15628/holos.2017.5351.

Legrá-Lobaina, A. A. 2018: Evaluación del error en estimaciones (A,U,Θ). Revista HOLOS, 33(4): 88-110. DOI:10.15628/holos.2017.5351.

Legrá-Lobaina, A. A.; Lamorú-Reyes, A. y Cala-Hinojosa, A. 2016: Evaluación de modelos 2D de variables geotecnológicas en un bloque de un yacimiento laterítico cubano. Quinta parte: Optimización combinatoria del método UPD. Minería y Geología, 32(4): 33-48. ISSN: 1993 8012.

Legrá-Lobaina, A. A. y Terrero-Matos, E. 2019: Modelación de variables eólicas mediante estimadores (A,U,Θ) multivariados. Minería y Geología, 35(1): 84-99. ISSN: 1993 8012.

Miller, I.; Freund, J. y Johnson, R. 2005: Probabilidades y Estadísticas para ingenieros. Cuarta Edición. México: Prentice-Hall Hispanoamericana S.A.

Moreno, C.; Martínez, J.; Leiva, G.; Roque, A.; Novo, R.; Costa, A.; y Limia, M. 2017: Doce preguntas y respuestas sobre energía eólica. La Habana: Editorial Cubasolar. 603 p.

Rivera, S. 2004: Estado del Arte en la Ubicación Óptima de Capacitores y Estudio de Optimalidad de la Solución mediante Búsqueda Exhaustiva. Revista Ingeniería e Investigación, 56: 67–72. Consulta: 14/02/2019. Disponible en: https://www.redalyc.org/pdf/643/64324310.pdf

Roque, A. 2019: Estimación y pronóstico del recurso eólico en Cuba. En: Taller CUBAEOLICA 2019. Centro de Física de la Atmósfera, Instituto de Meteorología, Cuba, 10-12 julio.

Serrano, J. C. 2013: Comparación de métodos para determinar los parámetros de Weibull para la generación de energía eólica. Scientia et Technica, 18(2): 315-320. Universidad Tecnológica de Pereira. ISSN: 0122-1701. Consulta: 14/02/2019. Disponible en: https://dialnet.unirioja.es/descarga/articulo/4384040.pdf

Terrero-Matos, E.; Legrá-Lobaina, A. A. y Lamorú-Reyes, A. 2014: Método de inverso de la potencia de la distancia para estimar la velocidad del viento. Ingeniería Energética, 35(3): 263-273. ISSN: 1815-5901.

Valdés, J. M. y Vinagre, C. 2012: Modelos de previsiones del viento. Departamento de Ingeniería Eléctrica, Escuela de Ingeniería, Pontificia Universidad Católica de Chile, Santiago. Consulta: 14/02/2019. Disponible en: http://hrudnick.sitios.ing.uc.cl/alumno12/viento.


Estadísticas

Resumen
209
PDF
60


Copyright (c) 2020 Eduardo Terrero-Matos, Arístides A. Legrá-Lobaina

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.