Pronostico de viento a corto plazo utilizando el modelo WRF en tres regiones de inters para el Programa Elico Cubano

Revista Cubana de Meteorologa, 22(2): 164-187, 2016, ISSN: 0864-151X

 

ARTCULO ORIGINAL

 

Pronóstico de viento a corto plazo utilizando el modelo WRF en tres regiones de inters para el Programa Elico Cubano

 

Short-term wind forecast using the WRF model in three regions of interest for the Cuban Wind Program

 

 

Lic. Alfredo Roque Rodrguez, Lic. Adrian Ferrer Hernndez, Lic. Israel Borrajero Montejo, MSc. Maibys Sierra Lorenzo, Lic. Alfredo Valds Verde

Centro de Fsica de la Atmsfera, Instituto de Meteorologa, La Habana, Cuba


 


RESUMEN

En la actualidad el empleo de la energa elica para la produccin de electricidad es cada vez ms creciente. En el ltimo reporte del Consejo Mundial de Energa Elica se ha dado a conocer que en la ltima dcada se ha alcanzado una capacidad acumulada de 433 GW a finales del 2015. Cuba, que ha apostado tambin por un uso cada vez mayor de las fuentes renovables de energa, se ha propuesto una proyeccin de ms de 600 MW de energa elica hasta el 2030. Sin embargo, la conexin a la red de este tipo de energa, representa un gran reto y por tanto se hace necesario la creacin de herramientas de prediccin de la energa a producir por los parques elicos a instalar, las que resultan ser decisivas a los fines del despacho nacional de carga (DNC) en la planificacin de la energa elctrica a entregar a los consumidores. Por tal motivo el presente trabajo, se enfoca a encontrar una metodologa de trabajo que permita realizar pronsticos a corto plazo del viento de manera confiable que pueda en un estudio posterior vincularse a la curva de potencia del parque para elaborar un pronstico energtico de inters para el DNC. Para este propsito, fue empleado el modelo WRF, de amplio uso en la esfera internacional, que incluye adems este tipo de estudio. La variable a pronosticar es la magnitud de la rapidez del viento hasta 36 horas de pronstico en lugares de emplazamiento de Torres de Referencia Meteorolgica con diferentes condiciones fsico-geogrficas. Los resultados muestran que el modelo sobrestima los valores de rapidez del viento y que adems los errores en el pronsticos son mayores para las costas que en las zonas interiores, lo que indica la realizacin de nuevos estudios con la finalidad de obtener resultados ms confiables.

Palabras clave: viento, pronóstico, energía eólica


ABSTRACT

Nowadays, the use of wind energy for electricity production is increasing. In the last report of the World Wind Energy Council it has been announced that in the last decade a cumulative capacity of 433 GW has been reached by the end of 2015. Cuba, which has also opted for an increasing use of renewable sources of energy, a projection of more than 600 MW of wind energy has been proposed until 2030. However, the connection to the grid of this energy type represents a great challenge and therefore it is necessary to create prediction tools of the energy to be produced by the wind farms to be installed, which are decisive for the purposes of the National Load Office (DNC according its acronyms in Spanish) in planning the electric energy to be delivered to consumers. For this reason the present work focuses on finding a working methodology that allows making short-term forecasts of the wind in a reliable way that in a later study can be linked to the power curve of the park to elaborate an energetic forecast of interest for the DNC. For this purpose, the WRF model was used, widely used in the international sphere, which also includes this type of study. The variable to be forecast is the magnitude of the wind speed up to 36 hours of forecast in places of location of Meteorological Reference Towers with different physical-geographical conditions. The results show that the model overestimates the values of wind speed and also that the errors in the forecasts are higher for the coast than in the interior zones, which indicate the realization of new studies in order to obtain more reliable results.

Key words: wind, forecast, wind energy


 

 

INTRODUCCIÓN

El Consejo Mundial de Energía Eólica (GWEC), ha publicado recientemente el continuo crecimiento que ha tenido el empleo de la energía eólica en la última década, totalizando una capacidad acumulada de 433 GW a finales del 2015 (GWEC, 2016). Cuba, aunque de manera modesta, se ha integrado al uso de esta energía y ha proyectado la introducción al sistema eléctrico nacional (SEN) de 633 MW de energía eólica hasta el año 2030. Tal penetración de esta energía al SEN representa poco más del 10%, lo que ayudara en unión de otras energías renovables a ir cambiando la matriz energética y con ello contribuir a una disminución significativa del uso de combustibles fósiles para satisfacer la demanda eléctrica del país.

El empleo de la energía eólica trae nuevos retos y especialmente para Cuba por ser una isla y no poder complementarse de otros sistemas eléctricos provenientes de otros países, como sucede en Europa. Resulta clave ante tal proyección, la creación de herramientas de pronósticos que hagan predecible este tipo de energía con el objetivo de hacerla planificable para los fines de operación y mantenimiento de los parques eólicos.

Para tales retos, el  programa de investigación para el empleo de la energía eólica se ha propuesto la elaboración de pronósticos energéticos para parques eólicos, basado fundamentalmente en la generación de pronósticos de vientos con buena confiabilidad, empleando para ello la modelación numérica, específicamente el modelo WRF, de amplio uso en la esfera internacional.

Por tal motivo, el  objetivo del  trabajo es evaluar la habilidad del modelo numérico WRF para elaborar pronósticos de viento a corto plazo con alta resolución para tres sitios con diferentes condiciones físicas-geográficas, ampliando el trabajo realizado por Valdés et al., (2015), en el que utilizó solo dos dominios.

 

MATERIALES Y MTODOS

Se utiliz el modelo numrico de pronstico Weather Research & Forecasting (WRF) (Mesoscale & Microscale Meteorology Division, 2014), desarrollado por un consorcio formado por agencias gubernamentales y universidades de USA, de amplio uso en las investigaciones meteorolgicas aplicadas, entre las cuales estn las relacionadas con la estimacin y pronstico del recurso elico (Adams & Keith, 2007; Claire & Yubao, 2010; Draxl et al., 2010; Storm & Basu, 2010; Yubao, 2010; Zelle et al., 2010) en diferentes regiones.

El WRF es un modelo tipo no-hidrosttico que resuelve las ecuaciones primitivas que controlan la circulacin atmosfrica. El modelo representa el estado de la atmsfera en una rejilla tridimensional en trminos de unas diez variables fundamentales (las tres componentes de viento u,v,w, la temperatura, presin, humedad y varias especies microfsicas que representan las diferentes fases del agua lquida). El modelo obtiene sus condiciones de frontera de datos procedentes de modelos globales del clima provenientes de centros operacionales de pronstico del tiempo, en particular del Global Forecast System (GFS), resolucin 0.5 grados (~55 km).

Las corridas con el modelo WRF se hicieron para 3 sitios donde se encuentran emplazadas torres de referencia meteorolgica (Figura 1), atendiendo a su ubicacin geogrfica y a la posibilidad de contar con datos medidos en cada sitio, lo que posibilita hacer una evaluacin del desempeo del modelo para estos fines. Las torres seleccionadas fueron las de Caibarin TV en la costa norte, Camagey TV en la zona interior de la isla y alejada de la influencia costera y el Brinco, ubicada en la costa sur de Matanzas.

Figura 1. Torres de Referencia seleccionadas para los experimentos con el modelo WRF. Caibarin TV en la costa norte, Camagey TV en el interior de la Cuba y El Brinco en la costa sur de Matanzas, Cuba

El periodo para efectuar las corridas del modelo fue el 2008, por ser un periodo comn de observaciones para las 3 torres seleccionadas. Los datos utilizados para inicializar el WRF fueron los reanlisis del GFS para ese ao, en el horario de las 0000 UTC, realizando pronsticos de 24 horas.

Estas torres cuentan con mediciones cada 10 min de la variable rapidez del viento en 4 niveles de medicin (10, 30, 50 y 100 m), adems de otras variables (Roque et al., 2015b).

La configuracin del modelo, incluyendo las parametrizaciones, se muestra en la tabla 1, las que han sido estudiadas en trabajos anteriores (Mitrani et al., 2003, 2004; Sierra et al., 2014).

Tabla 1. Parametrizaciones utilizadas en el modelo WRF para el desarrollo del Trabajo

Con esta configuracin se realizaron 2 experimentos (Exp. 1 y Exp. 2):

Exp. 1: Se definieron tres dominios anidados bidireccionalmente, que abarcan a Cuba entera, con resoluciones 27, 9, y 3 km.

Exp. 2: Se definieron dos dominios anidados bidireccionalmente, que abarcan a Cuba entera con resoluciones 27 km y 9 km. Adems se definieron dominios locales para cada una de las torres mencionadas con resolucin de 3 km.

El diseo de los experimentos obedece a conocer cunto puede aportar el aumento de la resolucin del dominio en el pronstico obtenido y al mismo tiempo conocer cunto aporta el cambio de tamao de los dominios en la obtencin del mismo pronstico. La figura 2, muestra la ubicacin y el rea que abarca cada dominio diseado.

A

B

C

D

Figura 2. Dominios confeccionados para los experimentos descritos. (A) Exp.1, (B), (C), (D) Exp. 2, en estos se observan los dominios locales de 3 km de resolución que en un futuro alimentarán dominios más pequeños con resolución de 1 km

Todas las salidas pronosticadas fueron datos trihorarios de la rapidez del viento, para los niveles de 10, 30, 50 y 100 m. Se comparar el perfil vertical del viento, dado por el modelo y el que se obtiene aplicando la ley de potencia del viento (Emeis 2013), tomando como referencia el valor de 10 m y los valores del exponente de variacin vertical del viento (alfa) para distintas categoras de estabilidad (estable, neutral e inestable) para cada sitio de emplazamiento, determinados por Roque et al., (2015b), y que se muestran en la tabla 2.

Tabla 2. Valores del exponente alfa de la ley de potencia del viento para cada tipo de estabilidad en las torres de referencia meteorológica seleccionadas

Para determinar los tipos de estabilidad atmosfrica a partir de las salidas numricas se procedi de la siguiente manera: La velocidad del viento a alturas de 30, 50 y 100 m se obtiene a partir del valor de la misma a 10 m mediante la aplicacin de la ley de potencia del viento. El mtodo utilizado de clasificacin en categoras de estabilidad es una variante de la clasificacin de Pasquill (1961). En este caso se ha aplicado un mtodo reportado por Magidi (2013), que utiliza (casi) los mismos rangos de velocidad del viento y en lugar de cobertura nubosa aplica rangos numricos de radiacin solar incidente en el horario diurno y de balance de radiacin por la noche, lo cual tiene mucho ms sentido fsico. Todos estos parmetros se pueden obtener o calcular a partir de las variables de salida del WRF (Tabla 3).

Tabla 3. Parámetros empleados

Las seis categoras originales se reducen a tres ms generales: 'inestable' ('A','AB','B','BC'), 'neutra' ('C','CD','D') y 'estable' ('E','F') y se asigna para cada estacin el exponente alfa correspondiente de la ley de potencia de la velocidad en funcin de la altura. A continuacin se calculan por esta relacin los valores de velocidad del viento a 30, 50 y 100 m. Para evaluar la efectividad de los pronsticos, se calcularon los siguientes estadgrafos: Valor medio de la rapidez del viento y el Error medio absoluto EMA .

 

RESULTADOS Y DISCUSIN

1. Torre de Caibarin TV

Valor medio anual pronosticado de la rapidez del viento

La figura 3 muestra el valor medio anual pronosticado de la rapidez del viento para la torre de Caibarin TV. En el mismo se aprecia la oscilacin diurna de esta variable para ambos experimentos (barras azules y rojas), la que se corresponde con los valores medidos por los instrumentos en la ubicacin de la torre (barras verdes). En la misma puede observarse la sobreestimacin de los valores dados por el modelo para ambos experimentos con respecto a los valores reales y que esta sobrestimacin se hace mayor en la medida que se asciende en la capa superficial atmosfrica y despus de las 15 horas de pronstico. Adems la diferencia entre los valores pronosticados es casi imperceptible, lo que se confirmar en el prximo epgrafe cuando se analice el error medio absoluto.

Figura 3. Promedio anual de la rapidez del viento observado y pronosticado por el modelo WRF-ARW para las inicializaciones de las 0000 UTC del año 2008 para los dos experimentos realizados. Exp. 1 (barra azul) y Exp. 2 (barra roja) vs valores reales (barra verde). Torre de Caibarién TV

Lo ms importante de este anlisis es que el modelo describi bien el comportamiento diurno de la rapidez del viento para todos los niveles de altura en la torre de Caibarin (Roque et al., 2015c).

Error medio absoluto (EMA)

La figura 4 muestra el comportamiento del error medio absoluto (EMA) entre los valores pronosticados y observados para la torre de Caibarin, para los 2 experimentos realizados, teniendo en cuenta los distintos plazos de pronsticos y los distintos niveles de altura sobre la superficie terrestre en correspondencia con las mediciones realizadas en las torres. Se aprecia que no hay diferencias significativas entre los errores medios absolutos para los dos experimentos, denotando que la disminucin del tamao del dominio en aras de conseguir un menor tiempo en la obtencin del pronstico, no arroj mejores resultados. Aunque las diferencias son pequeas, generalmente en el experimento 1 se obtuvieron los menores errores absolutos.

Figura 4. Error medio absoluto (EMA) de la rapidez del viento pronosticado por el modelo WRF-ARW para las inicializaciones de las 0000 UTC del año 2008 para los dos experimentos realizados. Exp. 1 (curva azul) y Exp. 2 (curva roja). Torre Caibarién TV

Para ambos experimentos los menores EMA (~ 5 km/h o 1.4 m/s), se obtuvieron entre las 3 y 12 horas de pronstico, hasta el nivel de 50 m, coincidiendo con los horarios en presencia de estabilidad atmosfrica, estando los mnimos entre las 9 y 12 horas. Para el nivel de 100 m, aunque los mnimos (5-10 km/h) y mximos (10-15 km/h) del EMA se alcanzaron en los mismos horarios que lo niveles anteriores, los valores fueron muy superiores, aunque inferiores a los obtenidos por Valds et al., (2015), para todos los niveles. Sin embargo, el comportamiento para los plazos de pronsticos de 3 y 12 horas fue muy similar.

Se puede destacar que los mayores EMA se encontraron para los horarios donde haba inestabilidad atmosfrica, coincidentemente con los mejores valores de rapidez del viento para su aprovechamiento energtico en la costa norte (Soltura et al., 2006; Roque et al., 2015a). Otro aspecto de inters en la figura, es el incremento del EMA a medida que ascendemos en altura en la capa superficial atmosfrica para todos los plazos de pronstico. Por ejemplo, en el nivel de 10m, los menores errores estn por debajo de 5 km/h (1.4 m/s), sin embargo para los niveles de 30 y 50m, estos errores fueron, en los mismos plazos de pronstico de 5 6 km/h (1.3 1.7 m/s) y entre 10 12 km/h (2.8 3.3 m/s) para los 100 m de altura.

Comportamiento del valor medio de la rapidez del viento y el error medio absoluto para los Periodo Lluvioso (Mayo Octubre) y Poco Lluvioso (Noviembre Abril)

Para facilitar la comprensin del trabajo se mostraran solo los niveles de 10 y 50m de altura, aunque los dems niveles pueden consultarse en Roque et al., (2015a).

Para el periodo poco lluvioso (PPLL) (Figura 5) se aprecia una tendencia similar a lo visto para el ao entero. Nuevamente los valores pronosticados superan en magnitud a los observados para ambos experimentos y el error medio absoluto aumenta con la altura, pero sin diferencias significativas entre los dos experimentos.

Figura 5. Comportamiento del valor medio anual pronosticado y error medio absoluto para el periodo poco lluvioso en el Exp. 1 (curva azul) y Exp. 2 (curva roja). Niveles de 10 y 50 m. Torre Caibarién TV

Para el periodo lluvioso (PLL) (Figura 6), aunque se mantiene la representatividad de la variable, con mnimos en las horas de noche y madrugada y mximos en las horas del medioda y la tarde, los errores medios absolutos son inferiores para los plazos de pronsticos entre las 03-09 y 18 horas, con respecto al periodo poco lluvioso para el nivel de 10m, siendo muy similar para el nivel de 50 m. Nuevamente las diferencias entre los dos experimentos no son significativas.

Figura 6. Comportamiento del valor medio anual pronosticado y error medio absoluto para el periodo lluvioso en el Exp. 1 (curva azul) y Exp. 2 (curva roja). Niveles de 10 y 50m. Torre Caibarién TV

2. Torre El Brinco

Valor medio anual pronosticado de la rapidez del viento

Para la torre de El Brinco Roque et al., (2015c), encontraron que los mayores valores de rapidez media del viento se manifestaron en los horarios de noche y madrugada, principalmente por encima de los 30 m de altura, tal y como muestran las barras verdes. El modelo tambin refleja adecuadamente este comportamiento, mostrando un ascenso de los valores de rapidez del viento en los horarios de noche y madrugada en comparacin con la torre de Caibarin TV, lo que se traduce en una menor variacin de los valores de rapidez del viento durante todo el da (Figura 7).

Sin embargo, se mantiene la sobrestimacin de los valores medios pronosticados por el modelo como ocurri en Caibarin TV.

Figura 7. Valor medio anual de pronóstico de la rapidez del viento para los dos experimentos realizados. Exp. 1 (barra azul) y Exp. 2 (barra roja) vs valores reales (barra verde). Torre de El Brinco

Error medio absoluto (EMA)

Para el caso de la torre de El Brinco se muestra un comportamiento similar a la torre de Caibarin, con excepcin del nivel de 100 m, en que para la torre de El Brinco s se mantuvo el mismo comportamiento que en los niveles inferiores. En la figura 8 puede apreciarse, que para ambos experimentos los menores EMA (< 6 km/h o 1.7 m/s), se obtuvieron entre las 3 y 12 horas de pronstico, estando los mnimos entre las 9 y 12 horas de pronstico. Por otra parte, los mayores errores medios absolutos se encontraron a las 00 y 21 horas de pronsticos, es decir al principio y final del plazo de pronstico. Nuevamente Valds et al., (2015), encontraron valores superiores del EMA para todos los niveles, aunque con un comportamiento similar en los plazos de pronsticos. Para los niveles de 50 y 100 m los errores son superiores a lo encontrado en Caibarin TV.

A diferencia de lo encontrado en la torre de Caibarin, aqu es posible apreciar que en promedio el error medio absoluto es menor en el experimento 1 que en el experimento 2 para todos los niveles.

 

Figura 8. Error medio absoluto (EMA) de la rapidez del viento para los dos experimentos realizados. Exp. 1 (curva azul) y Exp. 2 (curva roja). Torre El Brinco

El comportamiento del EMA por niveles es muy similar a lo encontrado para la torre de Caibarin TV, es decir aumento de los errores con la altura y principalmente despus de las 12 horas de pronstico, lo cual sugiere en el orden prctico la realizacin de pronsticos cada 12 horas o menos para obtener mejores resultados.

Comportamiento del valor medio de la rapidez del viento y el error medio absoluto para los Periodo Lluvioso (Mayo Octubre) y Poco Lluvioso (Noviembre Abril)

Del anlisis (Figura 9), se aprecia un comportamiento similar, de los valores medios de rapidez del viento pronosticado, al comportamiento anual, cuyos valores para ambos experimentos son muy similares, lo cual se confirma cuando se aprecia el EMA, en que las diferencias son pequeas. Aun as, en promedio para el experimento 1, se obtuvieron menores valores del EMA, siendo ms notable para el ltimo plazo de pronstico.

Nuevamente se denota un aumento del EMA con la altura, como ya se haba visto para Caibarin TV.

Figura 9. Comportamiento del valor medio anual pronosticado y error medio absoluto para el periodo poco lluvioso en el Exp. 1 (curva azul) y Exp. 2 (curva roja). Niveles de 10 y 50m. Torre El Brinco

Para el caso del periodo luvioso (Figura 10), se hace ms notable las diferencias del EMA entre ambos experimentos, siendo en promedio, ms bajos para el experimento 1 que para el experimento 2.

Figura 10. Comportamiento del valor medio anual pronosticado y error medio absoluto para el periodo lluvioso en el Exp. 1 (curva azul) y Exp. 2 (curva roja). Niveles de 10 y 50 m. Torre El Brinco

3. Torre Camagey TV

Valor medio anual pronosticado de la rapidez del viento

Para la Torre de Camagey TV, los valores pronosticados en los dos experimentos (Figura 11) se refleja bien el ciclo diario de la rapidez del viento como muestran las barras verdes, sin embargo, nuevamente los valores del modelo (barras rojas y azules) sobrestiman los valores reales. Tambin se aprecia una mayor diferencia en los valores medios pronosticados entre los dos experimentos, lo que puede ser corroborado con el error medio absoluto. Es decir en el experimento 2 se sobrestiman ms los valores medios de rapidez del viento.

Figura 11. Valor medio anual de pronóstico de la rapidez del viento para los dos experimentos realizados. Exp. 1 (barra azul) y Exp. 2 (barra roja) vs valores reales (barra verde). Torre de Camagüey TV

Error medio absoluto (EMA)

Para la torre de Camagey, los resultados difieren de lo encontrado en las torres anteriores, especialmente en el segundo experimento. Como se muestra en la figura 12, la diferencia entre el error medio absoluto para ambos experimentos presentan un comportamiento inverso en los plazos de pronsticos entre las 03 y 12 horas, siendo mucho mayor el error en el segundo experimento, es decir cuando disminuye el tamao del dominio de 3km. Despus del plazo 12, el comportamiento es similar a lo encontrado anteriormente para las otras torres, aunque con una diferencia ms marcada a favor del experimento 1, es decir, menores EMA.

Figura 12. Error medio absoluto (EMA) de la rapidez del viento para los dos experimentos realizados. Exp. 1 (curva azul) y Exp. 2 (curva roja). Torre de Camagüey TV

De igual manera, el comportamiento del error medio absoluto por niveles, presenta similitud con lo mostrado para las otras torres. En este caso Valds, obtuvo mejores resultados en la altura del EMA, no siendo as en el nivel de 10m, en el que fue similar.

Comportamiento del valor medio de la rapidez del viento y el error medio absoluto para los Periodo Lluvioso (Mayo Octubre) y Poco Lluvioso (Noviembre Abril)

El anlisis estacional por periodos poco lluvioso y lluvioso, arroj resultados diferentes de las torres anteriores. Para ambos experimentos, aunque el modelo refleja bien el ciclo diurno de la rapidez media del viento, los errores medios absolutos fueron menores para el experimento 1 (Figura 13 y Figura 14), o lo que es lo mismo, en el experimento 2 se sobrestiman ms los valores medios de rapidez del viento.

Figura 13. Comportamiento del valor medio anual pronosticado y error medio absoluto para el periodo poco lluvioso en el Exp. 1 (curva azul) y Exp. 2 (curva roja). Niveles de 10 y 50m. Torre Camagüey TV

Figura 14. Comportamiento del valor medio anual pronosticado y error medio absoluto para el periodo lluvioso en el Exp. 1 (curva azul) y Exp. 2 (curva roja). Niveles de 10 y 50m. Torre Camagüey TV

Comentarios finales del anlisis

El anlisis realizado para ambos experimentos, muestra resultados similares entre las torres ubicadas en la costa, pero diferentes con respecto a la ubicada tierra adentro. Aunque para ambos experimentos el ciclo diurno del viento medio est bien representado, la magnitud del mismo es sobrestimada. Para las estaciones ubicadas en la costa, el cambio de dominio no arroja resultados significativos, lo que puede estar dado por el rgimen de vientos que influye en un punto determinado en nuestro pas. De todas las componentes que componen el vector viento, el ms importante es el viento sinptico, el cual ha sido muy bien explicado por diferentes autores (Carnesoltas, 1986; Lecha et al., 1994; Soltura et al., 2006), sin embargo otros factores, de ndole local son tambin importantes, tal es el caso de la circulacin de brisas (Carnesoltas, 2002; Carrasco et al., 2011; Martnez & Roque, 2015), pero que no suele ser bien representado por los modelos numricos, lo mismo que el viento debido a la orografa, factores todos que influyen en la magnitud y comportamiento del viento en un determinado sitio.

Por lo analizado en este trabajo, la poca diferencia en los resultados de ambos dominios, puede deberse a dos factores:

1. Las parametrizaciones empleadas no representan bien los efectos locales, especialmente en las costas y por este motivo, no se aprecia diferencia alguna en el viento medio pronosticado cuando se realiza el cambio de dominio, es decir, el viento sinptico sigue siendo mejor representado en ambos dominios, y aunque para las regiones interiores, como es el caso de la torre de Camagey TV, el experimento 1 mostr menores errores absolutos, lo cierto es que para los dos experimentos y todas las torres, el ndice de correlacin de Pearson (no mostrado por problemas de espacio, pero que puede consultarse en Roque et al., (2015a), fue mejor en el dominio ms pequeo, es decir, correlaciona mejor con la magnitud del viento, mientras que el dominio ms grande correlaciona mejor con el comportamiento.

2. Otro factor que puede incidir en los resultados alcanzados puede ser el relacionado con el tamao de los dominios, es decir, aunque ambos tienen tamaos bien diferenciados, los procesos fsicos y dinmicos que tienen lugar en el dominio mayor de 3 km no se diferencian de los que tienen lugar en el dominio ms pequeo de 3 km, y esto est en correspondencia con el punto anterior, relacionado con las parametrizaciones empleadas. Por lo que nuevos experimentos sern necesarios realizar para profundizar mucho ms en los anlisis realizados.

 

CONCLUSIONES

- Los valores pronosticados por el modelo WRF, tienden a sobrestimar la fuerza del viento, aunque representan la marcha de la variable. Esto es vlido tanto para el curso anual como estacional.

- No se aprecia una diferencia significativa entre los resultados de ambos experimentos (es decir, cambio del tamao del dominio), en cuanto al comportamiento de los valores medios de rapidez del viento y los errores medios absolutos, aunque fueron en promedio, generalmente menores para el experimento 1, es decir 3km Cuba entera, estando los errores alrededor de los 5km/h (1.4 m/s) entre las 6 y 12 horas de pronstico, es decir en los horarios de estabilidad atmosfrica, estando los mayores errores en las horas de inestabilidad atmosfrica, pero de mejor recurso elico en la costa norte.

- Para ambos experimentos los EMA aumentan con la altura.

- Todas las estaciones disminuyeron sus errores de pronostico con respecto al dominio de 9km, especialmente las ubicadas en la costa o prxima a ella.

 

REFERENCIAS

Adams, M. & Keith, D. 2007. A wind farm parameterization for WRF. Available: <http://www2.mmm.ucar.edu/wrf/users/workshops/WS2007/abstracts/5-5_Adams.pdf>, [Consulted: November 14, 2016].

Carnesoltas, M. 1986. La circulación local de brisa en Cuba. Tesis de Doctorado, La Habana, Cuba, 96 p.

Carnesoltas, M. 2002. “La circulación local de brisa de mar y tierra. Conceptos fundamentales”. Revista Cubana de Meteorología, 9(1): 43–72, ISSN: 0864-151X.

Carrasco, D. M.; Roque, R. A.; Sánchez, M. O. & Rivas, D. 2011. “Local Breeze Effects on the Wind Energy Generation in the Northern Coast of Cuba”. Wind Engineering, 35(6): 635–648.

Claire, L. V. & Yubao, L. 2010. “A high resolution WRF model for wind energy forecasting”. In: EGU General Assembly Conference Abstracts, vol. 12, Vienna, Austria, p. 2365, Available: <http://adsabs.harvard.edu/abs/2010EGUGA..12.2365V>, [Consulted: November 14, 2016].

Draxl, C.; Hahmann, A.; Pena, D. A.; Nissen, J. N. & Giebel, G. 2010. Validation of boundary-layer winds from WRF mesoscale forecasts with applications to wind energy forecasting. Available: <http://orbit.dtu.dk/fedora/objects/orbit:59346/datastreams/file_5119388/content>, [Consulted: November 14, 2016].

Emeis, S. 2013. Wind Energy Meteorology. (ser. Green Energy and Technology), Berlin, Heidelberg: Springer Berlin Heidelberg, ISBN: 978-3-642-30522-1, Available: <http://link.springer.com/10.1007/978-3-642-30523-8>, [Consulted: November 14, 2016].

GWEC. 2016. Global Wind Report 2015. Available: <http://www.gwec.net/publications/global-wind-report-2/global-wind-report-2015-annual-market-update/>.

Lecha, L. B.; Paz, L. R. & Lapinel, B. 1994. El clima de Cuba. La Habana: Editorial Academia, ISBN: 978-959-02-0006-9.

Magidi, S. 2013. “Determining the atmospheric stability classes for Mazoe in Northern Zimbabwe”. International Journal of Engineering Research and Applications, 3(2): 178–181, ISSN: 2248-9622.

Martínez, B. & Roque, A. 2015. “Disminución de la rapidez del viento en la capa superficial atmosférica. Su influencia del aprovechamiento eólico”. Revista Cubana de Meteorología, 21(1): 49–61, ISSN: 0864-151X.

Mesoscale & Microscale Meteorology Division 2014. ARW Version 3 Modeling System User’s Guide. Complementary to the ARW Tech Note. Colorado, USA: NCAR: Boulder, 411 p., Available: <http://www2.mmm.ucar.edu/wrf/users/docs/userguideV3/ARWUsersGuideV3.pdf>.

Mitrani, I.; Álvarez, L. & Borrajero, I. 2003. “Aplicación optimizada del MM5V3 sobre el territorio cubano mediante el uso de una computadora personal”. Revista Cubana de Meteorología, 10(1), ISSN: 0864-151X.

Mitrani, I.; Mitrani, C. & Borrajero, I. 2004. “El uso de MM5V3 en la predicción de eventos peligrosos sobre el territorio cubano”. In: Taller de Meteorología Tropical, TROPICO, La Habana, Cuba, ISBN: 959-7167-02-6.

Pasquill, F. 1961. “The estimation of the dispersion of windborne material”. Meteorol. Mag, 90(1063): 33–49, ISSN: 0004-9743.

Roque, A.; Ferrer, A.; Borrajero, I. & Sierra, M. 2015a. Pronóstico de viento a corto plazo en torres de referencia meteorológica para el programa eólico cubano. Informe Científico -Técnico, Instituto de Meteorología, p. 49.

Roque, R. A.; Carrasco, D. M. & Reyes, M. P. 2015b. “Características del perfil vertical del viento en la capa superficial atmosférica sobre Cuba, atendiendo a la estratificación térmica de la atmósfera”. Ciencias de la Tierra y el Espacio, 16(2): 189–200, ISSN: 1729-3790.

Roque, R. A.; Sosa, N. Y.; Carrasco, D. M. & Reyes, M. P. 2015c. “Perfil vertical del viento en la capa superficial atmosférica sobre Cuba. Aplicación al estudio del viento como fuente de energía”. Revista Cubana de Meteorología, 21(1), ISSN: 0864-151X, Available: <https://www.researchgate.net/profile/Alfredo_Roque/publication/283500885_Perfil_vertical_del_viento_en_la_capa_superficial_atmosferica_sobre_Cuba_Aplicacion_al_estudio_del_viento_como_fuente_de_energia/links/563b6a5a08ae405111a75b22.pdf>, [Consulted: November 14, 2016].

Sierra, M.; Ferrer, A. & Borrajero, I. 2014. Sistema automático de predicción a mesoescala de cuatro ciclos diarios. Proyecto: ‘Sistema de Predicción a muy corto plazo basado en el Acoplamiento de Modelos de Alta Resolución y Asimilación de Datos’, Instituto de Meteorología.

Soltura, R.; Roque, A.; Rivero, I.; Wallo, A.; Báez, R.; Vázquez, R.; Rivero, R.; Ayala, L.; Rodríguez, G.; Carrasco, H.; Curbelo, A.; González, A.; Herrera, O.; Martín, G. & Díaz, J. 2006. Mapa de potencial eólico de cuba. Aplicación de un modelo de microescala (Wasp). Informe Científico–Técnico, Instituto de Meteorología, p. 49.

Storm, B. & Basu, S. 2010. “The WRF Model Forecast-Derived Low-Level Wind Shear Climatology over the United States Great Plains”. Energies, 3(2): 258–276, ISSN: 1996-1073, DOI: 10.3390/en3020258.

Valdés, A.; Cruz, R. & Roque, A. 2015. “Evaluación del pronóstico del viento del modelo Weather Research Forecast (WRF) en torres de prospección eólica”. 21(2): 16–28, ISSN: 0864-151X.

Yubao, L. 2010. “Improving short-term wind energy prediction with wind farm data using the NCAR WRFRTFDDA models”. In: X EMS Annual Meeting and VIII ECAC, Zurich, Switzerland, pp. 13–17, Available: <http://www.emetsoc.org/fileadmin/ems/dokumente/annual_meetings/2010/AW14_Liu.pdf>.

Zelle, H.; Calkoen, C.; Groenewoud, P.; Hulst, S. & Mika, Á. 2010. “Wind energy forecasting for the Netherlands using the WRF atmosphere model”. In: Conference on Applications of Meteorology (ECAM), vol. 1, Zürich, Switzerland, p. 793, Available: <http://adsabs.harvard.edu/abs/2010ems..confE.793Z>, [Consulted: November 14, 2016]

 

 

Recibido: 9/09/ 2016
Aceptado: 24/10/ 2016

 

 

Alfredo Roque Rodríguez, Centro  de Física de la Atmósfera, Instituto de Meteorología, La Habana, Cuba Email: alfredo.roque@insmet.cu


Enlaces refback

  • No hay ningún enlace refback.