Nuevos modelos de predicción permiten a las compañías eléctricas confiar más en el viento y ahorrar millones de dólares.
POR KEVIN BULLIS TRADUCIDO POR LÍA MOYA (OPINNO)
La información de sistemas de radares Dopplar, como el que se muestra aquí, podrían servir para predecir cambios repentinos en la energía eólica.
La compañía eléctrica con mayor capacidad generadora de energía eólica en Estados Unidos,
Xcel Energy, confía cada vez más en esta fuente de energía y ahorra millones de dólares gracias a nuevos modelos predictivos, similares a los que se utilizan para predecir el cambio climático.
Estas predicciones, elaboradas por el
Centro Nacional de Investigaciones Atmosféricas de Estados Unidos (NCAR en sus siglas en inglés), cuya sede está en Boulder, Colorado, podrían servir para abordar un problema importante de la energía eólica: cómo integrar este recurso intermitente en la red eléctrica. NCAR también desarrolla modelos mejorados que podrían servir para hacer predicciones sobre la energía solar.
"Disponer de una predicción precisa nos permite incorporar más energías renovables", sostiene Drake Bartlett, responsable de la integración de las renovables en la red de Xcel. Las compañías eléctricas deciden con un día de antelación qué plantas funcionarán al día siguiente. Si las predicciones de viento no son fiables, surgen dos problemas para poder planificar. Para empezar, las predicciones poco fiables obligan a las compañías a programar plantas de refuerzo. Estas funcionan de forma ineficiente a baja potencia, en estado de espera para aumentar la producción si hay menos energía eólica disponible de la prevista. Gastan combustible, y tenerlas en marcha resulta caro.
En segundo lugar, las malas predicciones hacen difícil que las compañías justifiquen el cierre de centrales eléctricas de base, aunque pueda haber viento más que suficiente para que sean innecesarias. Estas plantas -a menudo de centrales termoeléctricas o plantas de gas natural de ciclo combinado- son caras y se tarda mucho tiempo en cerrarlas y volver a arrancarlas. Si se cierran y la energía eólica es menor de la esperada, la compañía tiene que usar energía más cara proveniente de centrales capaces de responder más rápidamente, o acudir al caro mercado de valores de energía. Si, por otra parte, la compañía deja las centrales base encendidas, quizá tenga que limitar la cantidad de energía eólica que produce, posiblemente indicando a los parques eólicos que apaguen algunas turbinas. En ese caso, la compañía eléctrica pierde dinero de dos maneras. Tiene que pagar por el combustible para hacer funcionar las centrales base incluso aunque no necesite la energía que viene de ellas. Y según sus contratos con los operadores de los parques eólicos, tiene que pagar incluso la energía eólica que no usa.
Las antiguas predicciones provocaban estas situaciones frecuentemente. De media, las predicciones variaban respecto a la producción real de energía por un 20 por ciento, llegando a veces al 50 por ciento. Las nuevas predicciones reducen los errores entre un 30 y un 40 por ciento, dando a Xcel la confianza necesaria para reducir el número de plantas de refuerzo en línea, afirma Bartlett. Esto ha permitido a la compañía ahorrar 22 millones de dólares (unos 17 millones de euros) en combustible. No han calculado los ahorros adicionales derivados de evitar el mercado de valores.
Las nuevas previsiones son además lo suficientemente precisas como para respaldar la decisión de cerrar las centrales base. "Hace unos años no teníamos la confianza para cerrar las centrales base", afirma Bartlett. "Ahora, si va a haber un fin de semana largo con un tiempo precioso y mucho viento, cerraremos una planta de carbón. Eso nos permite integrar más energía renovable".
NCAR ha tomado varias medidas para hacer mejores predicciones. Ha mejorado modelos anteriores de predicción meteorológica haciendo que funcionen con incrementos temporales y espaciales más precisos, algo que requiere aumentar la potencia de computación. Ha combinado sus modelos con los de otras organizaciones y con medidas de las condiciones reales en los parques eólicos para predecir las velocidades del viento. Y, lo que es fundamental, convierte estas predicciones sobre la velocidad del viento en cálculos de cuánta energía producirán los parques eólicos, algo que puede variar considerablemente respecto a lo que los fabricantes afirman (ver "
Los megaparques eólicos necesitan mejores modelos informáticos").
Además, en vez de ejecutar el modelo una única vez, NCAR lo ejecuta múltiples veces. El resultado medio suele ser más preciso, afirma
Sue Ellen Haupt, directora del Programa de Valoración de Sistemas Meteorológicos del centro.
Aunque los modelos se ejecutan a alta resolución, no lo aciertan todo. El próximo paso es centrarse en mejores formas de predecir dos tipos de eventos: los cambios en la velocidad del viento, y las condiciones meteorológicas que dan lugar a la formación de hielo en las palas de las turbinas.
Los cambios rápidos en la velocidad del viento pueden ser especialmente difíciles de manejar en la red (ver "
Las turbinas eólicas con pilas incluidas pueden estabilizar la producción eólica"). Las predicciones de heladas también son importantes; resulta difícil saber justo cuándo una tormenta creará las condiciones adecuadas para depositar hielo sobre las turbinas, pero cuando ese hielo se forma reduce en mucho la potencia generada por la turbina. En el pasado, las previsiones han conducido a Xcel a planear previsiones de grandes cantidades de viento y que la producción cayera inesperadamente al formarse hielo sobre las aspas.
Hacer predicciones para la energía solar puede ser un reto muchísimo mayor (ver "
Una solución para la intermitencia de la energía solar"). La producción energética de los paneles solares puede cambiar en segundos, y las nubes son de las cosas más difíciles de valorar en los modelos meteorológicos. NCAR está usando datos de satélites y sensores terrestres para mejorar sus predicciones sobre nubes, y está trabajando para predecir cómo se traducen en la producción real de los paneles solares distintas cantidades de luz solar (y otros factores como la temperatura
