Escudo de la República de Colombia Escudo de la República de Colombia
UN Periódico Digital

Resultados de Búsqueda:

UN Periódico Digital
La oportunidad de la energía eólica en el país

El impulso de dichas fuentes ha sido promovido especialmente a partir del fenómeno del calentamiento global y del cambio climático, razón por la cual, a nivel mundial, la capacidad de generación renovable aumentó en 167 gigavatios (GW) y alcanzó los 2,17 GW en todo el mundo. Esto representa un crecimiento anual de alrededor del 8,3 %1.
 

Desde 2005 Colombia cuenta con una capacidad instalada de energía eólica constante de 19,5 MW (Irena, 2018); sin embargo, por ubicarse en la franja intertropical del planeta, el país presenta épocas del año en las cuales la radiación solar y la intensidad del viento podrían suplir o complementar el sistema energético. Esto se da especialmente cuando el país sufre un déficit de lluvias debido a la variabilidad climática natural asociada con el fenómeno El Niño, el cual generalmente ocasiona reducciones de lluvias importantes incluso en zonas no interconectadas en las que se puede aprovechar este recurso natural. Su importancia radica en que estas energías limpias podrían suplir la canasta energética del país sin emitir GEI.
 

Puedes leer: Repensar la política energética, una prioridad.
 

Estudios y mediciones realizados por el Instituto de Hidrología, Meteorología y Estudios Ambientales (Ideam) y la Unidad de Planeación Minero Energética (UPME) han mostrado que existen tres lugares del país que presentan intensidades de vientos aprovechables con fines energéticos: la Alta Guajira, el mar Caribe y las zonas de alta montaña de la Región Andina. Allí las intensidades del viento son persistentes y mayormente superiores a 5 m/s durante todo el año, lo cual los hace aprovechables para la producción de energía eólica; no obstante, en este último estudio no se hizo una cuantificación precisa de este recurso, y por eso una investigación de la Universidad Nacional de Colombia (UNAL)2 realiza una simulación meteorológica en la zona de alta montaña de la Región Andina con el fin de calcular la variabilidad y disponibilidad del recurso viento.
 

Para lograr dicho objetivo, se recurrió al uso de modelos numéricos que simulan la complejidad de los procesos dinámicos y físicos que ocurren en la atmósfera, y que a su vez permiten obtener resultados en distintas escalas y resoluciones espacio-temporales.
 

Para representar el campo del viento en zonas de alta montaña en Colombia se utiliza el modelo regional WRF (Weather Research and Forecasting), que desarrolla las ecuaciones de fluido de Navier-Stokes aplicadas a la atmósfera. A pesar de que todos los procesos físicos como los de cambio de fase del agua y otros no pueden ser resueltos por esta formulación, el WRF ofrece diferentes opciones de parametrización de otros procesos físicos que ocurren en la atmósfera, como la física de radiación de onda larga y corta, la interacción suelo-atmósfera, la capa límite planetaria y la formación de nubes explicadas a través de las parametrizaciones de microfísica y cúmulos.
 

En este estudio se analizan las parametrizaciones dentro de la capa límite planetaria (PBL, por su siglas en inglés), ya que es la región de la atmósfera más próxima a la superficie terrestre, donde la interacción con esta se percibe a través del intercambio de calor, momento y humedad, y en la cual los esquemas de parametrización de PBL son esenciales para obtener el perfil del vientos en niveles bajos de la atmósfera para estimar el potencial energético generado por vientos.
 

Puedes ver: ¿Qué es y cómo funciona un panel solar?.


De esta forma, el modelo WRF se ejecutó para las resoluciones de rejilla de 3 km x 3 km (dominio 2) y 9 km x 9 km (dominio 1) combinando siete parametrizaciones de la PBL y tres de superficie para un total de 11 simulaciones (figura 1). Los esquemas de PBL y sus combinaciones con esquemas de superficie se seleccionaron según su capacidad de reproducir la energía cinética turbulenta (TKE), indicador importante en la descripción de la turbulencia en la PBL. Este indicador permite tener un límite de energía que dinamiza la creación y destrucción de los remolinos.

Las once simulaciones se utilizaron para extraer información de datos de dirección y velocidad del viento hora a hora para 2013, a través de sus componentes zonal y meridional (u, v), cuya información se valida estadísticamente en las observaciones de estaciones meteorológicas, tomando la velocidad del viento como principal variable de decisión para elegir el esquema de parametrización final.
 

El dominio que mejor simula el campo del viento es el de 9 km x 9 km, utilizando parametrizaciones del esquema de BouLac –que tiene la ventaja de pronosticar eventos con turbulencia inducida por la orografía– y la de MM5 para superficie, más eficiente para simular flujos turbulentos durante el día, horas en las cuales los valores de la energía cinética turbulenta son más altos.
 

Como este es un resultado esperado teniendo en cuenta las características topográficas complejas del área de estudio, las simulaciones en otras partes del territorio colombiano deben obedecer a otro tipo de parametrización que merece un análisis particular para calcular el potencial correcto por viento para su utilización como alternativa energética.
 

Una vez obtenido el campo del viento en la zona de alta montaña para el dominio de 9 km x 9 km, se calculó por 5 métodos entre numéricos y estadísticos, los parámetros de forma y escala de la distribución de Weibull, distribución usada con éxito para describir las curvas de frecuencia en las mediciones de la velocidad del viento en intervalos de, al menos, un año3. Los resultados de los métodos se promediaron, obteniendo así la velocidad del viento y la densidad de energía eólica. A partir de la estimación del viento y la densidad de energía teórica, se logró espacializar la información de dichas variables a diferentes alturas en la zona de estudio, y reclasificarlas en función de las características del viento4.
 

Los valores de velocidad del viento hallados en los primeros 10 m de altura se clasificaron como pobres (de velocidades del viento menor a 5 m/s), ya que la fricción del suelo y otros fenómenos locales pueden influir en valores pocos útiles para generar energía eólica, y su oferta depende más de la estacionalidad y la hora del día, mientras que la densidad de energía eólica por encima de los 50 m presenta valores de mayor relevancia para su potencialidad, en los que se encontraron valores “excepcionales” al resolver, el modelo WRF, velocidades del viento mayores o iguales a 8,2 m/s con una densidad de energía eólica mayor o igual a 1.000 W/m2, especialmente en zonas de montaña de Nariño, Cauca, Valle del Cauca, Tolima y Quindío entre junio y septiembre.


Además: ¿Por qué es necesario protegerse de la radiación solar?.
 

Por último, conocer las parametrizaciones de la PBL que mejor se ajusten a las observaciones en zonas de alta montaña, según la validación estadística, les permitiría a los usuarios realizar simulaciones de manera operativa con las parametrizaciones que se plantean en el presente estudio, además de brindar información de lugares óptimos que proveen el recurso eólico y su variabilidad durante un año promedio.


Además, el conocimiento del recurso eólico a través de la modelación numérica ayudaría a disminuir la incertidumbre frente a su variabilidad y buscar su integración con el sistema eléctrico interconectado nacional, dado que gran parte de la oferta de energía eléctrica en el país depende del recurso hídrico y, considerando los riesgos asociados con fenómenos de escasez de agua en el país, la contribución de la energía eólica al portafolio de servicios sería muy importante en la determinación de los precios en la canasta eléctrica nacional.


Consulta aquí la investigación:

Simulación meteorológica en zona de alta montaña para estimar el potencial eólico

 


1 Irena. (2018). International Renewable Energy Agency. All Rights Reserved. Recuperado de http://www.irena.org/wind

2 Simulación meteorológica en zona de alta montaña para estimar el potencial eólico. Recuperado de

https://repositorio.unal.edu.co/handle/unal/75916

3 Odo, F. C., Offiah, S. U. y Ugwuoke, P. E. (2012). Weibull distribution-based model for prediction of wind potential in Enugu, Nigeria. Advances in Applied Science Research, 3(2), 1202-1208.

4 Figueredo, C. M. (2011). Fuentes renovables de energía Cuba. Recuperado de http://www.cubasolar.cu/biblioteca/energia/Energia55/HTML/articulo03.htm

Relacionados

3422,3582,3583

Lo que viene sucediendo con la pandemia es un respiro que le ha permitido al mundo hacer una profunda reflexión sobre la vida que va más allá de los...

Consejo Editorial