Vol. 21 Núm. 1 (2019)
Reporte de caso

Caracterización del recurso eólico en la ciudad de Juliaca

José Quiñonez Choquecota
Universidad Nacional del Altiplano de Puno Perú, Departamento Académico de Físico Matemáticas d
Elmer Huanca Callata
Universidad Nacional del Altiplano de Puno Perú, Departamento Académico de Físico Matemáticas
Antonio Holguino Huarza
Universidad Nacional del Altiplano de Puno Perú

Publicado 2019-02-26

Palabras clave

  • caracterización del recurso eólico,
  • distribución de Weibull,
  • energías renovables,
  • potencial eólico,
  • recurso eólico

Cómo citar

Quiñonez Choquecota, J. ., Huanca Callata, E. ., & Holguino Huarza, A. . (2019). Caracterización del recurso eólico en la ciudad de Juliaca. Revista De Investigaciones Altoandinas, 21(1), 57–68. https://doi.org/10.18271/ria.2019.445

Resumen

El trabajo se realizó una evaluación cuantitativa y cualitativa del recurso eólico con el objetivo de caracterizar el potencial explotable del recurso eólico en el contorno de la ciudad de Juliaca de la región de Puno. Se analizaron los datos proporcionados de los años 2013-2014 por el Servicio Nacional de Meteorología e Hidrología del Perú - SENAMHI, de la estación ubicada en esta ciudad, para comparar con la base de datos de la NASA (Surface Meteorology and Solar Energy. SSE, 2012). El análisis cuantitativo consistente en la caracterización de la velocidad media horaria y media mensual del viento para una altura de 25 m del suelo, al comparar las velocidades medias mensuales de la NASA y del SENAMHI se observa una diferencia promedio de 8.93% durante los meses de primavera y verano, donde además el viento supera los 3 m/s, y que las direcciones predominantes del viento es el oeste y el este. El análisis cualitativo corresponde a la estimación del potencial eólico el cual se realizó con la distribución de Weibull, obteniéndose una densidad de potencia media anual a 25 m del suelo de 15.91 W/m2, para 50 m este potencial se duplica. En definitiva, en la ciudad de Juliaca se pueden implementar generadores eólicos de pequeña potencia, ya que el recurso eólico no es abundante y tiene dirección variable. La caracterización realizada con los datos de la NASA y del SENAMHI son similares, por lo que, los datos de la NASA son confiables para caracterizar el recurso eólico de la ciudad de Juliaca.

Citas

  1. Akdaǧ, S. A., & Dinler, A. (2009). A new method to estimate Weibull parameters for wind energy applications. Energy Conversion and Management, 50(7), 1761–1766. https://doi.org/10.1016/j.enconman.2009.03.020
  2. Carta, J. A., González, J., & Subiela, V. (2009). Operational analysis of an innovative wind powered reverse osmosis system installed in the Canary Islands. Solar Energy, 75(2), 153–168. https://doi.org/10.1016/S0038-092X(03)00247-0
  3. Carta, J. A., Ramírez, P., & Velázquez, S. (2009). A review of wind speed probability distributions used in wind energy analysis. Case studies in the Canary Islands. Renewable and Sustainable Energy Reviews, 13(5), 933–955. https://doi.org/10.1016/j.rser.2008.05.005
  4. Celik, A. N. (2003). Energy output estimation for small-scale wind power generators using Weibull-representative wind data. Journal of Wind Engineering and Industrial Aerodynamics, 91(5), 693–707. https://doi.org/10.1016/S0167-6105(02)00471-3
  5. Celik, A. N. (2004). A statistical analysis of wind power density based on the Weibull and Rayleigh models at the southern region of Turkey. Renewable Energy, 29(4), 593–604. https://doi.org/10.1016/j.renene.2003.07.002
  6. Chang, T. P. (2011). Performance comparison of six numerical methods in estimating Weibull parameters for wind energy application. Applied Energy, 88(1), 272–282. https://doi.org/10.1016/j.apenergy.2010.06.018
  7. Chen, Y., Li, H., Jin, K., & Song, Q. (2013). Wind farm layout optimization using genetic algorithm with different hub height wind turbines. Energy Conversion and Management, 70, 56–65. https://doi.org/10.1016/j.enconman.2013.02.007
  8. Chu, S., & Majumdar, A. (2012). Opportunities and challenges for a sustainable energy future. Nature, 488(7411), 294–303. https://doi.org/10.1038/nature11475
  9. De Borotoli, M. E. Canavasio, O. Benitez, F. M. (2002). Cuantificación de la dispersión al analizar velocidades de viento atmosféricos medias horarias mediante el análisis probabilístico de registros cortos. ASADES: Avances En Energías Renovables y Medio Ambiente, 6(1), 17–23.
  10. Elamouri, M., & Ben Amar, F. (2008). Wind energy potential in Tunisia. Renewable Energy, 33(4), 758–768. https://doi.org/10.1016/j.renene.2007.04.005
  11. Ermolenko, B. V., Ermolenko, G. V., Fetisova, Y. A., & Proskuryakova, L. N. (2017). Wind and solar PV technical potentials: Measurement methodology and assessments for Russia. Energy, 137, 1001–1012. https://doi.org/10.1016/j.energy.2017.02.050
  12. Guo, Q., Xu, X., Zhang, K., Li, Z., Huang, W., Mansaray, L. R., Huang, J. (2018). Assessing Global OceanWind Energy Resources Using Multiple Satellite Data. Remote sensing. doi: 10.3390/rs10010100
  13. Hualpa, M. (2006). Estudio de Factibilidad de Sistemas Híbridos Eólico-Solar en el Departamento de Moquegua.
  14. I. G. Rivero. (2007). Metodología para evaluar la factibilidad de una planta de generación hibridad con energías renovables.
  15. Islam, M. R., Saidur, R., & Rahim, N. A. (2011). Assessment of wind energy potentiality at Kudat and Labuan, Malaysia using Weibull distribution function. Energy, 36(2), 985–992. https://doi.org/10.1016/j.energy.2010.12.011
  16. Kollu, R., Rayapudi, S., Narasimham, S., & Pakkurthi, K. (2012). Mixture probability distribution functions to model wind speed distributions. International Journal of Energy and Environmental Engineering, 3(1), 27. https://doi.org/10.1186/2251-6832-3-27
  17. Kim, J.-Y., Oh, K.-Y., Kim, M.-S., & Kim, K.-Y. (2018). Evaluation and characterization of offshore wind resources with long-term met mast data corrected by wind lidar. Renewable Energy. doi: 10.1016/j.renene.2018.06.097
  18. Laiola, E., & Giungato, P. (2017). Wind characterization in Taranto city as a basis for innovative sustainable urban development. Journal of Cleaner Production. doi: 10.1016/j.jclepro.2017.05.111Lorenzo, I. F., Tecnológica, U., Habana, D. La, Antonio, J., Habana, L., Beatriz, V., & Parnás, E. (2016). Análisis de métodos de vientos extremos para calcular las velocidades básicas, VII(2), 15–25.
  19. Li, Z. (2018). Study of site suitability assessment of regional wind resources development based on multi-criteria decision. Springer Nature. doi: 10.1007/s10098-018-1538-y
  20. Mirhosseini, M., Sharifi, F., & Sedaghat, A. (2011). Assessing the wind energy potential locations in province of Semnan in Iran. Renewable and Sustainable Energy Reviews, 15(1), 449–459. https://doi.org/10.1016/j.rser.2010.09.029
  21. Mohammadi, Kasra., Omid, Alavi ., Ali, Mostafaeipour., Navid, Goudarzi ., Mahdi, J. (2016). Assessing different parameters estimation methods of Weibull distribution to compute wind power density. Energy Conversion and Management, 108, 322–335. https://doi.org/doi.org/10.1016/j.enconman.2015.11.015
  22. Nuñez, E., & Rodríguez, R., Pierra, A., Reyes, O. (2014). Revista Cubana de ciencias informáticas RCCI, Cuban journal of computer science. Revista Cubana de Ciencias Informáticas, 8(3), 106–120. Retrieved from http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2227-18992014000300008
  23. Peralta-Jaramillo, J. (2015). Modelamiento Computacional del Recurso Solar y Eólico para aplicación de Sistemas de Energía Renovable. Retrieved from http://dspace.usc.es/bitstream/10347/12301/1/rep_791.pdf%5Cn
  24. Seguro, J. V., & Lambert, T. W. (2000). Modern estimation of the parameters of the Weibull wind speed distribution for wind energy analysis. Journal of Wind Engineering and Industrial Aerodynamics, 85(1), 75–84. https://doi.org/10.1016/S0167-6105(99)00122-1
  25. Tummala, A., Velamati, R. K., Sinha, D. K., Indraja, V., & Krishna, V. H. (2016). A review on small scale wind turbines. Renewable and Sustainable Energy Reviews, 56, 1351–1371. https://doi.org/10.1016/j.rser.2015.12.027
  26. Ucar, A., & Balo, F. (2009a). Evaluation of wind energy potential and electricity generation at six locations in Turkey. Applied Energy, 86(10), 1864–1872. https://doi.org/10.1016/j.apenergy.2008.12.016
  27. Ucar, A., & Balo, F. (2009b). Investigation of wind characteristics and assessment of wind-generation potentiality in Uludaǧ-Bursa, Turkey. Applied Energy, 86(3), 333–339. https://doi.org/10.1016/j.apenergy.2008.05.001
  28. Weisser, D. (2003). A wind energy analysis of Grenada: An estimation using the “Weibull” density function. Renewable Energy, 28(11), 1803–1812. https://doi.org/10.1016/S0960-1481(03)00016-8
  29. Guo, Q., Xu, X., Zhang, K., Li, Z., Huang, W., Mansaray, L. R., . . . Huang, J. (2018). Assessing Global OceanWind Energy Resources Using Multiple Satellite Data. Remote sensing. doi: 10.3390/rs10010100
  30. Kim, J.-Y., Oh, K.-Y., Kim, M.-S., & Kim, K.-Y. (2018). Evaluation and characterization of offshore wind resources with long-term met mast data corrected by wind lidar. Renewable Energy. doi: 10.1016/j.renene.2018.06.097
  31. Laiola, E., & Giungato, P. (2017). Wind characterization in Taranto city as a basis for innovative sustainable urban development. Journal of Cleaner Production. doi: 10.1016/j.jclepro.2017.05.111
  32. Li, Z. (2018). Study of site suitability assessment of regional wind resources development based on multi-criteria decision. Springer Nature. doi: 10.1007/s10098-018-1538-y