No podrás conectarte si excedes diez intentos fallidos.
La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.
Selecciona el tuyo:
La aleatoriedad del viento plantea serios problemas a los sistemas eléctricos, que necesitan calcular la generación con un día de antelación. Ahora investigadores de Italia y España han desarrollado un método basado en redes neuronales de tercera generación para predecir la cantidad de energía que generarán las turbinas de un parque eólico según el comportamiento previo del viento.
Uno de los grandes inconvenientes de la energía eólica, una de las fuentes renovables con mayor potencial en nuestro país, es la imprevisibilidad de su producción, que depende de factores como la velocidad y dirección del viento. La aleatoriedad de este plantea serios problemas a los sistemas eléctricos actuales, que calculan la generación con un día de antelación en función del consumo previsto.
Esa dificultad para poder planificar la energía eólica disponible con antelación, puede aumentar el coste operativo de la red eléctrica y generar potenciales amenazas para la fiabilidad del suministro de electricidad.
En este contexto, investigadores de las universidades de Mesina y Catania (Italia) y Politécnica de Madrid (UPM) han desarrollado un novedoso método basado en redes neuronales para predecir la producción de energía de parques eólicos, lo que permitirá optimizar su fiabilidad. El estudio se publica en el International Journal of Numerical Modeling.
Uno de sus autores, Gianluca Susi, investigador del Centro de Tecnología Biomédica de la UPM, señala: "Esa incapacidad de predecir con precisión la generación de energía eólica está ralentizándola a la hora de convertirse en un contribuyente importante para el mercado total de energía”.
La investigación presenta una arquitectura basada en spiking neural networks (SNN, o redes neuronales de tercera generación) para predecir la cantidad de energía que será generada por una turbina eólica, situada en el interior de un parque eólico, en la próxima hora, considerando el comportamiento del viento (intensidad y dirección) en las horas anteriores.
Aplicación del modelo
Este método se ha aplicado a una gran planta de energía eólica, compuesta por 28 turbinas y 3 torres anemométricas, ubicada en el área rural del municipio de Vizzini en la provincia de Catania (Italia), que se caracteriza por una orografía compleja y una extensión de 30 km², con resultados muy prometedores.
“Creemos que el nuevo sistema aporta fiabilidad y optimización en la generación de energía eólica, y se puede aplicar con éxito para predicciones de generación de energia eólica en parques eólicos reales, también en presencia de averías”, concluye el investigador de la UPM.
Sistema de predicción realizado: las señales de intensidad y dirección del viento detectadas por tres torres anemométricas entran en el sistema de predicción, que predice el valor de energía producido por una turbina del campo eólico. A la derecha, orografía del parque eólico considerado. / UPM
Referencia bibliográfica:
S.Brusca, G.Capizzi, G.Lo Sciuto and G.Susi. “A new design methodology to predict wind farm energy production by means of a spiking neural network–based system”. International Journal of Numerical Modeling (Wiley) 2019;32:e2267
En la región del polo sur de la Luna existen zonas donde nunca luce el Sol y otras donde siempre llegan sus rayos. Para que los vehículos puedan operar en esas condiciones, y con fondos de la Agencia Espacial Europea, investigadores de España y Reino Unido desarrollan sistemas que combinan paneles solares, baterías y generadores termoeléctricos de radioisótopos.
La metodología diseñada por la Universidad de Murcia y el CSIC identifica las regiones donde el sol y el viento ofrecen, conjuntamente, menos fluctuaciones en la producción de energía. A través de la sistema Climax se pueden planificar el emplazamiento y uso compartido de estas renovables para aumentar la estabilidad del suministro.
