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 del viento 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.
De hecho, afirma Gianluca Susi, investigador del Centro de Tecnología Biomédica (CTB) de la Universidad Politécnica de Madrid (UPM), y uno de los autores del estudio, esta “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”.
En este marco, un equipo internacional de científicos, del que forma parte el investigador de la UPM, ha desarrollado un método novedoso para la predicción de la producción de energía de parques eólicos.
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.
Energía eólica
Este método, desarrollado en colaboración con las universidades italianas de Catania y Messina, 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 en parques eólicos reales, también en presencia de averías”, concluye el investigador de la UPM.
Fuente: UPM,
Artículo de referencia: http://www.upm.es/?id=124f219a6e10e610VgnVCM10000009c7648a____&prefmt=articulo&fmt=detail,
