Resumen de Modelos avanzados para la predicción a corto plazo de la producción eléctrica en parques eólicos

Luis Alfredo Fernández Jiménez

• español

  La integración de la energía producida en los parques eólicos en los sistemas eléctricos (el 9% de la energía eléctrica consumida en España en el año 2006 fue de origen eólico) requiere disponer de eficaces herramientas de predicción, a corto plazo, de la producción eléctrica en los mismos. Estas herramientas son necesarias tanto para el Operador de la Red Eléctrica como para los gestores de parques eólicos. El Operador de la Red Eléctrica necesita conocer de antemano la generación y la demanda de potencia eléctrica que va a existir en cada uno de los nudos del Sistema para lograr un correcto funcionamiento del mismo. El gestor del parque eólico necesita la predicción de la generación de potencia eléctrica horaria generada en el parque eólico para poder realizar ofertas de venta de la energía producida al mercado eléctrico.

  Mediante la aplicación y desarrollo de herramientas adecuadas, basadas en técnicas meta-heurísticas conocidas como "soft-computing", y utilizando datos reales de parques eólicos, se han desarrollado un conjunto de nuevos modelos de predicción para una variedad de casos con diferentes tipos y cantidad de datos disponibles. También se ha desarrollado un sistema global de predicción, que incluye un conjunto de modelos, cada uno de ellos especializado en un rango del horizonte de predicción, consiguiendo un rango total de 0.5 a 72 horas. El sistema global emplea sofisticadas técnicas como un nuevo filtro Kalman para mejorar las predicciones de velocidad media del viento suministradas por un modelo de predicción numérica meteorológica; como la combinación de predicciones de diferentes modelos específicos para las predicciones a muy corto plazo por medio de sistemas de inferencia difusa; y como la selección del modelo idóneo de predicción en función del momento en que se realicen las predicciones.

  La adecuación de todos los modelos desarrollados ha sido evaluada comparando los resultados logrados en la predicción de la producción eléctrica, con los de otros modelos descritos en la literatura internacional, utilizando siempre los mismos datos. En todos los casos, los resultados obtenidos con los nuevos modelos de predicción son superiores a los obtenidos con el resto de modelos.

• English

  The penetration of wind farms into the power systems (nearly 9% of the electric energy consumed in Spain in 2006 was generated in wind farms) requires effective short-term forecasting tools of the electrical production in these plants. These tools are needed by the electric network Operator and by the managers of wind farms. The electric network Operator needs to know beforehand the value of the electric power generation and demand that is going to exist in each one of the buses of the System to obtain the correct operation. The manager of a wind farm needs to predict the hourly electric power generation generated in the wind park, to sell the energy produced to the electrical market.

  By means of the application and development of suitable tools, based on meta-heuristic methods known as "soft-computing" techniques, and using real data of wind parks, a set of new forecasting models have been developed to be used for a variety of cases with different types and amounts of data available. Also a global forecasting system has been developed, including a set of models, each of which is specialized in a range of the forecasting horizons, and obtains a total range from 0.5 to 72 hours. The global forecasting system uses sophisticated techniques such as a new Kalman filter to improve the predictions of the average wind speed provided by a numerical weather prediction model; such as the combination of the forecasts from different models by means of fuzzy inference systems; and the selection of the suitable forecasting model based on the moment in which the forecasts are carried out.

  The performance of all the developed models has been evaluated by comparing the results obtained in the prediction of the electrical production, with those from other models described in international literature, using always the same data. In all the cases, the results obtained with the new forecasting models are better than those obtained with the rest of the models.