Optimal wind farm energy and reserve scheduling incorporating wake interactions

Este artículo propone un marco de programación estocástica de dos etapas que integra interacciones de estela mediante el software FLORIS para optimizar la programación de energía y reservas en parques eólicos, demostrando que este enfoque, junto con la gestión activa de estelas, reduce las penalizaciones por desequilibrio y aumenta los ingresos en comparación con los métodos convencionales.

Lo esencial

¡Claro que sí! Imagina que este artículo es como una receta de cocina para hacer más dinero con parques eólicos, pero con un ingrediente secreto que la mayoría de los chefs (los operadores de parques) se están olvidando: la "sombra" que dejan las turbinas.

Aquí tienes la explicación, traducida a un lenguaje sencillo y con analogías divertidas:

1. El Problema: La "Sombra" Invisible

Imagina que tienes un grupo de amigos corriendo en una fila para atrapar el viento y generar electricidad.

• La forma antigua de hacerlo (Método "Power Curve"): Los operadores pensaban: "Si cada amigo puede correr a 20 km/h, entonces 100 amigos correrán a 20 km/h cada uno". Error.
• La realidad (Efecto de estela o Wake): Cuando el primer amigo corre rápido, le quita aire al segundo, y al segundo le quita aire al tercero. Es como si el primero le hubiera lanzado una "sombra de viento" a los demás. Los que están detrás corren más lento y se cansan más (se fatigan).
• El resultado: Si el parque eólico le promete al mercado de electricidad que va a producir mucha energía (basándose en la teoría de que todos corren a 20 km/h), pero en realidad los de atrás van a 15 km/h por culpa de la sombra, pierden dinero y tienen que pagar multas por no cumplir su promesa.

2. La Solución Propuesta: "El Baile de las Turbinas" (Wake Steering)

Los autores proponen una estrategia genial llamada Wake Steering (Disección de estela).

• La analogía: Imagina que el primer amigo en la fila decide girar un poco su cuerpo (como si hiciera un paso de baile o se inclinara).
• ¿Qué pasa? Al girar, su "sombra" ya no cae sobre el amigo de atrás, sino que pasa a un lado. El amigo de atrás recibe viento fresco y puede correr más rápido.
• El sacrificio: El primer amigo gira y pierde un poquito de velocidad (produce un poco menos de energía), pero el grupo completo termina yendo más rápido que si todos fueran rectos. ¡Es un intercambio inteligente!

3. El Juego de los Mercados: La Apuesta Diaria

Los parques eólicos no solo venden electricidad; también venden "seguros" o "reservas" (ayuda para cuando la red eléctrica se tambalea). Tienen que hacer una apuesta el día antes (Day-ahead):

• La apuesta: "Mañana te daré X cantidad de energía y Y cantidad de ayuda".
• El riesgo: Si el viento cambia o si la "sombra" es más fuerte de lo pensado, no pueden cumplir la apuesta y el mercado les cobra una multa (desequilibrio).

4. ¿Qué descubrieron los autores?

Usando un simulador muy avanzado (llamado FLORIS, que es como un videojuego de física del viento), probaron tres estrategias en un parque eólico real (el London Array en el Reino Unido):

1. El Optimista (Método antiguo): Ignora las sombras.
   • Resultado: Promete mucho, pero falla mucho. Al final, pierde un 3% de dinero por las multas, aunque parezca que va a ganar más. Es como apostar a que ganará un caballo que está cojo.
2. El Realista (Método Base): Sabe que existen las sombras, pero no hace nada para arreglarlo.
   • Resultado: Es honesto, pero deja dinero sobre la mesa porque no aprovecha el viento que podría haber recuperado.
3. El Estratega (Método Propuesto con "Baile"): Sabe que hay sombras y usa el "giro" (Wake Steering) para moverlas.
   • Resultado: ¡Gana un 1-2% más de dinero! Además, evita las multas porque sus predicciones son mucho más precisas.

5. La Conclusión en una Frase

Este artículo nos dice que la inteligencia colectiva gana a la fuerza bruta. En lugar de que todas las turbinas intenten capturar el viento al máximo de forma egoísta (y estorbarse entre ellas), es mejor que algunas "cedan" un poco y giren para dejar pasar el viento a sus vecinas.

En resumen:

• Sin el método: Es como intentar pasar por una puerta estrecha todos a la vez; nadie entra rápido y todos chocan.
• Con el método: Es como un equipo de fútbol que se pasa el balón y se mueve para dejar espacio; el equipo entero marca más goles (produce más energía) y gana el partido (más dinero).

Los autores demuestran que, si los parques eólicos usan esta "coreografía" del viento, pueden ser más rentables, ayudar más a la red eléctrica y evitar castigos financieros, algo crucial a medida que el mundo depende más de la energía eólica.

Resumen técnico

1. El Problema

La integración masiva de energía eólica en los sistemas eléctricos plantea desafíos críticos para la estabilidad de la red y la participación en los mercados de electricidad.

• Incertidumbre y Estelas: Los métodos convencionales para estimar la producción de energía eólica suelen basarse en curvas de potencia individuales de las turbinas ("Power Curve"), ignorando las interacciones de estela (wake effects). Esto genera estimaciones optimistas que representan un límite superior irreal, ya que no consideran la reducción de velocidad del viento y el aumento de la turbulencia que sufren las turbinas aguas abajo.
• Consecuencias Económicas: Al sobreestimar la producción, los productores de energía eólica (WPP) presentan ofertas excesivas en los mercados de energía y reserva. Cuando la producción real es menor debido a las pérdidas por estela, se generan desequilibrios significativos, lo que resulta en penalizaciones financieras y una reducción de los ingresos netos.
• Gestión Activa: La mayoría de las estrategias de control actuales operan a nivel de turbina individual (control "codicioso" o greedy), sin coordinar la orientación de las turbinas para mitigar el impacto de las estelas en el conjunto del parque.

2. Metodología Propuesta

El artículo propone un enfoque interdisciplinario que combina la aerodinámica de estelas con la optimización de mercados eléctricos mediante un marco de programación estocástica de dos etapas.

• Modelado de Estelas (FLORIS): Se utiliza el software de simulación FLORIS (con el modelo Cumulative Curl) para estimar la producción de energía del parque eólico. A diferencia de los métodos tradicionales, este modelo calcula explícitamente el déficit de velocidad y la desviación de la estela basándose en la velocidad y dirección del viento, y la turbulencia.
• Estrategia de Control: Wake Steering: Se implementa una estrategia de control activo donde las turbinas aguas arriba se desvían intencionalmente (cambio de yaw) para redirigir sus estelas lejos de las turbinas aguas abajo. Aunque esto reduce ligeramente la producción de la turbina desviada, aumenta la producción neta del parque.
• Marco Estocástico:
  • Generación de Escenarios: Se generan escenarios para la velocidad del viento, la dirección del viento y la duración de las reservas de frecuencia (FR), utilizando distribuciones estadísticas (Normal para velocidad, von Mises para dirección).
  • Reducción de Escenarios: Se aplica el algoritmo K-medoids para reducir miles de escenarios generados a un conjunto representativo (15 escenarios) que equilibra la precisión y el costo computacional.
  • Dos Etapas de Optimización:
    1. Primera Etapa (Día anterior): Determina las ofertas óptimas para el mercado de energía Day-ahead (DA) y los servicios de reserva (MFR y FR) para maximizar el beneficio esperado.
    2. Segunda Etapa (Tiempo real): Evalúa los desequilibrios y los costos de penalización bajo diferentes escenarios de incertidumbre, ajustando la redispachación de energía y reserva.
• Caso de Estudio: Se aplica al London Array (parque eólico marino de 630 MW en el Reino Unido), participando en los mercados de energía, Reserva de Restauración de Frecuencia (FRR/FR) y Respuesta de Frecuencia Obligatoria (MFR).

3. Contribuciones Clave

El artículo presenta tres contribuciones principales que llenan una brecha de investigación entre la operación de mercados y el control de parques eólicos:

1. Estimación de Potencia Consciente de Estelas: A diferencia de los métodos "Power Curve" (optimistas) o "Baseline" (conservadores pero sin gestión activa), el modelo propuesto utiliza modelos de estela de ingeniería de vanguardia para predecir la producción realista, incorporando explícitamente las interacciones entre turbinas.
2. Mejora de Eficiencia mediante Wake Steering: Se demuestra que el uso de wake steering como estrategia de control activo no solo mitiga las pérdidas por estela, sino que optimiza el rendimiento del parque y su desempeño en el mercado, permitiendo una participación más eficiente en servicios auxiliares.
3. Análisis de Mercado Extendido: Mientras que la literatura anterior se centraba principalmente en la Reserva de Contención de Frecuencia (FCR), este trabajo expande el análisis al mercado de Reserva de Restauración de Frecuencia (FRR/FR), un mercado de mayor escala temporal donde las interacciones de estela son críticas debido a los tiempos de propagación de la estela.

4. Resultados Principales

Los resultados, obtenidos mediante simulaciones en el London Array durante dos días específicos, muestran:

• Sobreestimación de Métodos Tradicionales: El método "Power Curve" sobreestima la producción en un 12-13% en comparación con el enfoque consciente de estelas (Baseline).
• Impacto Económico Negativo: Debido a esta sobreestimación, el método tradicional incurre en penalizaciones por desequilibrio que resultan en un ingreso real un 3% menor que el obtenido con el enfoque que considera las estelas, a pesar de presentar ofertas más altas.
• Beneficio del Wake Steering: La implementación de la estrategia de wake steering (enfoques WRC1 y WRC2) genera un aumento adicional del 1-2% en los ingresos en comparación con el enfoque que solo considera las estelas sin gestión activa.
• Sensibilidad a la Dirección del Viento: Se confirma que la producción del parque es altamente sensible a la dirección del viento. Pequeños cambios pueden alterar drásticamente las pérdidas por estela, lo que valida la necesidad de modelos dinámicos en lugar de curvas de potencia estáticas.
• Viabilidad Temporal: Se demostró que el tiempo de propagación de la estela (aprox. 2-3 minutos para las filas siguientes) es compatible con los tiempos de respuesta requeridos para los servicios de reserva secundaria (FR), haciendo viable la participación activa en estos mercados.

5. Significado e Implicaciones

Este estudio es fundamental para la evolución de la integración eólica en los sistemas eléctricos modernos:

• Precisión en la Gestión de Riesgos: Demuestra que ignorar las interacciones de estela en la planificación de mercados de corto plazo es costoso. La inclusión de modelos de estela es esencial para evitar penalizaciones financieras y mejorar la rentabilidad.
• Nueva Perspectiva de Control: Cambia el paradigma de ver el control de parques eólicos solo como una cuestión de maximización de energía física, integrándolo directamente con la estrategia de licitación económica.
• Estabilidad de la Red: Al permitir una estimación más precisa de la capacidad disponible y una gestión activa de las estelas, los parques eólicos pueden participar de manera más fiable en los servicios de equilibrio de la red (reservas), facilitando una mayor penetración de energías renovables sin comprometer la seguridad del sistema.
• Escalabilidad: El marco propuesto es aplicable a otros sistemas eléctricos y mercados, ofreciendo una base para el desarrollo de estrategias de oferta óptimas en un futuro con alta dependencia de la energía eólica.

En conclusión, el artículo valida que la combinación de modelado aerodinámico avanzado y optimización estocástica de mercados es una herramienta indispensable para maximizar la rentabilidad y la fiabilidad de los parques eólicos en el entorno actual de mercados eléctricos liberalizados.