Potencial eólico y su aprovechamiento energético
Basado en un modelo de simulación con Vensim
Julio Jesús Quijano Vargas
jjqv09@gmail.com
En la actualidad, el calentamiento global nos tiene en alerta climática debido a
las consecuencias que conlleva, entre los cuales se encuentra la desglaciación.
La desglaciación también conlleva a otros problemas como es el de la
disminución de caudales, y esto afecta a los principales ríos de donde
actualmente se extrae agua potable y energía hidroeléctrica, por lo tanto existe
un problema hídrico en el Perú que será inevitable e irreversible; tal es así que,
escenarios ambientales para el 2036 pronostican a la ciudad de Lima (Capital
de Perú) con Estrés Hídrico.
Aun no se conoce los potenciales escenarios de
energía eléctrica para el Perú en el futuro pero, intuitivamente con lo anterior,
se podría espera un cambio negativo. Aproximadamente el 40% de la energía
en el Perú es de origen hidroeléctrico y abastece al 75% de las industrias en el
país (IPCC, 2007), y como en todos los países con alerta de estrés hídrico,
deberíamos buscar alternativas de generación energética sostenibles en el
tiempo y de gran magnitud, pero esto aún no se ha evaluado. Una gran
alternativa que está tomando fuerza en todos los países del mundo en los
últimos años, es la energía eólica.
El Perú, caracterizado por un clima complejo debido a sus tres regiones
geográficas (costa, sierra y selva), pertenece a una zona de vientos
superficiales de intensa magnitud de América del Sur. Particularmente, la costa
peruana posee unas zonas llamadas Jet Costero (Quijano, 2011), en donde la
velocidad del viento promedio oscila entre 10 a 12 m/s y se encuentra muy
ceñido a la línea de costa influenciado principalmente por vientos provenientes
del océano pacifico, como por ejemplo los Vientos Paracas que pueden llegar
hasta 21 m/s (Quijano, 2013). Por otro lado, en la selva y la sierra peruana
también encontramos vientos intensos del orden de 6 a 10 m/s los cuales
tienen influencia de un Jet o vientos de bajo nivel (Low Level Jet, por su
nombre en inglés) provenientes del océano atlántico y la selva amazónica
(Marengo et al. 2004). Esta fuente de energía renovable podría ser la mejor
alternativa de fuente energía y de adaptación al cambio climático. En la
actualidad, Brazil y Chile son los principales países de Sudamérica que
cuentan con esta tecnología, y China es el principal en todo el mundo (WWEA,
2014).
El presente proyecto pretende adaptar un modelo atmosférico regional con el
que se pueda identificar las principales zonas de vientos aprovechables para la
energía eólica y cuantificar su relevancia en función a la cantidad de energía
que se obtendría de un parque eólico con turbinas estándar; todo esto asociado
al mercado actual. Además se podrá identificar cuáles son las zonas más
vulnerables al cambio climático con respecto a la energía eólica sugiriendo
algunos potenciales escenarios ambientales como es el calentamiento del mar
frente a Perú o el enfriamiento de la costa peruana.
Los resultados servirán a los tomadores de decisiones y a las empresas
privadas como línea base para la inversión de proyectos energéticos de gran
envergadura con miras al futuro del País y con una alternativa de energía
sostenible con el que se pueda abastecer desde pueblos a ciudades enteras.
Cabe destacar la importancia de que esta alternativa de energía es tan limpia y
renovable como la hidroeléctrica pero más adecuada en cuanto al contexto de
cambio climático en el Perú.
El modelo numérico Vensim, tiene la capacidad de modelar sistemas reales
dependiendo de la calidad de datos que se posea como condiciones de borde.
La plataforma amigable que posee hace posible que la optimización de los
modelos generados en este software sea intuitivo y de rápida comprensión.
Posee una interfaz gráfica acoplada y se basa en los diagramas de flujo para la
generación de modelos. Este modelo tiene la capacidad de simular a una alta
resolución temporal (hasta 0.001 segundo) ya que posee un método de
interpolación temporal complejo llamado método de Runge Kutta 4. Las
condiciones de frontera por lo general son valores puntuales obtenidos de
información de campo, aunque también tiene la capacidad de generar
funciones que varian en el tiempo con el cual incrementa la exactitud del
modelo a evaluar.
(*) Aquí puede descargar el documento completo
|
