Aplicaciones en energía solar 38DOI: 10.31978/014-18-009-X.38

::chapaginaini::38::599::DANIEL MASA BOTEAKKA Technologies, Madrid, España

ANA CAROLINA DO AMARAL BURGHI Y TOBIAS HIRSCHGerman Aerospace Center (DLR), Institute of Solar Research, Stuttgart, Alemania

ROBERT PITZ-PAALGerman Aerospace Center (DLR), Institute of Solar Research, Colonia, Alemania

El uso de energía solar no ha sido desarrolladoporque la industria del petróleo no posee el sol.

RALPH NADER

Las actividades relacionadas con la obtención de energía en las que las condiciones meteorológicastengan un impacto crítico pueden beneficiarse de importantes mejoras en su rendimiento si las previ-siones meteorológicas son acertadas. Con el surgimiento de la predicción probabilista este beneficiopuede ser aún mayor pues, como se describe en otras partes de este libro y más adelante en este mismocapítulo, pueden tomarse mejores decisiones si se conocen las probabilidades asociadas a la superaciónde distintos umbrales de ocurrencia de eventos meteorológicos. Utilizando el lenguaje económico, usarpredicciones probabilistas tiene un valor relativo mayor, si se saben utilizar y serán, por tanto, másrentables. Nuestro futuro sólo puede encontrarse en la energía sostenible, como es el caso de la solar ola eólica.

Palabras clave: sistemas de predicción por conjuntos aplicados a la energía solar, predicción probabilista para la previsiónde energía solar fotovoltaica, efecto cartera, almacenamiento eléctrico, gestión de la demanda, inclusión de incertidumbresde predicciones meteorológicas en la optimización del despacho de energía por plantas solares de concentración.

Imagen parte superior: la torre solar Jülich es un modelo de investigación para actuales y futuras centrales térmicas solares comerciales.Los experimentos se llevan a cabo con radiación solar altamente concentrada. Fotografía: DLR.

600 Física del caos en la predicción meteorológica Capítulo 38. Aplicaciones en energía solar

Figura 38.1: Variación de la radiación incidente en un día de nubosidad variable.

38.1 Previsiones meteorológicas en la energía solar fotovoltaica

DANIEL MASA BOTE

AKKA Technologies, Madrid, España

La afirmación con la que termina el encabezado del ca-pítulo es, si cabe, más relevante en la situación actualde creciente penetración de las energías renovablesen las redes eléctricas. De acuerdo con la AgenciaInternacional de la Energía, la energía solar fotovoltai-ca contribuyó con 1% al total de la energía eléctricaproducida en todo el mundo. Esta penetración, pese aparecer baja a primera vista, está desigualmente dis-tribuida: alcanzando un 8.1% en Italia y un 6.0% enAlemania, por ejemplo. En España la contribución dela energía solar fotovoltaica en ese año fue del 3.1%.Además de la creciente preocupación por los efec-tos ambientales provocados por fuentes tradicionalesde energía, basadas en combustibles fósiles, y por suinevitable agotamiento, este crecimiento ha estadoprovocado, además, por el abaratamiento de los cos-tes de producción de las energías renovables, siendocompetitivas en coste con las fuentes convencionalesde generación en múltiples países. Es esperable queen el futuro esta tendencia no solo se mantenga sinoque se acreciente.

La energía solar fotovoltaica, al igual que otras ener-gías renovables como la eólica, ha sido consideradatradicionalmente una fuente de energía no fiable debi-do a su dependencia para producir energía de las con-diciones meteorológicas, principalmente la radiaciónen el caso de los sistemas fotovoltaicos al estar íntima-mente ligada su generación a la radiación incidente.La integración de la energía solar fotovoltaica en lasredes eléctricas parte por lo tanto de la capacidad de

conocer de antemano la capacidad de producción delos sistemas fotovoltaicos.

Las predicciones de radiación incidente se puedenagrupar en dos grupos bien diferenciados en funcióndel horizonte de predicción o anticipación con la quese desea conocer la generación futura: prediccionesa corto plazo con un horizonte de predicción de 24 a48 horas y predicciones a muy corto plazo o predic-ciones inmediatas con las que se desea conocer lasfluctuaciones de la generación de los sistemas foto-voltaicos con una antelación que va desde las 3 horashasta periodos de unos pocos minutos.

Estos dos horizontes de predicción responden a dosnecesidades concretas de los sistemas eléctricos. Enel caso de predicciones a 24-48 horas, es la necesidadpor parte de los operadores de los sistemas eléctricosde conocer con suficiente anticipación la capacidad detodos los generadores del sistema de tal manera queel operador pueda despachar la producción individualde cada generador teniendo en cuenta la demanda.Las predicciones inmediatas o a muy corto plazo es-tán orientadas a contribuir a la estabilidad de la redeléctrica limitando fluctuaciones muy rápidas en laenergía generada por un sistema fotovoltaico. A modode ejemplo, en la Figura 38.1 se muestra la variaciónen la radiación durante un día de nubosidad variable.

Las predicciones a muy corto plazo quedan fuera delámbito del presente estudio. No obstante, cabe indicarque estas predicciones no suelen efectuarse a partir

38.1 Previsiones meteorológicas en la energía solar fotovoltaica 601

de modelos numéricos de predicción sino a partir demodelos estadísticos o análisis y extrapolación de imá-genes obtenidas por satélite o radar.

38.1.1 Beneficios de las predicciones pro-babilistas

Como ya se ha comentado, el objetivo de las predic-ciones a corto plazo es conocer de antemano y con lamayor exactitud posible cuánta energía va a generarun sistema fotovoltaico para que estos puedan parti-cipar en los despachos de energía realizados por losoperadores de los sistemas eléctricos. En los despa-chos, el operador del sistema eléctrico asigna a cadagenerador cuánta energía debe producir en función desu capacidad declarada de generación, que en el casode los sistemas fotovoltaicos serán las prediccionesa corto plazo, y la demanda prevista. Este criterio deasignación se basa tanto en criterios técnicos que bus-can asegurar la fiabilidad y seguridad del suministroeléctrico como en criterios económicos que persiguenreducir los costes de generación de energía eléctri-ca. Los despachos de electricidad se realizan a escalahoraria, para un día completo y con un mínimo de12 horas de adelanto.

En la actualidad, el mecanismo más extendido pararealizar el despacho de la generación eléctrica sueleser mediante mercados mayoristas diarios, también lla-mados pool, en los cuales se casan las ofertas de ventay compra de electricidad presentadas por productoresy consumidores de tal manera que la demanda se cubrapreferentemente con las fuentes de generación más

económicas. En el caso de que un generador eléctricose desvíe de la cantidad que le ha sido asignada, puedeincurrir en penalizaciones económicas. Lo más habi-tual es que solamente se penalice a los productores silas desviaciones incurridas son contrarias al sistema,es decir, si se ha producido menos energía de la de-clarada en un momento en que la red era deficitaria(mayor consumo que generación) o viceversa.

En el caso de predicciones deterministas, la energíaa declarar por los gestores de una huerta solar serádirectamente el resultado de la predicción y, por tanto,la probabilidad de incurrir en desvíos respecto a lacapacidad declarada dependerá exclusivamente de labondad del modelo de predicción que suele situarse entorno al 40% para valores horarios de radiación conhorizonte de 24 horas. Por supuesto, siempre se puededeclarar una energía menor que la predicción paratener un cierto margen de maniobra en caso de que lapredicción falle por exceso. El caso de que la predic-ción falle por exceso se considera trivial pues bastacon limitar la generación. No obstante, aunque esteproceder pueda minimizar la probabilidad de incurriren desvíos, no supone una gestión óptima del recursosolar pues de manera sistemática se está declarandouna capacidad de producción menor a la real.

En el caso de disponer de predicciones de producciónprobabilistas, un ejemplo de las cuales se muestra enla Figura 38.2, acompañadas por tanto de sus corres-pondientes intervalos de confianza, es posible saber deantemano no solo la energía generada por el sistemasino tener una idea de la distribución de probabilidaddel error asociado a dicha predicción.

Figura 38.2: Predicción de valores horarios de radiación junto con intervalos de confianza.

602 Física del caos en la predicción meteorológica Capítulo 38. Aplicaciones en energía solar

Con esta información es posible hacer una estimaciónmás razonable y ajustada de la energía que se debedeclarar de cara al sistema de tal manera que, a largoplazo, se consigan minimizar tanto las penalizacionesdebidas a desvíos como la energía desaprovechada.La estimación de la energía a declarar puede afinarsesi se dispone de información sobre errores de predic-ción cometidos en el pasado y es posible realizar unacorrección estadística, empleando redes neuronales,por ejemplo, de la salida del modelo de predicciónempleado.

38.1.2 Efecto cartera, almacenamientoeléctrico y gestión de la demanda

Como ya se ha comentado anteriormente, la integra-ción efectiva de los sistemas fotovoltaicos en las redeseléctricas implica necesariamente, conocer con la ma-yor exactitud posible la energía que generarán estossistemas a corto plazo. En el caso que nos ocupa de lageneración fotovoltaica, las predicciones se caracteri-zan por su elevada incertidumbre (hasta un 40%) y, ala espera de que se produzcan mejoras en los procedi-mientos predictivos que permitan reducir este error, enla industria se han propuesto soluciones alternativasque, en vez de reducir la incertidumbre asociada a losmodelos de predicción, permiten paliar sus efectos.

La primera de estas soluciones es el denominado efec-to cartera, consistente en agrupar la generación devarios sistemas fotovoltaicos como si constituyesenun único sistema, de tal manera que la energía ge-nerada por el conjunto sea más previsible que la decada sistema individual. Para que la reducción de laincertidumbre sea efectiva es necesario que los siste-mas se encuentren lo suficientemente distantes entresí como para que la irradiación incidente en cada unopueda considerarse independiente de las demás. A finde ilustrar este efecto, se muestran en la Tabla 38.1los errores cuadráticos medios cometidos al prede-cir valores horarios de radiación con un horizonte depredicción de 24 horas durante un año completo encinco localidades de la península: Santander, Logro-ño, Soria, Madrid y Cáceres así como el resultado dela predicción conjunta, efecto cartera, para las cincolocalidades. Puede observarse que el error cuadrá-tico medio conjunto es inferior a todos los demás,

consistentemente con la teoría expuesta en las seccio-nes 13.6.3 en la página 178 y 15.7 en la página 221.

La siguiente solución alternativa propuesta consiste encombinar los sistemas fotovoltaicos con sistemas dealmacenamiento, típicamente baterías eléctricas, sien-do las más populares las de ion-litio. La idea detrásde combinar generación renovable y almacenamientoeléctrico es bastante sencilla: se usará el sistema dealmacenamiento como un búfer en el que se inyectaráenergía cuando esta sea excedentaria y del cual se ex-traerá energía cuando esta sea deficitaria. El resultadoes que el conjunto generador más batería se muestrade cara a la red como un generador cuya diferenciaentre energía declarada y energía finalmente entrega-da a la red se ha desacoplado, gracias a la batería,del error de predicción. El principal inconveniente deesta solución es el elevado coste de los sistemas dealmacenamiento.

A modo de ilustración se muestra en la Figura 38.3en la página siguiente el efecto que tiene la inclusiónde almacenamiento en un sistema fotovoltaico real de7 kW. Se han considerado distintos tamaños de bateríaen función de la capacidad de la misma o máximaenergía que es capaz de almacenar, Cbat,max, y la po-tencia máxima de carga/descarga que es la máximapotencia que puede entregar de manera instantánea elsistema, Pbat,max. Como es de esperar, a medida queaumenta el tamaño de la batería, tanto en capacidadcomo potencia máxima, se reduce la diferencia entreenergía declarada y producida. En el mejor de los ca-sos, esta diferencia tiene un error cuadrático medio,RMSE, de 397 Wh mientras que el error cometido enla predicción, sin contar con el almacenamiento, es de1087 Wh.

Localidad RMSE [Wh/m2]Santander (I) 186,3Logroño (II) 165,2Soria (III) 159,7

Madrid (IV) 150,6Cáceres (V) 138,8

Conjunta 106,6

Tabla 38.1: Resultados de la predicción de la irradia-ción para cada localidad y para la combinación de lascinco localidades.

38.1 Previsiones meteorológicas en la energía solar fotovoltaica 603

Figura 38.3: Diferencia entre energía declarada y producida en función del dimensionamiento del sistema dealmacenamiento eléctrico.

El uso de almacenamiento eléctrico no solo permitemitigar los efectos de la incertidumbre en la predic-ción sino que también permite proporcionar serviciosauxiliares a la red eléctrica que un sistema fotovol-taico, por sí solo, no es capaz. Por ejemplo, el perfilde generación de la Figura 38.1 en la página 600,aunque pudiese predecirse con total exactitud no esdeseable para la red eléctrica debido al efecto negati-vo que tiene sobre el sistema su elevada variabilidad.La combinación de un sistema fotovoltaico con dichoperfil de generación y una batería con una estrategiade gestión adecuada permitirían aplanar dicho perfilde tal manera que, para la red eléctrica, el conjunto degeneración fotovoltaica más almacenamiento sería elde un único generado estable en el tiempo.

La última solución posible para mitigar el efecto de la

incertidumbre en la predicción es la combinación degeneración fotovoltaica con sistemas de gestión de lademanda eléctrica. La gestión de la demanda eléctricaconsiste en la capacidad por parte de los consumi-dores de modificar su consumo de energía eléctricareduciendo el mismo o desplazándolo temporalmente.Esta solución implica que los sistemas fotovoltaicosse ubiquen en la proximidad de puntos de consumo co-mo puede ser sector residencia, industria o comercioEn este sentido, la gestión de la demanda se comporta-ría como la batería en el caso anterior: se desplazaríael consumo de electricidad de aquellos periodos enque la generación fotovoltaica es deficitaria a aquellosen que es excedentaria. Por supuesto, tanto almacena-miento eléctrico como gestión de la demanda no sonmutuamente excluyentes y ambas estrategias puedenllevarse a cabo de manera conjunta.

604 Física del caos en la predicción meteorológica Capítulo 38. Aplicaciones en energía solar

Figura 38.4: Rango de posibles planes de entrega de electricidad para dos días específicos, de acuerdo con laprobabilidad de cumplir con la energía comprometida para ese periodo.

38.2 Inclusión de incertidumbres de predicciones meteorológicas en la op-timización del despacho de energía por plantas solares de concentra-ción

ANA CAROLINA DO AMARAL BURGHI Y TOBIAS HIRSCH

German Aerospace Center (DLR), Institute of Solar Research, Wankelstrasse 5, 70563 Stuttgart, Alemania

ROBERT PITZ-PAAL

German Aerospace Center (DLR), Institute of Solar Research, Linder Höhe, 51147 Colonia, Alemania

La alta penetración de energías renovables en redeseléctricas ofrece la oportunidad de equilibrar la pro-ducción y la demanda de electricidad mediante plantasde Energía Solar de Concentración (CSP, en inglésConcentrated Solar Power [1]). Gracias a su capa-cidad de almacenamiento térmico, las plantas CSPproporcionan una cierta flexibilidad, y permiten des-acoplar la recolección de energía térmica del sol y sutransformación en energía eléctrica mediante un ciclode potencia, por lo que hacen posible generar energíaen el momento que más se necesita.

Para programar con precisión la producción de elec-tricidad en los próximos días, el despacho de energíade estas plantas debe basarse en la demanda de elec-tricidad y las predicciones meteorológicas [2]. Estaprogramación permite la participación activa de lasplantas de CSP en el mercado de energía, reforzandosu importancia en un futuro donde se vislumbra unaalta integración y combinación de distintas fuentes deenergía renovable.

El término despacho es el utilizado en el mercadoeléctrico, refiriéndose al envío de energía de la plantaeléctrica a la red, mientras que suministro está rela-cionado con la energía que va de la red a los consumi-dores. Son concepto muy similares, pero acercándoseal detalle técnico se trata de distintas partes de unmismo proceso.

La atmósfera es un sistema caótico, y por ello es impo-sible predecir su estado futuro de forma exacta. Así esrecomendable considerar la incertidumbre de estas enla planificación del despacho de energía por centralesCSP.

La modificación de entrega de energía ya programadaes limitada y generalmente conlleva penalizaciones oprecios reducidos. En consecuencia, para garantizar laoptimización del despacho, es esencial considerar es-tas incertidumbres en el cronograma de la entrega deenergía, considerando su dependencia con el métodoy la precisión de los pronósticos meteorológicos.

38.2 Inclusión de incertidumbres de predicciones meteorológicas en la optimización del despacho de energía porplantas solares de concentración 605

La precisión de las predicciones meteorológicas, rea-lizadas por diferentes métodos de pronóstico, es untema relevante que ayuda a evaluar su impacto en laprogramación del despacho de energía, así como enel ingreso económico de las plantas CSP.

La Agencia Aeroespacial Alemana (Deutsches Zen-trum für Luft- und Raumfahrt e.V., DLR) desarrollóun programa de optimización de despacho de energíaeléctrica, utilizado para planear los cronogramas deoperación de una planta CSP en el mercado diariode energía. Este programa considera los pronósticosmeteorológicos y los precios de la electricidad, con unenfoque especial en la incorporación de incertidum-bres.

La estrategia del programa de DLR se basa en uncálculo que divide el algoritmo de optimización delprocesamiento de la incertidumbre, posibilitando asíla utilización de predicciones meteorológicas probabi-listas.

El algoritmo de optimización es ejecutado directamen-te con todos los escenarios meteorológicos posibles,en el caso de que la predicción sea probabilista, o conla predicción determinista y sus niveles de probabili-dad, mientras que la incertidumbre se trata como unpos proceso.

Este posproceso consiste en la categorización de losescenarios optimizados según un análisis de riesgosdel cumplimiento de la entrega de energía. Por lotanto, el resultado de la optimización es un rango deposibles planes de despacho de energía (Figura 38.4en la página anterior), y el procesamiento posteriorde la incertidumbre puede categorizar esos posibles

planes, de acuerdo con el riesgo de cumplir con laentrega de energía comprometida.

El enfoque del programa desarrollado por DLR brindala posibilidad de incluir la incertidumbre representadapor predicciones meteorológicas probabilistas en com-binación con otros parámetros del mercado eléctrico.Por lo tanto, pueden elaborarse estrategias exclusivasde entrega de energía, de acuerdo con la calidad de laspredicciones meteorológicas, las características delmercado y el enfoque de operación de la planta CSP.

Estas estrategias permiten aprovechar de forma ópti-ma toda la información contenida en las prediccionesprobabilistas específicamente para plantas CSP. El va-lor económico relativo se presenta con detalle en lasec. 15.10 en la página 234 y es en estas aplicacionesdonde puede calcularse para mostrar que el uso deSPC puede ser rentable con respecto a usar modelosdeterministas.

Esta herramienta tiene como ventaja la utilización depronósticos meteorológicos tanto deterministas comoprobabilistas, así como la evaluación de la calidady eficiencia de éstos para optimizar el despacho deenergía por plantas CSP.

La utilización de predicciones meteorológicas comoentrada, especialmente la de tipo probabilista, puedepermitir un aumento en los beneficios económicos yen la rentabilidad de estas plantas. Además, se prevéque los resultados relacionados con la exactitud en lapredicción del tiempo, así como los posibles incremen-tos de ingresos financieros por operación de plantasCSP puedan ser de gran relevancia para una mejorcomprensión sobre cómo emplear las incertidumbrespara una óptima generación de energía.

606 Física del caos en la predicción meteorológica Capítulo 38. Aplicaciones en energía solar

Figura 38.5: La torre solar JÜLICH es un modelo de investigación para actuales y futuras centrales térmicas solarescomerciales. Los experimentos se llevan a cabo con radiación solar altamente concentrada. Fotografía: vista aéreade la torre solar, DLR.

::chapaginafin::38::606::

38.3 Referencias a

38.3 Referencias

[1] BURGHI, Ana Carolina do amaral, HIRSCH,Tobias y PITZ-PAAL, Robert. “CSP DispatchOptimization considering Forecasts Uncer-tainties”. En: SolarPACES. Chile, sep. de

2017. URL: http : / / elib . dlr . de /114738/ (citado en página 604).

[2] VV. AA. IRENA - Adapting Market De-sign to High Shares of Variable RenewableEnergy. Informe técnico. Abu Dhabi: Inter-national Renewable Energy Agency (IRE-NA), 2017 (citado en página 604).