Un método simple para el diseño de escenarios óptimos de instalaciones eólicas y fotovoltaicas

Abstract

[ES]Se presenta un método simple para el diseño de escenarios de instalaciones eólicas y fotovoltaicas con el fin de obtener curvas de producción renovable ajustadas a la demanda de electricidad. En primer lugar, las series temporales de variables meteorológicas obtenidas de una simulación climática regional, o de cualquier base de datos climática regular, se transforman en series de potencial para la producción de energía eólica y fotovoltaica, que puede verse como una estimación del factor de capacidad (CF). En segundo lugar, se aplican técnicas de clustering jerárquico y no jerárquico para identificar regiones con una variabilidad temporal similar de las series de CF. En tercer lugar, se construye una combinación lineal de las series medias regionales de CF que será optimizada, por ejemplo para obtener el mejor ajuste producción-demanda. Los coeficientes obtenidos para cada serie de CF en este ejercicio de optimización, a los que hay que imponer la condición de ser cero o positivos y que, opcionalmente, podrían forzarse individualmente para que varíen dentro de un rango determinado, indicarán la cantidad óptima de capacidad de potencia instalada necesaria en cada región según el criterio de optimización aplicado. Como ejemplo, este método se ha aplicado sobre la Península Ibérica a escala mensual, pero su aplicabilidad en otras escalas espaciales y temporales es inmediata y podría ayudar al diseño de flotas renovables optimizadas.

[EN]Here we present a parsimonious method for the design of wind and photovoltaic fleets guaranteeing that the renewable production follows the electricity demand curve. First, time-series of weather variables, from regional climate model simulations or any other homogeneous climatic database, are transformed into timeseries of wind and PV power potential production, which can be seen as capacity factor (CF) estimates. Second, a combination of hierarchical and non-hierarchical clustering is performed to identify regions with similar temporal variability of the CF series. Third, a linear combination of the resulting mean regional CF series is constructed to be fitted, for instance, to get the best production-demand adjustment, or under alternative optimization criteria such as minimum cost of installations that guarantee a certain supply. The coefficients obtained for each CF series after the fitting or optimization exercise, to which the condition of being zero or positive must be imposed and which, optionally, could be individually forced to vary within a certain range, will indicate the optimum amount of installed power capacity needed in the each region under the chosen optimization criteria. Illustrating the method, it has been applied over the Iberian Peninsula at the monthly time-scale, but its applicability in other spatial and temporal scales is immediate and could serve to design optimized renewable fleets.