Gestión dinámica de una línea eléctrica aérea de alta tensión basada en modelos numéricos y análisis mediante herramientas GIS

Abstract

RESUMEN: La potencia eólica instalada en España a finales de 2016 ascendía a casi 23.000 MW, lo que supone aproximadamente un 23% de la potencia instalada. En términos porcentuales, la generación basada en energías renovables se sitúa en el 42%. Este incremento de la capacidad de generación eólica no ha ido aparejado a un crecimiento equivalente de las infraestructuras de transporte y distribución de energía eléctrica. En algunos casos, la red no es capaz de absorber toda la potencia generada. Para evitar los vertidos de energías renovables sin necesidad de construir nuevas infraestructuras y/o repotenciar las existentes es conveniente realizar una gestión dinámica de la ampacidad de las líneas, que se operan habitualmente con un valor estático de capacidad. Una alternativa posible con un coste de despliegue inferior al 2% del coste de una línea nueva es utilizar técnicas de gestión dinámica de capacidad basada en las condiciones meteorológicas, siendo el viento el factor más determinante. Primero se utilizara el software QGIS para analizar el terreno que comprende tanto a la línea como a sus alrededores. Un análisis de la irregularidad del terreno (WindNinja simula el efecto que produce el relieve sobre el flujo del viento) permitirá intuir la variabilidad del viento a lo largo de la línea. A continuación se utiliza el software WindNinja (FireLab de EEUU) para simular diferentes velocidades y direcciones de viento en la localización de la línea. Posteriormente se analizan las simulaciones generadas con QGIS y Python, que es un software que permite el análisis de datos georeferenciados. El análisis consistirá en asignar la velocidad y dirección del viento correspondiente a cada punto de la línea dentro de todas las resultantes en el mapa de vientos generado con WindNinja. Por último, se generara un script en Python donde se introduzcan los valores conocidos de velocidad y dirección del viento de una estación meteorológica y se obtengan la velocidad y dirección del viento del resto de la línea. El objetivo final es obtener la correlación espacial entre los datos observados en una o varias estaciones meteorológicas y su proyección a todos los puntos de la línea de estudio. A la conclusión del proyecto podremos determinar (de un modo aproximado) la dirección y velocidad del viento a lo largo de toda la línea a partir de los datos reales obtenidos en las estaciones meteorológicas incorporadas a la línea. Esta tarea se llevara a cabo mediante la correlación existente entre los datos observados en las estaciones meteorológicas y los datos simulados a lo largo de toda la línea. Esta información puede ser utilizada para maximizar la capacidad de la línea a través del cálculo de la refrigeración producida por convección.

ABSTRACT: The wind power installed in Spain at the end of 2016 amounted to almost 23,000 MW, which represents approximately 23% of installed capacity. In terms of percentage, the generation based on renewable energies stands at 42%. This increase in wind power generation capacity has not been accompanied by an equivalent growth in the transmission and distribution of electricity infrastructures. In some cases, the network is not able to absorb all the power generated. In order to avoid the discharge of renewable energies without the need to build new infrastructures and / or to upgrade existing ones, it is possible to carry out the dynamic management of the ampacity of the lines, which are usually operated with a static capacity value. A possible alternative with a deployment cost of less than 2% of the cost of a new line is to use dynamic capacity management techniques based on weather conditions, with wind being the most determining factor. The rest of the weather conditions that affect the temperature of the conductors have a negligible effect when compared to the wind. First, the QGIS software will be used to analyze the terrain that includes both the line and its surroundings. An analysis of the irregularity of the terrain (WindNinja simulates the effect of the relief on the wind flow) will allow us to intuit the intensity of the wind variation along the line. Next, the WindNinja software (US FireLab) is used to simulate different speeds and wind directions at the line location. Then, the simulations generated with QGIS and Python, which is a software that allows the analysis of georeferenced data, are analyzed. The analysis will consist of assigning the wind speed and direction corresponding to each point of the line within the entire resulting winds wind map generated by WindNinja. Finally, a script will be generated in Python where the known values of wind speed and direction of a meteorological station are introduced and the wind speed and direction of the rest of the line are obtained. The final objective is to obtain the spatial correlation between the observed data in one or several meteorological stations and its projection to all the points of the line of study. At the conclusion of the project we can determine (in an approximate way) the direction and speed of the wind along the whole line from the real data obtained in the meteorological stations incorporated to the line. This task will be carried out through the correlation between the data observed in the meteorological stations and the simulated data along the entire line. This information can be used to maximize the capacity of the lines. From the data obtained, it is possible to calculate the convection cooling and then the ampacity of the lines with real meteorological conditions instead of with a static wind value.