ESTIMACIÓN DE LA VELOCIDAD DEL VIENTO A DIFERENTES ALTURAS USANDO

EL MODELO WRF

José Franklyn Ruiz Murcia

Subdirección de Meteorología
Instituto de Hidrología, Meteorología y Estudios Ambientales – IDEAM

INTRODUCCIÓN

Distinto a la primera versión del Atlas de Viento y Energía Eólica de Colombia, preparado
por IDEAM-UPME en el año 2006, cuando se usaron métodos de interpolación
comúnmente usados en los sistemas de información geográfica con base en los datos
suministrados por estaciones convencionales y, se extrapolaron vientos a distintas alturas
utilizando ecuaciones sencillas en las cuales la velocidad del viento en altura dependía de
la rugosidad del suelo; esta versión, con los avances de la modelación meteorológica y
recurso tecnológico que el IDEAM ha aprendido a comprender desde entonces, se
pretende estimar el campo espacial promedio mensual y anual de la dirección y velocidad
del viento, junto con su comportamiento a distintas alturas, usando modelos dinámicos
actuales.

Para esta tarea y por disponibilidad de los datos de alta resolución en la escala global, en
esta nueva versión del atlas, se tomará como condiciones de entrada al modelo regional
WRF (Weather Research & Forecasting), el Climate System Forecast Reanalisys (CFSR),
el cual tiene condiciones meteorológicas iniciales y de frontera a una resolución espacial
horizontal de 0.5° (tamaños de grilla del orden 55kmX55km en la Zona Intertropical –
proyección Mercator) y 38 niveles en la resolución vertical para la serie de tiempo 1979 -
2012 cada 6 horas. Este reanálisis tiene la ventaja que sus resultados son la respuesta de
la asimilación de datos meteorológicos a nivel mundial incluida información derivada de
satélite y su modelación al interior incluye aspectos esenciales de los procesos físicos del
sistema climático en particular la de interacción océano-suelo-atmósfera.

Para obtener detalles del viento a nivel regional, se utilizará el modelo WRF, el cual
permite entre otras, suministrarle una correcta orografía y condiciones de suelo que se
pueden obtener de coberturas como las que ofrece el USGS y el espectrómetro MODIS,
asimilar datos de estaciones nacionales y las disponibles en el sistema mundial de
telecomunicaciones (Global Telecomunication System - GTS), así como de recibir campos
de primera aproximación que pueden ser procedentes de un modelo global o de un
reanálisis como condición inicial y de frontera, en 4 dimensiones (latitud, longitud, presión
atmosférica y tiempo); además de esto, dicho modelo puede correr de forma hidrostática o
no hidrostática.

El horizonte de tiempo que se simulará con WRF, para el atlas final, dependerá del
recurso computacional disponible; no obstante, teniendo en cuenta que la empresa
JEMEIWAA KA’I SAS nos presentó algunos reportes del viento promedio a diferentes
alturas dentro del convenio 061 de 2011, se decidió hacer una fase experimental eligiendo
un dominio de mesoescala de 20kmX20km de resolución horizontal, propio de
mesoescala, y 38 niveles en la resolución vertical para el período abril a julio de 2012, con
el fin de poner a prueba el modelo CFSR-WRF en la generación del campo de viento en
superficie y a distintos niveles alrededor de La Guajira y, compararlo con los datos
suministrados por dicha empresa; sin embargo, la revisión del informe “1er trimestre
campaña de medición” nos aporta más información acerca de las variables de interés del
cálculo de la densidad de energía eólica a 80 metros de altura, razón por la cual, se
presentan los resultados de la modelación para dicho nivel.

METODOLOGÍA

Como primera fase se procedió a configurar el módulo de pre-procesamiento WPS del

modelo WRF (ver Fig. 1) inicialmente suministrándole fuentes de datos externos
asociados a la información terrestre tomada del USGS y MODIS y datos del reanálisis
CFSR relacionados con atmósfera y suelo; estos últimos incluyen variables como como la
Temperatura Superficial del Mar, importante para las corridas largas de tipo climático.

Con la idea de que el punto central estuviera lo más alejado de la influencia de las
condiciones de frontera (zona buffer o de relajación entre el modelo global y regional), se
programó la corrida de tal manera que la localización de la torre IRRAIPA80 estuviera en
el centro del dominio de cálculo de 20kmX20Km y, finalmente, el módulo WPS, se
encargó de realizar interpolaciones horizontales de suelo y atmósfera para cada uno de
los 38 niveles en altura, a la resolución de mesoescala elegida (20kmX20Km) sobre los
datos meteorológicos de cada 6 horas del CFSR.

Figura 1. Diagrama de flujo del modelo WRF

El modelo como tal tiene dos ejecutables, el modulo REAL que se encargó de revisar
consistencia de la información recibida del WPS y de la parametrización física, mientras
que, el modelo WRF como tal, realizó la integración de las ecuaciones primitivas (Navier-
Stokes adecuadas a simulaciones de clima) permitiendo obtener resultados de las
variables meteorológicas en alta resolución tanto temporal como espacial; en este caso,
las salidas se obtuvieron hora a hora y la integración se hizo con pasos de tiempo de 90
segundos para evitar “violar” el criterio CFL (Courant-Friedrich-Levy). De igual manera
para solucionar el problema de spin-up en la modelación de mayo a julio de 2012, el
modelo se inicializó con los 4 días de anterioridad al 1 de mayo de 2012.
La parametrización física básica que se utilizó en el modelo, es la misma que el IDEAM ha
venido utilizado en los últimos 6 años de manera operativa para emitir pronósticos y
predicciones inclusive de viento; aprovechando que se conocen los alcances y
limitaciones de su habilidad en representar los condiciones meteorológicas a nivel
nacional. En particular, el modelo WRF se corrió de forma no hidrostática, la
parametrización de capa limite planetaria que se utilizó fue el esquema de YSU (Yonsei
University) que resuelve explícitamente la capa límite planetaria sobre diferentes
situaciones de estabilidad atmosférica; este esquema intercambia información con la
física de suelo basado en la Teoría de Similaridad de Monin-Obukov como con los
esquemas de radiación de onda corta (Esquema de transferencia rápida radiativa) y de
onda larga (Esquema de Duhia); este último puede considerar efectos de pendiente y de
sombra cuando el modelo se corre el alta resolución espacial. Como complemento a la
configuración, no sobra mencionar que el esquema de microfísica que se utilizó fue WRF-
Single-Moment 3 y de Cúmulos, Kain-Fritsch, el cual permite desarrollar convección
profunda y somera en escala de subgrilla evaluando el CAPE (Convective Available
Potential Energy) con el tiempo.

Para obtener los datos interpolados a 80 metros, se utilizó el módulo de post-

procesamiento ARWpost y, los resultados finales para el cálculo de la densidad de
energía eólica se realizaron en GrADS; usando como marco teórico la función de
distribución de Weibull. La distribución de Weibull esta descrita por dos parámetros, el
factor de forma y el factor de escala , además, que ésta tiene una función de
densidad de probabilidad y una función de distribución acumulativa en función de los
parámetros y expresados por las ecuaciones (1) y (2) respectivamente, así:

( )( ) [ ( ) ] (1)

( )
(2)

Aunque hay varios métodos para evaluar y , en este estudio los resultados de la
modelación que más se acercaron a las observaciones fue aquel que está relacionado
con el valor medio del viento y la desviación estándar definidos así:

(3)

(4)
( )

Donde es la función gamma que se expresa mediante la siguiente ecuación:

∫ (7)
Sin desconocer que hay aproximaciones como la de Lysen que estima el parámetro de
la siguiente manera:

( ) (8)

Dos velocidades significativas en este tipo de estudios son la velocidad del viento más
probable ( ) y el viento que lleva la máxima energía , que respectivamente son:

* + (9)

* + (10)

La potencia de energía se incrementa con el cubo de la velocidad y está dado por:

(11)

Donde es la densidad del aire, determinada directamente el modelo WRF; mientras que,
la densidad de energía (potencia por unidad de área), basada en la función densidad de
probabilidad de Weibull, se calculó mediante la siguiente relación:

( ) (12)

Así, el uso del modelo dinámico permitió evitar la estimación del viento a diferentes alturas
por aproximaciones tipo wind shear como la siguiente:

( ) (13)

Donde es la velocidad a estimar a la altura . es la velocidad del viento a la altura

del sensor y es el coeficiente de rugosidad, el cual depende de la característica del
suelo sobre la cual discurre el viento.

RESULTADOS

La Tabla 1 presenta una comparación entre los datos modelados con los observados en
el período mayo-julio de 2012 a la altura de 80 metros.
Tabla 1. Comparación de valores obtenidos entre el modelo CFSR-WRF y los medidos en la torre IRRAIPA80
a una altura de 80 metros

INDICADOR WRF UNIDAD IRRAIPA80

Coeficiente de rugosidad 0.17 Adimensional 0.22
Velocidad promedio 10.47 m/s 8,16 – 8,24
Dirección promedio ENE – ESE grados E – ESE
Temperatura virtual del aire 31.37 °C
Presión atmosférica 1001.11 hPa
3
Densidad del aire 1.15 kg/m
Desviación estándar del viento 3.29 m/s
Parámetro de forma K 3.52 Adimensional 2,88 – 3,40
Parámetros de escala C 9.43 m/s 9,11 – 9,20
Viento más probable 8.57 m/s
Viento que lleva más energía 10.71 m/s
Funcion gamma (1+1/K) 0.90 Adimensional
Funcion gamma (1+3/K) 0.95 Adimensional
2
Densidad de energía 454.06 W/m 452,00 – 486,30

Como se muestra en dicha tabla, dentro de los resultados estimados, estuvo el valor de
de la ecuación (13) de wind shear, el cual, de acuerdo con las observaciones
suministradas por el proyecto, al IDEAM, se pudo estimar un valor de 0.22:

Indicando que el viento aumenta con la altura más rápidamente en el lugar de ubicación
de la torre IRRAIPA80 que lo que sugiere la modelación con CFSR-WRF en un área de
400km2.

El cuanto a la velocidad promedio del viento para este trimestre, el modelo CFSR-WRF la
sobrestimo en más 2m/s, lo que sugiere que, en principio, podría aplicarse un factor
multiplicativo a la serie de tiempo del modelo WRF de 0.78 para ajustar sus valores a los
promedios observados; tal como se hace en varias aplicaciones climatológicas. Por otro
lado y, a pesar de que una distribución se puede ajustar estadísticamente a una de tipo
Weibull, en apariencia, las observaciones se ajustan más una distribución gaussiana
(normal); mientras que, para la modelación, las velocidades altas fueron más frecuentes
(Véase Fig. 2); no obstante, los parámetros de forma y escala entre lo modelado y lo
observado no presentaron grandes diferencias.

Figura 2. Distribución de frecuencias de velocidad (Observaciones a la izquierda y modelación CFSR-WRF a la derecha)

La dirección predominante del viento para las observaciones fue la procedente del ESE;
sin embargo, para el modelo fue la tercera dirección predominante después de las
direcciones de procedencia del E y el ENE como se presenta en la figura 3.

Figura 3. Rosa de Vientos (Observaciones a la izquierda y modelación CFSR-WRF a la derecha)

Finalmente, el cálculo de densidad de energía eólica estimada por el modelo CFSR-WRF

estuvo dentro del rango de los cálculos entregados por JEMEIWAA KA’I SAS en su
informe.

452,00 ≤ 454,06 ≤ 486,30 W/m2

No hay que perder de vista que los resultados presentados aquí, por la estimación a
través de la modelación CFSR-WRF, corresponden a representaciones de mesoescala
del orden de 400km2 (Ver Anexo) y no de carácter local como la medición misma; sin
embargo, éstos mostraron cierta correspondencia entre las escalas; direcciones del viento
dentro del flujo básico del este, intensidades del viento propios de la Alta Guajira,
parámetros de Weibull cercanos entre lo observado y lo modelado y, densidad de energía
eólica calculada por CFSR-WRF dentro del rango de las estimaciones basadas con las
observaciones.
CONCLUSIONES

 El viento promedio a 80 metros de altura es sobrestimado por la modelación

CFSR-WRF alrededor de 2 m/s con respecto a las observaciones.

 La dirección predominante del viento dada por el modelo es del Este (90°)
mientras que las observaciones lo manifiestan del Este – Sureste (Entre 90° y 115°
especialmente), pero ambas se encuentran dentro del flujo básico del este.

 La distribución de los datos de velocidad del viento tiende a ser más gaussiana en
las observaciones; mientras que la modelación CFSR-WRF presentó curva
asimétrica negativa dando mayor preferencia a los vientos con mayor intensidad;
no obstante, los parámetros de forma y escala asociados a una distribución tipo
Weibull son similares tanto para la observación como para la modelación.

 El perfil vertical del viento (ecuación de wind shear) muestra que el modelo WRF,
posiblemente por la cercanía al mar, sugirió que el aumento del viento con la altura
es menor que con respecto a las observaciones.

 La densidad de energía eólica estimada por la modelación está dentro del rango
calculado con las observaciones.

ANEXO – MODELACION CFSR-WRF DEL VIENTO A 80 METROS DE ALTURA EN LA

ALTA GUAJIRA PARA EL TRIMESTRE MAYO-JULIO DE 2012 (RESOLUCIÓN DE
GRILLA 20kmX20km = 400km2)

Dirección y velocidad promedio del viento (Líneas de Velocidad promedio del viento a 80 metros de altura
Corriente)
 Desviación estándar Varianza

Factor de forma (Distribución de Weibull) Factor de escala (Distribución de Weibull)

( ) ( )
Viento máximo absoluto Coeficiente de rugosidad en el perfil vertical

Densidad del aire Presión atmosférica

[ ] [ ]
Densidad de energía eólica