Un pronóstico de energía eólica corresponde a una estimación de la producción esperada de una o más turbinas eólicas (denominadas parque eólico ) en un futuro próximo. Por producción se entiende a menudo la potencia disponible para el parque eólico considerado (con unidades de kW o MW dependiendo de la capacidad nominal del parque eólico). Los pronósticos también se pueden expresar en términos de energía, integrando la producción de energía en cada intervalo de tiempo.
Escalas de tiempo de los pronósticos
La previsión de la generación de energía eólica puede considerarse en diferentes escalas de tiempo, dependiendo de la aplicación prevista. Desde milisegundos hasta unos pocos minutos, los pronósticos se pueden utilizar para el control activo de la turbina. Este tipo de pronósticos generalmente se denominan pronósticos a muy corto plazo . Durante las siguientes 48 a 72 horas, se necesitan pronósticos para la gestión del sistema de energía o el comercio de energía. Pueden servir para decidir el uso de centrales eléctricas convencionales ( Compromiso de la Unidad ) y para la optimización de la programación de estas centrales ( Despacho económico ). Las ofertas para el suministro de energía en un día generalmente se requieren durante la mañana del día anterior. Estos pronósticos se denominan pronósticos a corto plazo . Para escalas de tiempo más largas (hasta 5 a 7 días antes), se pueden considerar los pronósticos para planificar el mantenimiento de parques eólicos, plantas de energía convencionales o líneas de transmisión. El mantenimiento de parques eólicos marinos puede ser particularmente costoso, por lo que la planificación óptima de las operaciones de mantenimiento es de particular importancia.
Para las dos últimas posibilidades, la resolución temporal de las predicciones de energía eólica oscila entre 10 minutos y algunas horas (dependiendo de la duración del pronóstico). Las mejoras en el pronóstico de la energía eólica se han centrado en utilizar más datos como entrada para los modelos involucrados y en proporcionar estimaciones de incertidumbre junto con las predicciones proporcionadas tradicionalmente.
Razón de las previsiones de energía eólica
En la red eléctrica en cualquier momento debe mantenerse el equilibrio entre el consumo y la generación de electricidad; de lo contrario, pueden producirse alteraciones en la calidad o el suministro de energía. La generación eólica es una función directa de la velocidad del viento y, a diferencia de los sistemas de generación convencionales, no es fácilmente distribuible . Por tanto, las fluctuaciones de la generación eólica reciben una gran atención. La variabilidad de la generación eólica se puede considerar en varias escalas de tiempo. En primer lugar, la producción de energía eólica está sujeta a variaciones estacionales, es decir, puede ser mayor en invierno en el norte de Europa debido a los sistemas meteorológicos de baja presión o puede ser mayor en verano en las regiones mediterráneas debido a las fuertes brisas de verano. También hay ciclos diarios que pueden ser sustanciales, principalmente debido a los cambios diarios de temperatura. Finalmente, las fluctuaciones se observan en la escala de muy corto plazo (en la escala de minutos o intraminutos). Las variaciones no son del mismo orden para estas tres escalas de tiempo diferentes. Gestionar la variabilidad de la generación eólica es el aspecto clave asociado a la óptima integración de esa energía renovable en las redes eléctricas. [ cita requerida ]
Los desafíos a enfrentar cuando se inyecta generación eólica en un sistema eléctrico dependen de la participación de esa energía renovable. Es un concepto básico, la penetración del viento, que permite describir la participación de la generación eólica en la combinación de electricidad de un sistema de energía dado. En el caso de Dinamarca, que es un país con una de las cuotas más altas de energía eólica en la combinación de electricidad, la penetración media de la energía eólica durante el año es del 16% al 20% (lo que significa que el 16% al 20% del consumo de electricidad corresponde a energía eólica). ), mientras que la penetración instantánea (es decir, la producción de energía eólica instantánea frente al consumo a cubrir en un momento dado) puede ser superior al 100%. [ cita requerida ]
El operador del sistema de transporte (TSO) es responsable de gestionar el balance de electricidad en la red: en cualquier momento, la producción de electricidad debe coincidir con el consumo. Por tanto, el uso de medios de producción está programado con antelación para responder a los perfiles de carga. La carga corresponde al consumo total de electricidad en el área de interés. Los perfiles de carga generalmente vienen dados por pronósticos de carga que son de alta precisión. Para elaborar el cronograma diario, los GRT pueden considerar sus propios medios de producción de energía, si tienen alguno, y / o pueden comprar generación de energía de Productores Independientes de Energía (IPP) y empresas de servicios públicos , a través de contratos bilaterales o consorcios de electricidad. En el contexto de la desregulación, aparecen cada vez más actores en el mercado, rompiendo así la situación tradicional de las empresas eléctricas integradas verticalmente con monopolios cuasi locales. Dos mecanismos principales componen los mercados eléctricos. El primero es el mercado spot donde los participantes proponen cantidades de energía para el día siguiente a un costo de producción determinado. Un sistema de subastas permite fijar el precio spot de la electricidad para los distintos períodos en función de las distintas ofertas. El segundo mecanismo es el equilibrio de la generación de energía, que es coordinado por el GRT. Dependiendo de las faltas y excedentes de energía (por ejemplo, debido a fallas en la planta de energía o por intermitencias en el caso de instalaciones de energía eólica), el GRT determina las sanciones que pagarán los IPP que no cumplan con sus obligaciones. En algunos casos, también está presente un mercado intradiario, con el fin de tomar acciones correctivas. [ cita requerida ]
Para ilustrar este mecanismo del mercado de la electricidad, considérese el mercado de la electricidad holandés . Los participantes del mercado, denominados Partes Responsables del Programa (PRP), envían sus ofertas de precio-cantidad antes de las 11 am para el período de entrega que cubre el día siguiente desde la medianoche hasta la medianoche. La unidad de tiempo de programa (PTU) en el mercado de equilibrado es de 15 minutos. Se requiere el balance de la potencia promedio de 15 minutos de todos los productores y consumidores eléctricos conectados a la red, quienes para este propósito pueden estar organizados en subconjuntos. Dado que estos subconjuntos se denominan Programas, el equilibrio en la escala de 15 minutos se denomina Equilibrio del programa. El balance del programa ahora se mantiene utilizando los programas de producción emitidos el día antes de la entrega y los informes de medición (distribuidos el día después de la entrega). Cuando la potencia medida no es igual a la potencia programada, el Desequilibrio del programa es la diferencia entre la suma realizada de producción y consumo y la suma prevista de producción y consumo. Si solo se tiene en cuenta la producción de energía eólica, el Desequilibrio del programa se reduce a la producción eólica realizada menos la producción eólica prevista. El desequilibrio del programa es el error de pronóstico de la producción eólica. [ cita requerida ]
El Desequilibrio del Programa es resuelto por el Operador del Sistema, con diferentes tarifas para el Desequilibrio del Programa negativo y el Desequilibrio del Programa positivo. Un desequilibrio del programa positivo indica que se produce más energía de la prevista. por energía eólica, la producción eólica realizada es mayor que la producción eólica prevista. Y viceversa, en el caso de un Programa de Desequilibrio negativo por energía eólica. [ cita requerida ]
Tenga en cuenta que los costos de los desequilibrios positivos y negativos pueden ser asimétricos, según el mecanismo de equilibrio del mercado. En general, los productores de energía eólica son penalizados por este sistema de mercado, ya que una gran parte de su producción puede estar sujeta a sanciones. [ cita requerida ]
Paralelamente, para la participación en el mercado, los pronósticos de energía eólica pueden usarse para la operación combinada óptima de generación eólica y convencional, generación eólica e hidroeléctrica, o eólica en combinación con algunos dispositivos de almacenamiento de energía. También sirven como base para cuantificar las necesidades de reservas para compensar las eventuales carencias de producción eólica. [ cita requerida ]
Metodología general
Se utilizan varios métodos para la predicción a corto plazo de la generación eólica. Los más simples se basan en climatología o promedios de valores de producción pasados. Se pueden considerar como métodos de predicción de referencia, ya que son fáciles de implementar, así como un punto de referencia al evaluar enfoques más avanzados. El más popular de estos métodos de referencia es sin duda la persistencia . Este ingenuo predictor, comúnmente conocido como 'lo que ves es lo que obtienes', establece que la generación eólica futura será la misma que el último valor medido. A pesar de su aparente simplicidad, este método ingenuo puede ser difícil de superar para tiempos de anticipación de hasta 4 a 6 horas por delante.
Los enfoques avanzados para la predicción de la energía eólica a corto plazo requieren predicciones de variables meteorológicas como entrada. Luego, difieren en la forma en que las predicciones de las variables meteorológicas se convierten en predicciones de la producción de energía eólica, a través de la denominada curva de potencia . Estos métodos avanzados se dividen tradicionalmente en dos grupos. El primer grupo, denominado enfoque físico, se centra en la descripción del flujo de viento alrededor y dentro del parque eólico, y utiliza la curva de potencia del fabricante para proponer una estimación de la producción de energía eólica. Paralelamente, el segundo grupo, denominado enfoque estadístico, se concentra en capturar la relación entre las predicciones meteorológicas (y posiblemente las mediciones históricas) y la producción de potencia a través de modelos estadísticos cuyos parámetros deben estimarse a partir de los datos, sin hacer ninguna suposición sobre los fenómenos físicos.
Predicción de variables meteorológicas
La generación de energía eólica está directamente relacionada con las condiciones climáticas y, por lo tanto, el primer aspecto de la previsión de energía eólica es la predicción de valores futuros de las variables climáticas necesarias a nivel del parque eólico. Esto se hace mediante el uso de modelos de predicción numérica del tiempo (NWP). Dichos modelos se basan en ecuaciones que gobiernan los movimientos y fuerzas que afectan el movimiento de los fluidos. A partir del conocimiento del estado actual de la atmósfera, el sistema de ecuaciones permite estimar cuál será la evolución de las variables de estado, por ejemplo, temperatura, velocidad, humedad y presión, en una serie de puntos de la cuadrícula. Las variables meteorológicas que se necesitan como entrada para la predicción de la energía eólica incluyen obviamente la velocidad y la dirección del viento, pero también posiblemente la temperatura, la presión y la humedad. La distancia entre los puntos de la cuadrícula se denomina resolución espacial de los PNT. La malla normalmente tiene un espaciado que varía entre unos pocos kilómetros y hasta 50 kilómetros para los modelos de mesoescala. En cuanto al eje del tiempo, la duración del pronóstico de la mayoría de los modelos operativos en la actualidad se encuentra entre 48 y 172 horas por delante, lo que se ajusta a los requisitos para la aplicación de energía eólica. La resolución temporal suele estar entre 1 y 3 horas. Los modelos de PNT imponen su resolución temporal a los métodos de previsión de energía eólica a corto plazo, ya que se utilizan como entrada directa.
Los institutos meteorológicos proporcionan las predicciones de las variables meteorológicas. Los meteorólogos emplean modelos atmosféricos para las predicciones meteorológicas a corto y medio plazo. Un modelo atmosférico es una aproximación numérica de la descripción física del estado de la atmósfera en un futuro próximo y, por lo general, se ejecuta en una supercomputadora. Cada cálculo comienza con las condiciones iniciales que se originan a partir de mediciones recientes. La salida consiste en el valor instantáneo esperado de cantidades físicas en varios niveles verticales en una cuadrícula horizontal y escalonando en el tiempo hasta varias horas después del inicio. Hay varias razones por las que los modelos atmosféricos solo se aproximan a la realidad. En primer lugar, no todos los procesos atmosféricos relevantes están incluidos en el modelo. Además, las condiciones iniciales pueden contener errores (que en el peor de los casos se propagan) y la salida solo está disponible para puntos discretos en el espacio (tanto horizontal como vertical) y en el tiempo. Finalmente, las condiciones iniciales envejecen con el tiempo: ya son antiguas cuando comienza el cálculo y mucho menos cuando se publica el resultado. Las predicciones de las variables meteorológicas se emiten varias veces al día (comúnmente entre 2 y 4 veces al día) y están disponibles pocas horas después del comienzo del período de pronóstico. Esto se debe a que se necesita algo de tiempo para adquirir y analizar la gran cantidad de mediciones utilizadas como entrada para los modelos de PNT, luego ejecutar el modelo y verificar y distribuir la serie de pronóstico de salida. Esta brecha es un punto ciego en los pronósticos de un modelo atmosférico. Como ejemplo en los Países Bajos, KNMI publica 4 veces al día los valores esperados de velocidad del viento, dirección del viento, temperatura y presión para el período entre 0 y 48 horas después de la inicialización del modelo atmosférico Hirlam con datos medidos, y luego el período anterior. La entrega prevista es de 4 horas.
Se encuentran disponibles muchos modelos atmosféricos diferentes, que van desde herramientas de investigación académica hasta instrumentos completamente operativos. Además de la propia naturaleza del modelo (procesos físicos o esquemas numéricos), existen claras diferencias distintivas entre ellos: dominio del tiempo (de varias horas a 6 días por delante), área (varios 10.000 km² para un área que cubre la mitad del planeta), resolución horizontal (1 km a 100 km) y resolución temporal (1 hora a varias horas).
Uno de los modelos atmosféricos es el modelo de área limitada de alta resolución, abreviado HIRLAM , que se utiliza con frecuencia en Europa. HIRLAM viene en muchas versiones; por eso es mejor hablar de "un" HIRLAM en lugar de "el" HIRLAM. Cada versión es mantenida por un instituto nacional como el KNMI holandés , el DMI danés o el FMI finlandés . Y cada instituto tiene varias versiones bajo su ala, divididas en categorías tales como: operativa, preoperativa, semi operativa y con fines de investigación.
Otros modelos atmosféricos son
- UM en el Reino Unido, administrado por Met Office ,
- COSMO e ICON en Alemania, gestionados por DWD ,
- ALADIN en Francia, dirigido por Météo-France ,
- y GFS en EE. UU., gestionado por NCEP .
Tenga en cuenta que ALADIN y COSMO también se utilizan en otros países de Europa, mientras que UM ha sido utilizado por BOM en Australia.
Enfoque físico de la previsión de energía eólica
Los pronósticos meteorológicos se dan en nodos específicos de una cuadrícula que cubre un área. Dado que los parques eólicos no están situados en estos nodos, es necesario extrapolar estos pronósticos en la ubicación deseada y a la altura del cubo de la turbina. Los métodos de pronóstico basados en la física consisten en varios submodelos que, en conjunto, entregan la traducción del pronóstico del viento en un determinado punto de la cuadrícula y nivel de modelo, al pronóstico de energía en el sitio considerado. Cada submodelo contiene la descripción matemática de los procesos físicos relevantes para la traducción. Por lo tanto, el conocimiento de todos los procesos relevantes es crucial cuando se desarrolla un método de predicción puramente físico (como las primeras versiones del Prediktor danés). La idea central de los enfoques físicos es refinar los PNT mediante el uso de consideraciones físicas sobre el terreno, como la rugosidad, la orografía y los obstáculos, y modelando el perfil del viento local que posiblemente tenga en cuenta la estabilidad atmosférica. Las dos principales alternativas para hacerlo son: (i) combinar el modelado del perfil del viento (con un supuesto logarítmico en la mayoría de los casos) y la ley de arrastre geostrófico para la obtención de vientos superficiales; (ii) utilizar un código CFD (Dinámica de fluidos computacional) que permita calcular con precisión el campo de viento que verá el parque, considerando una descripción completa del terreno.
Cuando se conoce el viento a nivel del parque eólico y a la altura del buje, el segundo paso consiste en convertir la velocidad del viento en potencia. Por lo general, esa tarea se lleva a cabo con curvas de potencia teóricas proporcionadas por el fabricante del aerogenerador. Sin embargo, dado que varios estudios han mostrado el interés de utilizar curvas de potencia derivadas empíricamente en lugar de teóricas, las curvas de potencia teóricas son cada vez menos consideradas. Al aplicar una metodología física, el modelado de la función que proporciona la generación eólica a partir de PNT en ubicaciones determinadas alrededor del parque eólico se realiza de una vez por todas. Luego, la función de transferencia estimada se aplica en consecuencia a las predicciones meteorológicas disponibles en un momento dado. Para tener en cuenta los errores de pronóstico sistemáticos que pueden deberse al modelo NWP oa su enfoque de modelado, los modeladores físicos a menudo integran Model Output Statistics (MOS) para los pronósticos de potencia de posprocesamiento.
Enfoque estadístico de la previsión de energía eólica
Los métodos de predicción estadística se basan en uno o varios modelos que establecen la relación entre valores históricos de potencia, así como valores históricos y pronosticados de variables meteorológicas y medidas de energía eólica. Los fenómenos físicos no se descomponen ni se contabilizan, incluso si la experiencia en el problema es crucial para elegir las variables meteorológicas correctas y diseñar modelos adecuados. Los parámetros del modelo se estiman a partir de un conjunto de datos disponibles en el pasado y se actualizan periódicamente durante la operación en línea contabilizando cualquier información disponible recientemente (es decir, pronósticos meteorológicos y mediciones de potencia).
Los modelos estadísticos incluyen modelos lineales y no lineales, pero también tipos de modelos estructurales y de caja negra. Los modelos estructurales se basan en la experiencia del analista en el fenómeno de interés, mientras que los modelos de caja negra requieren poco conocimiento del tema y se construyen a partir de datos de una manera bastante mecánica. En cuanto a la predicción de la energía eólica, los modelos estructurales serían aquellos que incluyan una modelización de las variaciones diurnas de la velocidad del viento, o una función explícita de predicciones de variables meteorológicas. Los modelos de caja negra incluyen la mayoría de los modelos basados en inteligencia artificial, como las redes neuronales (NN) y las máquinas vectoriales de soporte (SVM). Sin embargo, algunos modelos están "entre" los dos extremos de ser completamente de caja negra o estructurales. Este es el caso de los sistemas expertos, que aprenden de la experiencia (de un conjunto de datos), y para los que se pueden inyectar conocimientos previos. Luego hablamos de modelado de caja gris. Los modelos estadísticos suelen estar compuestos por una parte autorregresiva, para captar el comportamiento persistente del viento, y por una parte 'meteorológica', que consiste en la transformación no lineal de pronósticos de variables meteorológicas. La parte autorregresiva permite mejorar significativamente la precisión del pronóstico para horizontes de hasta 6 a 10 horas por delante, es decir, durante un período durante el cual el uso exclusivo de la información del pronóstico meteorológico puede no ser suficiente para superar la persistencia.
Hoy en día, los principales desarrollos de los enfoques estadísticos para la predicción de la energía eólica se concentran en el uso de múltiples pronósticos meteorológicos (de diferentes oficinas meteorológicas) como combinación de entrada y pronóstico, así como en el uso óptimo de datos de medición distribuidos espacialmente para la corrección de errores de predicción, o alternativamente para emitir advertencias sobre una incertidumbre potencialmente grande.
DeepMind de Google utiliza una red neuronal para mejorar la previsión. [1]
Incertidumbre de las previsiones de energía eólica
Imagen externa | |
---|---|
El pronóstico de mañana para tres áreas del sistema; Dinamarca Oeste y Este y Estonia |
Los diseños actuales son óptimos solo para condiciones estables y no turbulentas. Las herramientas de diseño que tienen en cuenta la inestabilidad y la turbulencia están mucho menos desarrolladas. [2]
Las predicciones de la producción de energía eólica se proporcionan tradicionalmente en forma de pronósticos puntuales, es decir, un valor único para cada tiempo de anticipación, que corresponde a la expectativa o resultado más probable. Tienen la ventaja de ser fácilmente comprensibles porque se espera que este valor único diga todo sobre la generación de energía futura. Hoy en día, una parte importante de los esfuerzos de investigación sobre la predicción de la energía eólica todavía se centra en la predicción puntual únicamente, con el objetivo de asimilar cada vez más observaciones en los modelos o perfeccionar la resolución de los modelos físicos para representar mejor los campos de viento a una escala muy local para ejemplo. Estos esfuerzos pueden conducir a una disminución significativa del nivel de error de predicción.
Sin embargo, incluso mediante una mejor comprensión y modelización de los procesos meteorológicos y de conversión de energía, siempre habrá una incertidumbre inherente e irreducible en cada predicción. Esta incertidumbre epistémica corresponde al conocimiento incompleto que se tiene de los procesos que influyen en los acontecimientos futuros. Por tanto, como complemento a las previsiones puntuales de generación eólica para las próximas horas o días, es de suma importancia proporcionar medios para evaluar online la precisión de estas predicciones. En la práctica actual, la incertidumbre se expresa en forma de pronósticos probabilísticos o con índices de riesgo proporcionados junto con las predicciones puntuales tradicionales. Se ha demostrado que algunas decisiones relacionadas con la gestión y el comercio de la energía eólica son más óptimas cuando se tiene en cuenta la incertidumbre de la predicción. Para el ejemplo de la aplicación comercial, los estudios han demostrado que la estimación confiable de la incertidumbre de la predicción permite al productor de energía eólica aumentar significativamente sus ingresos en comparación con el uso exclusivo de un método avanzado de predicción puntual. Otros estudios de este tipo se ocupan de la cuantificación dinámica óptima de las reservas obligatorias [3], el funcionamiento óptimo de sistemas combinados, incluido el viento, o la regulación de múltiples etapas de múltiples áreas. Se esperan más y más esfuerzos de investigación sobre la incertidumbre de la predicción y temas relacionados.
Hay una serie de preguntas que aún no se han respondido, según un informe de una coalición de investigadores de universidades, la industria y el gobierno, con el apoyo del Centro Atkinson para un Futuro Sostenible de la Universidad de Cornell . Incluyen:
- ¿Cómo interactúan los parques eólicos con sus múltiples estelas con la capa límite atmosférica para determinar la potencia neta que se puede producir?
- ¿Cómo afectan el terreno irregular, la rugosidad de la superficie terrestre o del mar y las turbulencias por encima de la capa límite y las estelas de las turbinas la carga inestable de las palas de las turbinas eólicas aguas abajo?
- ¿Cuál es el efecto de la estabilidad atmosférica (convectiva, neutra o estratificada de manera estable) sobre el rendimiento y las características de carga a lo largo de un ciclo diario típico?
- ¿Cuál es la ubicación óptima de las turbinas eólicas en una matriz, de modo que se pueda maximizar la captura de energía cinética y se minimice la carga inestable? [2]
El informe también proporciona posibles herramientas utilizadas para respaldar esta investigación necesaria. [2]
Precisión
La correlación entre la producción eólica y la predicción puede ser relativamente alta, con un error medio sin corregir del 8,8% en Alemania durante un período de dos años. [4]
Ver también
- Previsión energética
- El Concurso Global de Previsión de Energía tiene una pista para la previsión de energía eólica
Notas
- ^ Li, Abner (26 de febrero de 2019). "Google optimiza parques eólicos con DeepMind ML para predecir la producción de energía en 36 horas" . 9to5Google .
- ^ a b c Zehnder y Warhaft, Alan y Zellman. "Colaboración Universitaria en Energía Eólica" (PDF) . Universidad de Cornell . Consultado el 17 de agosto de 2011 .
- ^ S. Meyn, M. Negrete-Pincetic, G. Wang, A. Kowli y E. Shafieepoorfaard (marzo de 2010). "El valor de los recursos volátiles en los mercados eléctricos" . Sometido a la 49a Conf. en diciembre y Control . Archivado desde el original el 18 de diciembre de 2012 . Consultado el 12 de julio de 2010 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ http://www.iset.uni-kassel.de/abt/FB-I/publication/03-06-01_onl_mon_and_pred_wp_re-gen.pdf [ enlace muerto permanente ]
Referencias
- E.ON Netz. Informe de viento 2004, Informe de viento 2005
- R. Doherty y M. O'Malley. Un nuevo enfoque para cuantificar la demanda de reservas en sistemas con una capacidad eólica instalada significativa. Transacciones IEEE en sistemas de energía 20 (2), págs. 587–595, 2005
- Giebel G., Brownsword R., Kariniotakis G., Denhard M., Draxl C. El estado del arte en la predicción a corto plazo de la energía eólica Una descripción general de la literatura, 2ª edición [ enlace muerto permanente ] . Informe de proyecto para los proyectos Anemos.plus y SafeWind. 110 págs. Risø, Roskilde, Dinamarca, 2011
- M. Lange y U. Focken. Enfoque físico del pronóstico de energía eólica a corto plazo , Springer, ISBN 3-540-25662-8 , 2005
- L. Landberg, G. Giebel, H.Aa. Nielsen, TS Nielsen, H. Madsen. Predicción a corto plazo: descripción general, Wind Energy 6 (3), págs. 273–280, 2003
- H. Madsen, P. Pinson, H.Aa. Nielsen, TS Nielsen y G. Kariniotakis. Estandarización de la evaluación del rendimiento de los modelos de predicción de energía eólica a corto plazo, Wind Engineering 29 (6), págs. 475–489, 2005
- P. Pinson, C. Chevallier y G. Kariniotakis. Comercio de generación eólica con pronósticos probabilísticos a corto plazo de energía eólica, IEEE Transactions on Power Systems 22 (3), págs. 1148-1156, 2007
- P. Pinson, S. Lozano, I. Marti, G. Kariniotakis y G. Giebel. ViLab: un laboratorio virtual para la investigación colaborativa sobre la previsión de energía eólica, Wind Engineering 31 (2), págs. 117–121, 2007
- P. Pinson, H.Aa. Nielsen, JK Møller, H. Madsen y G. Kariniotakis. Pronósticos probabilísticos no paramétricos de energía eólica: propiedades requeridas y evaluación, Energía eólica , en prensa, 2007
enlaces externos
ENFOR - Previsión de energía eólica