Metodología basada en modelos Dea Semiparamétricos para el análisis del funcionamiento de parques eólicos

Abstract

En este trabajo se realiza una propuesta metodológica que consta de cuatro pasos y está enfocada en el análisis de parques eólicos en funcionamiento, con el fin de conocer los componentes que afectan su desempeño. En esta metodología se modifica el modelo DEA/BCC con orientación a las salidas, en la que se utiliza una entrada y una salida, siendo éstas la velocidad del viento [m/s] y la potencia generada [kW], respectivamente. En este modelo se introduce la curva de producción propuesta por los fabricantes de turbinas eólicas. De esta forma, el modelo DEA/BCC con orientación a las salidas tradicional es transformado en un modelo semiparamétrico, porque se introduce el parámetro asociado a la salida utilizada. Al hacer esto, se logra que las puntuaciones de eficiencia se realicen respecto a la generación de potencia esperada y no respecto a las mejores prácticas presentes en la muestra. En el primer paso de la metodología se segrega la curva de producción de turbinas eólicas en tres divisiones, según su velocidad de arranque, velocidad nominal y velocidad de parada. Esto se hace para estimar la curva de potencia esperada y para semiparametrizar el modelo DEA/BCC con orientación a las salidas. En el segundo paso se comprueba que los datos sean los adecuados para la aplicación de la metodología, por lo que es necesario extraer los datos atípicos causados por el efecto estela y la inercia de las turbinas al girar. Además, mediante un análisis de clustering se aumenta la homogeneidad de la muestra analizada. Posterior al tratamiento de los datos, éstos se aplican al modelo DEA/BCC semiparamétrico obtenido en el paso uno, en el paso tres. Finalmente, en el último paso de la metodología, se utilizan las puntuaciones de eficiencia obtenidas como variable dependiente del análisis de regresión truncada con respecto a variables medioambientales. Esto se realiza con el fin de analizar el impacto de las variables medioambientales en el desempeño de parques eólicos. Estas variables exógenas corresponden a la dirección del viento que incide en el parque eólico, medida en grados, la temperatura (°C) y la presión atmosférica (Pa). Se obtienen conclusiones que podrían ser aplicadas en la etapa de planificación de parques eólicos. La dirección del viento influye de distinta forma en los dos parques eólicos analizados, lo que podría atribuirse a la distribución de las turbinas eólicas. Se sugiere que los sitios donde se instalen parques eólicos tengan bajas temperaturas, y altas presiones atmosféricas, para favorecer el desempeño de los parques, debido a que esto provoca un aumento en la potencia incidente en las turbinas. Palabras Claves: Parques Eólicos, DEA, Análisis de Eficiencia, Clustering, Inferencia Estadística./ABSTRACT: In this thesis is developed a methodology that consists of four steps and is focused on the analysis of wind farms in operation, in order to know the components that affect their performance. This methodology modifies the DEA/BCC model outputs orientation, in which is used one input and one output. These variables are the wind speed [m/s] and the generated power [kW], respectively. In the modified model is introduced the production curve given by the manufacturers of wind turbines. Thus, the traditional DEA/BCC model outputs orientation is transformed into a semiparametric model, because the parameter associated with the output is introduced in the model. With this transformation, it is possible to estimate the efficiency scores regarding the expected power generation and do not regard to the best practices in the sample. In the first step of the methodology is secreted the production curve of wind turbines in three divisions, depending on the start up speed, the rated speed and the stall speed. This segregation is made to estimate the expected power curve in order to make the semiparametric DEA/BCC model. In the second step is tested that the data are adequate for the application of the methodology, this requires removing outliers caused by the wake effect and the moment of inertia of the turbine rotation. Additionally, a clustering analysis is applied in order to increase the homogeneity of the sample. After treatment of the data, in the third step of the methodology the data are applied to the DEA/BCC semiparametric model obtained in step one. Finally, in the last step of the methodology, the efficiency scores are used as the dependent variable of a truncated normal regression with respect to environmental variables. This is done in order to analyze the impact of environmental variables on the wind farms performance. These variables correspond to the wind direction cut into the wind farms, measured in degrees, the temperature (°C) and atmospheric pressure (Pa). Conclusions are focused on the planning stage of wind farms. Wind direction influences differently in the two wind farms analyzed, which could be attributed to the distribution of wind turbines. It is suggested that the sites where wind farms are installed with low temperatures and high atmospheric pressure to favor the performance of the farms, because it causes an increase in the incident power in the turbines. Keywords: Wind Farms, DEA, Efficiency Analysis, Clustering, Statistical Inference.