Análisis de viabilidad de centrales termosolares con un conjunto probabilístico de series meteorológicas.

Trabajo Fin de Grado Grado en Ingeniería de las Tecnologías Industriales ANÁLISIS DE VIABILIADAD DE CENTRALES TERMOSOLARES CON UN CONJUNTO PROBABILÍSTICO DE SERIES METEOROLÓGICAS Autor: Álvaro Velasco Gutiérrez Tutor: Dr. Manuel Antonio Silva Pérez Dep. Ingeniería Energética Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2015 Trabajo Fin de Grado Grado en Ingeniería de las Tecnologías Industriales ANÁLISIS DE VIABILIDAD DE CENTRALES TERMOSOLARES CON UN CONJUNTO PROBABILÍSTICO DE SERIES METEOROLÓGICAS Autor: Álvaro Velasco Gutiérrez Tutor: Dr. Manuel Antonio Silva Pérez Profesor Contratado Doctor Dep. Ingeniería Energética Sevilla, 2015 Trabajo Fin de Grado: Análisis de viabilidad de centrales termosolares con un conjunto probabilístico de series meteorológicas. Autor: Álvaro Velasco Gutiérrez Tutor: Dr. Manuel Antonio Silva Pérez El tribunal nombrado para juzgar el Trabajo arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2015 El Secretario del Tribunal Nunca consideres el estudio como una obligación, sino como una oportunidad para penetrar en el bello y maravilloso mundo del saber. (Albert Einstein) AGRADECIMIENTOS Llegar a este punto no ha sido tarea fácil, para ello he necesitado un constante apoyo de personas las cuales significan mucho para mí. En primer lugar, me gustaría destacar a mi madre, por dármelo todo sin pedir nada, porque daría su vida por sus hijos, por ser la mejor madre del mundo. Gracias papá, por todo el trabajo desempeñado para que yo haya podido llegar a este punto, porque eres mi aspiración, espero darle a mis hijos la mitad de lo que tú me has dado a mí. Gracias hermano, por ayudarme en todo, por ser como papá, porque cada vez que tengo un problema tú eres la solución. Gracias abuela, por mirarme cada día con los mismos ojos y apoyarme en todo aunque no lleve razón. Gracias a mi novia, por transmitirme su felicidad y hacer especial cada momento a su lado, eres mi compañera y amiga fiel. Gracias amigos, por ser la alternativa, por aportar a mi vida lo que nadie me puede dar. Gracias a mi tutor, Dr. Manuel Antonio Silva Pérez por transmitirme todos los conocimientos necesarios para desarrollar este proyecto y por disponer de su tiempo para poder hacerlo posible. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 7 Resumen El objetivo del presente documento es realizar un análisis de viabilidad económica con un conjunto probabilístico de series meteorológicas de una central termosolar de 100 MW situada en la provincia de Sevilla. Para ello, primero se realiza el diseño y optimización de los principales parámetros de la central. Se continúa con la realización del análisis determinista, y por último, se procede a la ejecución del análisis estadístico, primero sin conjunto probabilístico de series meteorológicas y posteriormente con él. Los parámetros a estudiar han sido el LCOE real y la energía anual producida por la central. Todo este proceso se ha realizado utilizando un software informático de simulación llamado SAM. Los resultados arrojados para un intervalo de confianza del 95% han sido para el LCOE real 0.0986 y 0.1926 €/kWh, y para la energía anual entre 3.48 x 108 y 4.22 x 108 kWh. Siendo el valor más probable 0.1396 €/kWh y 3.78 x 108 kWh, respectivamente. Abstract The purpose of this paper is to analyze the economic feasibility of a solar thermal power plant set a 100 MW located in the province of Seville with a probabilistic meteorological series. To do this, first at all, the design and optimization of the main plant parameters is performed. It continues with the realization of deterministic analysis , and finally proceed to the implementation of statistical analysis, first without any probabilistic meteorological series and later with them. The parameters studied were the real LCOE and the annual energy produced by the plant. This entire process has been conducted using a computer simulation software called SAM . The results obtained for a confidence interval of 95 % were for real LCOE between 0.0986 and 0.1926 €/kWh, and for annual energy between 3.48 x 108 and 4.22 x 108 kWh. It is the most probable value 0.1396 €/kWh and 3.78 x 108 kWh , respectively. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 8 Índice Resumen ........................................................................................................................... 7 Abstract ............................................................................................................................. 7 Índice ................................................................................................................................ 8 Índice de figuras .............................................................................................................. 10 Índice de tablas ............................................................................................................... 11 Glosario de términos ........................................................................................................ 12 1. Introducción ................................................................................................................ 13 2. Descripción de los sistemas termosolares de concentración......................................... 14 2.1 Clasificación de CETS .......................................................................................... 14 2.2 Sistemas de receptor central .............................................................................. 15 2.2.1 Componentes .......................................................................................... 16 2.2.1.1 El helióstato...................................................................................... 16 2.2.1.2 La torre ............................................................................................. 17 2.2.1.3 El receptor solar ................................................................................ 17 2.2.1.4 Sistema de almacenamiento e hibridación ......................................... 19 2.2.1.5 Bloque de potencia ........................................................................... 20 2.2.1.6 Sistema de conversión a la red .......................................................... 20 2.2.2 Proceso de obtención de energía ............................................................. 20 2.2.3 Pérdidas y rendimiento ............................................................................ 21 3. Caracterización de la instalación .................................................................................. 23 4. Sistemática .................................................................................................................. 24 4.1 Desarrollo del proyecto ...................................................................................... 24 4.2 Levelized Cost Of Energy (LCOE).......................................................................... 24 4.3 Justificación y descripción de System Advisor Model (SAM) ................................ 25 5. Optimización de la central............................................................................................ 26 5.1 Optimización del múltiplo solar .......................................................................... 26 5.2 Optimización del campo solar ............................................................................ 28 6. Análisis determinista de la central optimizada .............................................................. 30 6.1 Resultados ......................................................................................................... 30 7. Análisis estocástica de la central optimizada ................................................................ 32 7.1 Metodología ...................................................................................................... 33 7.2 Análisis de sensibilidad....................................................................................... 33 7.2.1 Selección de las variables ........................................................................ 35 Proyecto Fin de Grado Álvaro Velasco Gutiérrez 9 7.2.2 Resultados............................................................................................... 36 7.3 Descripción de las variables empleadas en el análisis estadístico ........................ 37 7.4 Distribuciones probabilísticas ............................................................................. 42 7.4.1 Distribución uniforme .............................................................................. 42 7.4.2 Distribución triangular ............................................................................. 43 7.4.3 Distribución normal ................................................................................. 44 7.4.4 Distribución asociada a cada variable ....................................................... 45 7.5 Resultados ......................................................................................................... 46 8. Análisis estocástico con un conjunto probabilístico de series meteorológicas ............... 48 8.1 Metodología ...................................................................................................... 48 8.2 Procedimiento seguido para generar las series meteorológicas extendidas ......... 48 8.3 Series originales vs Series extendidas .................................................................. 50 8.3.1 Análisis de la radiación directa ................................................................. 50 8.3.2 Análisis del LCOE real ............................................................................... 52 8.3.3 Análisis de la energía anual ...................................................................... 54 8.3.4 Reflexiónes .............................................................................................. 56 8.4 Resultados ......................................................................................................... 56 9. Conclusiones................................................................................................................ 58 Referencias Bibliográficas ................................................................................................ 59 Proyecto Fin de Grado Álvaro Velasco Gutiérrez 16 1.2.1 Componentes. Los principales componentes de un sistema de receptor central son [2, 3]:  El helióstato  La torre  El receptor solar  Sistema de almacenamiento e hibridación  Bloque de potencia  Sistema de conversión a la red El funcionamiento de un SRC requiere, además, una serie de sistemas y equipos auxiliares en los cuales no se va a entrar en detalle en este proyecto. 1.2.1.1 El helióstato. Los helióstatos están formados por una serie de espejos planos dispuestos sobre una estructura de soporte (pueden tener diversas geometrías dependiendo fundamentalmente del tipo de receptor) que en todo momento deben de seguir el movimiento aparente del Sol, de forma individual mediante células ópticas, o bien, de forma colectiva mediante un software de computadora que puede ser modificado diariamente, permitiendo seguir al Sol aún en días nublados. Los helióstatos deben de ir dispuestos de tal manera que se mantenga entre ellos unas distancias determinadas, para evitar fenómenos de solapamiento de sombras de unos con otros. Figura 1.3. Pérdidas asociadas al helióstato Proyecto Fin de Grado Álvaro Velasco Gutiérrez 17 Las dos disposiciones más utilizadas son el despliegue del campo de helióstatos alrededor (campo circundante) o a un lado de la torre, sobre la cual se sitúa el receptor. Aunque el despliegue de dicho campo, en gran medida está condicionado por las características del terreno disponible (forma de la parcela, orografía…). 1.2.1.2 La torre. La torre está construida normalmente de hormigón o de estructuras metálicas que sirven de soporte al receptor,cuya situación debe ser a cierta altura para reducir los efectos de sombras y bloqueos de helióstatos, así como sostener elementos auxiliares [3] . 1.2.1.3 El receptor solar. El receptor es la unidad donde se concentra la energía solar proveniente de los helióstatos para transformarla en energía térmica a través del fluido de trabajo. Existen en la actualidad diversos tipos de receptores cuya elección depende de factores técnico-económico ya que no está demostrado que una tecnología u otra sea mejor. En cualquier caso, los receptores buscan cumplir con una serie de puntos comunes:  Tamaño óptimo para minimizar pérdidas térmicas  Alto flujo de radiación incidente  Diseño optimizado para trabajar a los límites máximos de temperatura de los componentes metálicos  Máxima eficiencia térmica Los distintos receptores pueden clasificarse atendiendo a distintas características, como pueden ser el mecanismo de transferencia de calor o el fluido de trabajo empleado. Sin embargo, la principal diferencia entre unos receptores y otros es su geometría. Así, los receptores suelen clasificarse en:  Los receptores de cavidad: tienen una abertura por la que penetran los rayos solares reflejados por el campo de helióstatos e inciden sobre unos paneles tubulares por los que circula el fluido.  Los receptores externos: se diseñan colocando los tubos absorbedores externamente, formando la superficie lateral del receptor. El principal inconveniente es que se producen mayores pérdidas por convección y radiación que en los receptores de cavidad.  Los receptores volumétricos: están formados por una estructura porosa ya sea de metal o cerámica, por ejemplo una malla, espuma o lámina, instalada en el interior del receptor de modo que la radiación concentrada es absorbida por la estructura y la calienta. Al mismo tiempo, el aire pasa a través de la Proyecto Fin de Grado Álvaro Velasco Gutiérrez 18 estructura y es calentado por convección forzada, transformado la energía solar en energía térmica. El uso de una estructura cerámica es más apropiado cuando se quiere lograr temperaturas en el aire mayores a 800˚C. Figura 1.4. Tipología de receptores El calor se transporta, desde el receptor hasta el punto de demanda, mediante un fluido caloportador (fluido de trabajo mencionado anteriormente) y se almacena en depósitos térmicos a fin de adecuar, en la medida de lo posible, la producción a la demanda. Los fluidos térmicos utilizados son los siguientes:  Agua/vapor: El receptor actúa como una caldera de vapor, recibe agua a presión, superior a la atmosférica, y produce vapor recalentado a la misma presión que se conduce hasta la turbina de vapor. Presenta como ventaja, frente a las sales fundidas y el sodio fundido, que trabaja con un circuito único receptor-turbina.  Sales fundidas: Consiste en utilizar una mezcla de sales (mezcla eutéctica a base de nitratos y nitritos de sodio y potasio), con un punto de fusión apropiado para la generación de vapor. La mezcla, en estado líquido, circula por el circuito primario, normalmente presurizado con nitrógeno, que transporta el calor hasta el circuito secundario, que es el encargado de producir vapor y mover el grupo turboalternador. La ventaja de la mezcla de sales se basa en las propiedades siguientes: elevada conductividad (permite trabajar con intercambiadores de calor más compactos), calor específico elevado (permite transportar gran cantidad de calor por kilogramo del fluido) y punto de fusión elevado (permite almacenar calor a alta temperatura y en un espacio reducido). Debe preverse un sistema de protección para evitar que en el interior de los tubos del receptor se alcancen temperaturas superiores a la temperatura máxima de estabilidad de las sales utilizadas. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 19  Sodio líquido: Debido a las propiedades termodinámicas del sodio fundido pueden alcanzarse tasas muy elevadas de flujo de calor, entre 1,2 y 1,75 MW/m2, lo que permite construir receptores muy compactos y de alto rendimiento. La dificultad más importante para el empleo de este fluido la constituye la capacidad de reaccionar con el agua. Esta reacción es muy violenta, altamente exotérmica y genera hidrógeno, por lo que el riesgo de explosión es muy elevado y, en consecuencia, las medidas de seguridad han de ser muy estrictas.  Aire: Se utiliza en receptores metálicos perforados por una malla de poros; la radiación reflejada incide sobre la superficie exterior de esta malla y el aire ambiente se hace circular por el interior de los poros para luego ser conducido hacia el punto de demanda de calor. 1.2.1.4 Sistema de almacenamiento e hibridación. Desde el punto de vista de la producción de energía eléctrica, un sistema solar debe dar una salida estacionaria, independientemente de la variabilidad de la radiación solar. Para ello es necesario el uso de un sistema de almacenamiento que permita al bloque de potencia trabajar de forma continua y prevenir los riesgos derivados de las variaciones de la radiación solar directa. El sistema de almacenamiento se puede clasificar en [4]:  Almacenamiento sensible: el calor sensible es la variación de energía interna de un sistema como consecuencia de una variación de temperatura sin cambio de fase. Los medios más usados actualmente son aceites térmicos y sales fundidas, también se usa aire junto con materiales con baja conductividad térmica como son rocas, ladrillos cerámicos o arena.  Almacenamiento latente: basado en la transferencia de calor que se da cuando el material usado cambia de estado. El calor latente es una variación de energía interna, al igual el que calor sensible, pero en este caso es como consecuencia del cambio de estado.  Almacenamiento termoquímico: basado en las reacciones químicas reversibles. Los materiales más investigados son SnOx/Sn y sistemas de amonio. A pesar de la alta densidad de energía, este sistema resulta caro por lo que aún sigue en investigación. La tecnología más extendida en plantas solares termoeléctricas es el almacenamiento con sales fundidas. Esta tecnología de basa básicamente en la utilización de dos tanques de sales para almacenar energía en forma de calor. Durante un ciclo de carga, las sales liquidas intercambian calor con el fluido Proyecto Fin de Grado Álvaro Velasco Gutiérrez 20 procedente del concentrador solar y se almacena en el tanque caliente; durante el ciclo de descarga, el sistema simplemente opera en sentido contrario, calentando el fluido que generará vapor para mover la turbina la cual finalmente producirá electricidad. Respecto a la hibridación es una alternativa muy sencilla para aumentar la disponibilidad y gestionabilidad de la central haciendo uso de una caldera de gas natural. Pero en este proyecto, no se considera ningún tipo de hibridación. 1.2.1.5 Bloque de potencia. El ciclo de potencia que llevan acoplado estas centrales termosolares es un ciclo Rankine. La misión de este ciclo agua-vapor consiste en transportar el vapor de agua desde el generador de vapor hasta la turbina de vapor para, una vez expandido y posteriormente condensado, bombear el agua hacia el generador, comenzando de nuevo el ciclo [3]. Dependiendo del tipo de central que se tenga, se utilizarán diferentes configuraciones del ciclo. Generalmente, las plantas que mayor tamaño requerirán de etapas de recalentamiento y/o regeneración, que aumentan el rendimiento del ciclo pero a su vez también lo encarecen. 1.2.1.6 Sistema de conversión a la red. A la salida de la turbina se encuentra un generador eléctrico, una subestación eléctrica, líneas de distribución y un sistema de respaldo. El generador eléctrico es el dispositivo encargado de transformar la energía mecánica en eléctrica por la acción de un campo magnético sobre los conductores eléctricos dispuestos sobre una armadura. La subestación eléctrica es usada para la transformación de la tensión de red, mediante transformadores, a una tensión adecuada a las necesidades [1]. 1.2.2 Proceso de obtención de energía. En cuanto al proceso de producción de energía eléctrica en una planta solar con tecnología de torre es el siguiente (figura 1.3): Los rayos del Sol inciden directamente sobre el campo solar donde son reflejados hacia el receptor situado en lo alto de una torre. Allí se transforma la radiación solar directa (DNR) en energía térmica, calentando un fluido de trabajo denominado Heat Transfer Fluid (HTF) a elevadas temperaturas. Este transporta la energía térmica suministrada en el receptor hasta el bloque de potencia donde se aprovecha para transformarla en energía eléctrica [2]. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 21 Figura 1.5. Proceso de funcionamiento SRC 1.2.3 Pérdidas y rendimiento. La energía producida por una central solar termoeléctrica es menor que la energía que incide sobre el campo solar, debido a una serie de pérdidas energéticas asociadas al diseño y operación de la central que determinan su eficiencia. A continuación se numerarán las más importantes de manera muy general y sin entrar en detalle [2]:  Pérdidas en la captación.  Pérdidas en la transmisión a través de la atmósfera.  Pérdidas en la captación de la radiación solar concentrada por el receptor.  Pérdidas en la conversión fototérmica.  Pérdidas en la parte convencional (turbina, intercambiadores de calor, etc.). Teniendo en cuenta todas estas pérdidas, el balance energético característico de un SRC es el mostrando en la figura 1.6. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 22 Figura 1.6. Balance energético global en la operación anual de un SRC Por tanto, según lo mostrado en la figura anterior, de toda la potencia térmica captada por el campo de helióstatos, aproximadamente un 16.5% se transforma en potencia eléctrica, el resto de potencia térmica que entra al sistema se disipa al ambiente. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 23 3. Caracterización de la instalación. En este apartado se definen las características de la instalación diseñada para llevar a cabo este proyecto. Solo se detallan las especificaciones a nivel de diseño y localización.  Localización: Sevilla.  Potencia nominal: 100 MW.  Fluido caloportador: Sales fundidas.  Receptor solar: externo.  Sistema de almacenamiento: 6 horas de almacenamiento sensible mediante sales fundidas. Un esquema general de una planta con tales características se puede apreciar en la figura 2.1. Figura 2.1. Esquema genérico de un SRC con almacenamiento usando sales fundidas Proyecto Fin de Grado Álvaro Velasco Gutiérrez 24 4. Sistemática. 3.1 Desarrollo del proyecto. El objeto de este Proyecto Final de Grado es realizar un análisis estadístico de viabilidad de una central termosolar de receptor central con un conjunto probabilístico de series meteorológicas. Es decir, se va a tener cuenta una cantidad de años suficientes que garantice una incertidumbre climatológica, ya que, ésta juega un importante papel en lo que a la energía renovable se refiere. Para llegar al objetivo marcado, previamente es necesario llevar a cabo una serie de estudios: 1. Optimización de la central, que engloba la optimización tanto del múltiplo solar como del campo solar (campo de helióstatos, receptor, torre) para la obtención de un mínimo en el valor del LCOE (Levelized Cost Of Energy). 2. Análisis de la solución determinista de la central optimizada. 3. Estudio estadístico del LCOE. A su vez implica: 3.1. Análisis de sensibilidad que determinará los parámetros con mayor repercusión en el LCOE. 3.2. Análisis de la solución estocástica de la central optimizada. 4. Estudio estocástico con conjunto probabilístico de series meteorológicas. 3.2 Levelized Cost Of Energy (LCOE) El Levelized Cost Of Energy o Coste Nivelado de la Energía en su traducción al castellano, es un indicador que sirve para poder comparar relativamente bien diferentes tecnologías de generación energética [5]. El LCOE sirve, según su propia definición, para comparar costes unitarios a lo largo de la vida económica de diferentes tecnologías, es decir, corresponden a los costes que un inversor ha de hacer frente en condiciones de estabilidad de precios de la electricidad, y asumiendo una certeza en los costes de producción dados. Es decir, definen los costes en ausencia de los riesgos asociados al mercado o a la tecnología. Se calcula con la siguiente expresión: Proyecto Fin de Grado Álvaro Velasco Gutiérrez 25 Siendo: It , los costes de inversión en el año t. Ft , los costes de los combustibles en el año t. Ot , los costes de operación y mantenimiento en el año t. PTCt , los créditos fiscales a la producción en el año t. ITCt , los créditos fiscales a la inversión en el año t. Et , la energía generada en el año t. r, la tasa real de descuento. N, los años de vida del proyecto. 3.3 Justificación y descripción de System Advisor Model (SAM) Para realizar este proyecto se va a utilizar una herramienta informática desarrollada por NREL (National Renewable Energy Laboratory) en colaboración con Sandia National Laboratories, y en colaboración con U.S. Department Of Energy (DOE) Solar Energy Technologies Program (SETP) [6]. SAM es un modelo financiero y asistencial diseñado para facilitar la toma de decisiones de rendimiento energético y económico de una instalación, diseñado para las personas involucradas en la industria de las energías renovables, que van desde jefes de proyecto, ingenieros diseñadores, desarrolladores de tecnología, hasta los investigadores. Dicho software se utiliza en todo el mundo para la planificación y evaluación de programas de investigación y desarrollo de costes de proyectos. Además, realiza predicciones de rendimiento para conexión a red solar, instalaciones mini eólicas, sistemas de energía geotérmica y estimaciones económicas de energía distribuida y proyectos de centrales de generación. Permite operar tanto con variables ingenieriles como financieras, por lo que es un software ideal para la realización de un análisis estadístico desde el punto de vista de un inversor. Asimismo, permite hacer análisis de sensibilidad y paramétrico, además de poder dibujar gráficas e incluso exportar datos si es necesario el uso de otro programa informático. En cuanto al funcionamiento, calcula el coste de generar electricidad a partir de las variables de entrada proporcionadas:  La ubicación del proyecto.  La instalación y los costes de operación.  El tipo de funcionamiento.  Créditos fiscales e incentivos aplicables.  Especificaciones del sistema. Se ha podido comprobar que es una herramienta cuyos resultados se aproximan bastantes a los de la realidad, en torno al 2 – 4 %. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 32 6. Análisis estocástica de la central optimizada En contraposición al análisis determinista, este tipo de solución presenta incertidumbre en las variables de entrada, es decir, estas se rigen por distribuciones estadísticas y, por tanto, las variables de salida pueden cambiar. Para realizar un análisis de este tipo, previamente se deben asignar distribuciones probabilísticas a cada variable de entrada. Dichas distribuciones tienen que ser las que mejor se adapten al comportamiento de cada variable. Es común utilizar la uniforme, la triangular, la gaussiana, entre otras. En el caso particular del presente proyecto, estas distribuciones serán asignadas a las variables de entrada que forman parte del análisis de la central termosolar de este documento. Este conjunto de variables toma un valor aproximado de 300, por lo que previamente se debe analizar su influencia en el parámetro sometido a estudio (LCOE real), y aquellas cuya influencia sea más significativa serán las tomadas para realizar dicho estudio. De esta manera, se podrán discriminar un gran número de variables y simplificar los cálculos en gran medida. Los parámetros de entrada tienen que ser independientes entre sí, en caso contrario, se añadirá una correlación que indique claramente la relación entre las mismas. Figura 6.1. Resolución análisis estocástico Para su resolución se va a utilizar una herramienta que incluye SAM basada en el método del hipercubo latino (LHS). Esta facilita bastante el trabajo, ya que posee una interfaz intuitiva en la que se seleccionan rápidamente las variables de entrada y su distribución probabilística. Incluso permite introducir correlaciones en el caso de que las variables de entrada no sean independientes. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 33 El método del hipercubo latino o “Latin Hipercube Sample (LHS)” es un método estadístico que genera una muestra a partir de valores de parámetros de una distribución multidimensional. En la figura 6.1 se esquematiza los pasos a seguir para hacer el análisis estocástico. Primero se introducen las variables de entrada junto con su distribución, posteriormente se resuelven las simulaciones mediante una computadora y por último, esta devuelve la gráfica de probabilidad acumulada de dicho estudio. 6.1 Metodología. Para alcanzar la solución estocástica es necesario previamente realizar otros análisis. A continuación se muestra la estructura llevada a cabo durante este punto del proyecto. Estará basada en cinco apartados en los cuales existe una implicación correlativa entre cada uno de ellos: 1) Análisis de sensibilidad 2) Selección de variables atendiendo al punto 1. 3) Asignación de distribuciones a los parámetros seleccionados en el punto 2. 4) Simulación en el software SAM. 5) Obtención de la gráfica de probabilidad acumulada. 6.2 Análisis de sensibilidad. Es un método utilizado para estudiar la influencia de diferentes variables de entrada sobre algún parámetro concreto. En el caso de este proyecto dicho parámetro es el LCOE real [6]. El objetivo es seleccionar aquellas variables que influyan más en el LCOE real, pudiendo discriminar aquellas que apenas tiene tendencia a modificar el valor de este. Con ello, se simplifica bastante el estudio produciendo un error en los resultados finales totalmente despreciable. SAM posee un script llamado “Tornado Chart” que permite realizar con suma facilidad lo mencionado anteriormente. Este script genera una gráfica que representa la variación de un parámetro en función de aumentar y disminuir diferentes variables de entrada. Para poder generarla el procedimiento seguido es el siguiente: 1) La interfaz del software permite seleccionar una o más variables de entrada. 2) Se selecciona la variable de salida, es decir, el parámetro en el cual se quiere ver cómo influyen las variables de entrada. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 34 3) Se especifica el porcentaje que va a incrementar y a disminuir cada variable de entrada. Este se podrá introducir de diferentes maneras:  Dar porcentajes idénticos a cada uno de los valores.  Dar porcentajes distintos de variación a cada uno de los valores.  Especificar una variación a cada valor.  Especificar de forma independiente la variación inferior y superior de cada valor. En este proyecto se ha seleccionado la primera de ellas por el hecho de que se trata de realizar un análisis de sensibilidad del LCOE con respecto a las variables seleccionadas en el estudio, por lo que interesa que todas ellas varíen lo mismo y de manera proporcional. 4) Se ejecuta el script y se obtiene la gráfica “Tornado Chart”. Se muestra en la figura 6.2, una imagen de la interfaz del programa a partir de la cual, se realiza la gráfica “Tornado Chart”: Figura 6.2. Interfaz de SAM para crear gráfica “Tornado Chart” Proyecto Fin de Grado Álvaro Velasco Gutiérrez 35 6.2.1 Selección de las variables. En este apartado se han seleccionado los parámetros a los que se le realizará el análisis de sensibilidad. En la tabla 6.1 se resume cada una de estas variables junto a sus valores y su rango de variación [5]. Este rango ha sido tomado del 1% para que se aproxime lo máximo a una variación diferencial. De hecho, no tiene mucha importancia, ya que si tomamos un valor de 5% los resultados arrojados son los mismos. Variable Valor Variación Límite Inferior Límite Superior Coating Absorptance (ad) 0.94 1% 0.9306 0.9494 Mirror Reflectance and Soiling (ad) 0.9 1% 0.891 0.909 Rated Cycle Conversion Efficiency (ad) 0.38 1% 0.3762 0.3838 Heliostat Field Cost per m2 ($/m2) 179.89 1% 178.0911 181.6889 Power Block Cost per MWe ($/MWe) 1248 1% 1235.52 1260.48 Heliostat Availability (ad) 0.99 1% 0.9801 0.9999 Storage Cost per kWht ($/kWht) 9.75 1% 9.6525 9.8475 Receiver Reference Cost (ad) 1.26E+08 1% 124938000 127462000 Fixed Tower Cost (ad) 1.93E+06 1% 1907730 1946270 Image Error (mrad) 1.53 1% 1.5147 1.5453 Balance of Plant Cost per kWe ($/kWe) 468 1% 463.32 472.68 Tower Cost Scaling Exponent (ad) 0.0123 1% 0.012177 0.012423 Land Cost Acre (acre) 10100 1% 9999 10201 Site Improvements Cost per m2 ($/m2) 29.25 1% 28.9575 29.5425 Real Discount Rate (%/year) 5.5 1% 5.445 5.555 Inflation Rate (%/year) 2.5 1% 2.475 2.525 Heat Loss Factor (ad) 1 1% 0.99 1.01 Coating Emitance (ad) 0.88 1% 0.8712 0.8888 Estimated Gross to Net Conversion Factor (ad) 0.9 1% 0.891 0.909 Receiver Cost Scaling Exponent (ad) 0.7 1% 0.693 0.707 Fraction of rated gross power consumed all times (MWe/MWcap) 0.0055 1% 0.005445 0.005555 Wetted Loss Coefficient (Wt/m2*K) 0.4 1% 0.396 0.404 Dry Loss Coefficient (Wt/m2*K) 0.25 1% 0.2475 0.2525 Tabla 6.1. Selección de variables Proyecto Fin de Grado Álvaro Velasco Gutiérrez 36 6.2.2 Resultados. A continuación en la figura 6.3 se representa la gráfica “Tornado Chart” generada por el software: Figura 6.3. Gráfica “Tornado Chart” Se puede ver que la repercusión producida por los parámetros en el LCOE va disminuyendo a medida que vamos bajando sobre el eje vertical de la gráfica. El criterio que se ha utilizado es desechar aquellas variables que no lleguen a modificar el LCOE en una centésima. Por lo tanto, observando la gráfica se puede decir que los últimos cuatro parámetros no son apenas influyentes y por consiguiente no se van a tener en cuenta a la hora de realizar el análisis estadístico. Por otro lado, cabe destacar la gran repercusión producida por los tres superiores: coating absorptance, mirror reflectance and soiling y rated cycle conversión efficiency. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 37 6.3 Descripción de las variables empleadas en el análisis estadístico. A continuación, se hace una explicación de los parámetros seleccionados para realizar el análisis estocástico [5]:  Coating Absorptance Es la absortividad del recubrimiento del receptor y es el parámetro que más afecta al LCOE. Simula la capacidad del recubrimiento del receptor de absorber la energía radiante que le llega procedente de los espejos. Además está estrechamente relacionado con la cantidad de energía total anual que circula por el sistema, ya que depende de la conversión de energía radiante en energía térmica. Su valor nominal es 0.94. La degradación del recubrimiento es la que da lugar a la incertidumbre de este parámetro.  Mirror Reflectance and Soiling La reflectividad y el ensuciamiento de los espejos es también otra de las variables que más repercute sobre el LCOE, ya que afecta directamente a la cantidad de energía captada por el campo. Su valor nominal es 0.9. La incertidumbre se muestra en el ensuciamiento de los espejos, que puede verse afectado en mayor o menor medida por partículas en suspensión en la atmósfera.  Rated Cycle Conversion Efficiency Es el rendimiento termodinámico del ciclo y representa la conversión de la energía térmica que entra en la turbina en energía mecánica a través del eje de esta. La turbina del ciclo de potencia de este estudio funciona con un rendimiento nominal de 0.38. Esta variable presenta una incertidumbre muy alta y está relacionada con el funcionamiento durante la vida útil de la turbina.  Heliostat Field Cost per m2 Es el coste del campo de helióstatos por metro cuadrado y es el más relevante de todos los costes debido a su gran extensión. Su valor nominal es 179.89 $/m2. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 38 Las fluctuaciones en el mercado de las materias primas de las que están hechos los espejos son los motivos por los que presenta incertidumbre, además de posibles motivos políticos entre los países productores de aluminio, plata, entre otros.  Power Block Cost per MWe Es el coste del bloque de potencia por MW de potencia eléctrica. Su valor nominal es 1248 $/MWe. La incertidumbre viene dada por la variación de los costes de los materiales, por los costes de instalación, entre otros.  Heliostat Availability Es la disponibilidad de los helióstatos y representa el tiempo real de actividad de estos con respecto al tiempo total que podrían funcionar si las condiciones fuesen adecuadas. Su valor nominal es 0.99. Cualquier causa que produzca un mal funcionamiento de estos sin que deje de funcionar el resto de la central es lo que hace que este parámetro esté dotado de incertidumbre.  Storage Cost per kWht Es el coste del sistema de almacenamiento por kWh de energía térmica. Su valor nominal es 9.75 $/kWht. Presenta incertidumbre debido a las fluctuaciones de los materiales de los tanques de almacenamiento de las sales, así como de de las sales utilizadas como fluido de trabajo.  Receiver Reference Cost Es el coste de referencia del receptor y a partir de este, junto con el exponente de escala del receptor se obtiene el coste final del mismo. Su valor nominal es 1.26 x 108. Es un valor importante, ya que el receptor es uno de los costes más altos. Además presenta una incertidumbre muy elevada. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 39  Fixed Tower Cost Es el coste fijo de la torre y es un parámetro que influye en el coste total de la misma junto con el exponente de escala de la torre. Su valor nominal es 1.93 x 106. Presenta incertidumbre debido a la falta de información para poder suponer tanto el coste fijo como el exponente de escala. Además, en comparación con otras tecnologías, se encuentran construidas pocas instalaciones de este tipo.  Image Error Es el error de imagen y representa la desviación de la imagen del helióstato en el receptor. Se aplica independientemente a cada helióstato y su valor es 1.53 mrad. Presenta incertidumbre al depender de muchos factores.  Balance of Plant Cost per kWe Es el coste por kW de potencia eléctrica del balance de la planta, es decir, de los sistemas auxiliares. Su valor nominal es 468 $/kWe. Su incertidumbre se aprecia debido al coste de los materiales para su construcción e instalación, además de otros factores como la complejidad de la realización de la obra civil.  Tower Cost Scaling Exponent Es el otro factor ya mencionado anteriormente que influye en el coste de la torre. Su valor nominal es 0.0123. En cuanto a su incertidumbre, ocurre una cosa parecida a lo sucedido con el coste fijo de la torre, es decir, por falta de información es muy difícil de suponer su valor.  Land Cost Acre Es el coste del terreno necesario para la construcción de central por acre (1 acre = 4047 m2). Su valor nominal es 10100 acre. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 40 La variación del precio del terreno es la causante de la incertidumbre de este parámetro. Esta fluctuación está muy relacionada con el tipo de terreno, la localización, entre otras.  Site Improvements Cost per m2 Es el coste asociado a las mejoras del lugar y se expresa por m2 de superficie reflectante. Este parámetro, además de los costes por preparación del lugar también incluye aquellos equipos no añadidos en los costes del campo de helióstatos. Su valor nominal es 29.25 $/m2. Su incertidumbre viene marcada por las fluctuaciones en el coste de los equipos en el momento de la adquisición y de los costes de los materiales para la preparación del terreno.  Real Discount Rate Es la tasa real de descuento y se utiliza para actualizar al presente cualquier pago en el futuro. Su valor nominal es 5 %/año. Hasta la fecha actual, este parámetro tiene mucha incertidumbre debido a las características del momento económico.  Inflation Rate Es la tasa de inflación y produce una elevación en los bienes y servicios. Esta variable refleja el aumento porcentual de los precios en un cierto período temporal. Su valor nominal es 2.5 %. Presenta incertidumbre ya que es un parámetro que depende mucho de la economía.  Heat Loss Factor Es el factor de pérdida de calor y representa la diferencia de las pérdidas de calor respecto a las nominales. Su valor nominal es 1. Si las condiciones nominales cambian, las perdidas ya no serían las nominales, por lo que existe incertidumbre en esta variable. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 41  Coating Emitance Es la emisividad del recubrimiento del receptor y muestran las pérdidas radiantes de este. Su valor nominal es 0.88. Al igual que con la absortividad, la incertidumbre viene dada por la degradación del recubrimiento y el mal funcionamiento del receptor.  Estimated Gross to Net Conversion Factor Es una estimación de la proporción de energía eléctrica entregada a la red de la producción bruta del ciclo de potencia. Representa el consumo eléctrico de la propia central en sistemas de refrigeración, elementos rotativos, bombas, entre otros. Su valor nominal es 0.9. Su incertidumbre viene dada por variaciones en el funcionamiento de la central, como bombas que trabajan fuera del punto de diseño o que fueron mal seleccionadas.  Receiver Cost Scaling Exponent Es el otro factor ya mencionado anteriormente que influye en el coste total del receptor. Su valor nominal es 0.7. Su incertidumbre viene dada por lo mucho que se elevan los costes del receptor en relación con su tamaño. Además suponer este valor es difícil, ya que a día de hoy se dispone de poca experiencia en relación a esta tecnología.  Fraction of rated gross power consumed all times Es un consumo eléctrico fijo que se aplica a todas las horas de simulación. Viene expresado como fracción de la potencia bruta del ciclo de potencia. Su valor nominal es 0.0055 MWe/MWcap. Su incertidumbre se debe a que la potencia bruta del ciclo de potencia no es fija, por lo que este valor es susceptible de variar.  Wetted Loss Coefficient Es un coeficiente de pérdida térmica que se aplica a una porción del tanque de almacenamiento sujeta al fluido que transfiere dicho calor. Su valor nominal es 0.4 Wt/m2*K. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 48 7. Análisis estocástico con un conjunto probabilístico de series meteorológicas. Una vez obtenido los resultados estocásticos, se trata de conseguir una mayor precisión de estos. Para ello, se va a proceder a realizar el mismo tipo de análisis anterior, pero en este caso se variará el año tipo meteorológico. De esta manera, se conseguirá tener en cuenta el factor clima que está directamente relacionado con la tecnología usada, y por tanto, con las soluciones obtenidas. 7.1 Metodología. En primer lugar, se han recabado datos meteorológicos, los cuales serán explicados con mayor detalle en el próximo apartado, proporcionados por el Grupo de Investigación de Termodinámica y Energías Renovables (GTER) de la Escuela Superior de Ingenieros de Sevilla. Posteriormente, se ha realizado un análisis estocástico idéntico al del apartado anterior para cada año meteorológico comentado anteriormente. Como solución se obtendrán tantas como años se analicen. Por lo que será necesaria la unión de todos esos resultados para obtener una única solución que englobe todo lo anterior y, por tanto, que tenga en cuenta tanto las variables que se modifican siguiendo una distribución estadística como los años tipo meteorológicos. 7.2 Procedimiento seguido para generar las series meteorológicas extendidas. Tal y como se mencionó anteriormente, estos datos han sido proporcionados por el Grupo de Investigación de Termodinámica y Energías Renovables (GTER) de Escuela Superior de Ingeniería de Sevilla. La cifras suministradas fueron en base horaria, lo que ha facilitado en gran medida el trabajo, ya que el software SAM trabaja por defecto con medidas horarias. En total han podido ser recabados 13 años tipo, y para realizar un análisis estadístico fiable, mínimo se deben de disponer de 30 ensayos. Por ello, se han generado 49 años concatenando estaciones a partir de los datos originales. El procedimiento seguido ha sido originar nuevos años combinando las diferentes estaciones de cada año, pero siempre de manera consecutiva. Es decir, el primer año creado será igual al primero proporcionado pero cambiando la estación de invierno por la del segundo proporcionado. El segundo año originado será igual al primero generado pero además también será cambiada la estación de primavera por la del segundo año proporcionado. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 49 Siempre hay que tener en cuenta, que este tipo de archivos comienzan a introducirse desde el mes de Enero, y la estación de invierno empieza en el mes de Diciembre. Por lo que hay que tener cuidado a la hora de originar los años con este último mes. A modo de ejemplo en las siguientes tablas (tabla 6.3 y 6.4) se puede observar como a partir de dos años proporcionados se han generado cinco años. Años Proporcionados 1 I1 (Enero y Febrero) P1 (Marzo, Abril y Mayo) V1 (Junio, Julio y Agosto) O1 Septiembre, Octubre y Noviembre) I1 (Diciembre) 2 I2 (Enero y Febrero) P2 (Marzo, Abril y Mayo) V2 (Junio, Julio y Agosto) O2 Septiembre, Octubre y Noviembre) I2 (Diciembre) Tabla 7.1 Años proporcionados por la GTER. Años Generados 1 I1 (Enero y Febrero) P1 (Marzo, Abril y Mayo) V1 (Junio, Julio y Agosto) O1 Septiembre, Octubre y Noviembre) I1 (Diciembre) 2 I2 (Enero y Febrero) P1 (Marzo, Abril y Mayo) V1 (Junio, Julio y Agosto) O1 Septiembre, Octubre y Noviembre) I2 (Diciembre) 3 I2 (Enero y Febrero) P2 (Marzo, Abril y Mayo) V1 (Junio, Julio y Agosto) O1 Septiembre, Octubre y Noviembre) I2 (Diciembre) 4 I2 (Enero y Febrero) P2 (Marzo, Abril y Mayo) V2 (Junio, Julio y Agosto) O1 Septiembre, Octubre y Noviembre) I2 (Diciembre) 5 I2 (Enero y Febrero) P2 (Marzo, Abril y Mayo) V2 (Junio, Julio y Agosto) O2 Septiembre, Octubre y Noviembre) I2 (Diciembre) Tabla 7.2. Años generados a partir de los proporcionados. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 50 Siendo: - I: Invierno - P: Primavera - V: Verano - O: Otoño Hay que tener en cuenta, que todos esos datos están en extensión .xlsx (archivo soportado por el programa Excel), mientras que SAM solo lee archivos .csv. Para transformarlo a esta extensión se ha utilizado como plantilla un archivo meteorológico de SAM, se ha modificado con los nuevos datos y se ha guardado como archivo .csv. Posteriormente se ha actualizado la librería de SAM y con ello, ya pueden ser utilizados para realizar las simulaciones. 7.3 Series originales vs Series extendidas. Se ha analizado anualmente el conjunto de datos de ambas series, la original y la extendida, para averiguar si la diferencia entre ellas es significante, y si es así, cuantificarla en el análisis estadístico posterior [9]. En primer lugar se han analizado los valores anuales de radiación directa para encontrar similitudes y diferencias entre ambas series. Posteriormente se comparan los dos parámetros estudiados anteriormente en el análisis estadístico, el levelized cost real y la energía anual. Los parámetros estadísticos que se han utilizado para la comparación han sido: la media, varios percentiles (P10, P25, P50, P75 y P90), los valores máximos y mínimos de cada serie, entre otros. Al igual que en anteriores apartados de este proyecto, se ha vuelto a utilizar el software SAM para realizar las simulaciones correspondientes a los apartados de la energía anual y del LCOE real. 7.3.1 Análisis de la radiación directa. Solo se ha tenido en cuenta este tipo de radiación, ya que, la tecnología usada por la central de este proyecto se caracteriza por la concentración de la radiación directa para calentar un fluido calorportador. Por esta razón, no serán tomada en cuenta ni la radiación difusa, ni la global. En la siguiente tabla (tabla 7.3) y en la posterior (tabla 7.4), se muestran los valores de radiación directa de la serie original proporcionada por GTER y de la serie extendida: Proyecto Fin de Grado Álvaro Velasco Gutiérrez 51 Años Originales Radiación Directa (kW/m2) 1 2134.53 2 1987.74 3 1939.54 4 2031.72 5 2069.13 6 2228.89 7 1968.64 8 2076.36 9 2145.19 10 2121.11 11 1948.33 12 2075.27 13 2233.38 Tabla 7.3. Conjunto de datos de radiación directa de la serie original. Años Extendidos Radiación Directa (kW/m2) Años Extendidos Radiación Directa (kW/m2) 1 2134.53 26 1922.59 2 2013.28 27 1994.89 3 2060.30 28 2011.54 4 2052.32 29 2076.36 5 1987.74 30 2074.15 6 2050.67 31 2050.41 7 2055.82 32 2150.55 8 1986.35 33 2145.19 9 1939.54 34 2116.59 10 1955.64 35 2188.42 11 1951.94 36 2105.40 12 1967.49 37 2121.11 13 2031.72 38 2061.11 14 2012.37 39 1988.37 15 1986.84 40 1945.50 16 2015.63 41 1948.33 17 2069.13 42 2084.93 18 2193.30 43 2041.89 19 2250.33 44 2077.73 20 2234.58 45 2075.27 21 2228.89 46 2179.45 22 2131.95 47 2268.01 23 2033.91 48 2279.08 24 2035.32 49 2233.38 25 1968.64 Tabla 7.4. Conjunto de datos de radiación directa de la serie extendida. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 52 En la tabla 7.5 se comparan los valores anterior. Como dato curioso se puede ver que la media es mayor en la serie original; pero, sin embargo, el rango máximomínimo es bastante mayor en la serie extendida con un 17.58 %. En cuanto a los valores de los percentiles, no siguen ningún patrón, ya que el P10, P25 y el P90 es mayor en la extendida y el resto son menores. Por último el rango de percentil (P90 - P10) también es mayor en la extendida. A pesar de todo ello, la diferencia entre ambas series es mínima. Puede verse como los porcentajes de diferencia son muy bajos, excepto el rango máximo - mínimo. Serie Original (kW/m2) Serie Extendida (kW/m2) Diferencia (%) Media 2073.83 2071.19 -0.13 P10 1942.17 1951.49 0.48 P25 1973.37 1990 0.84 P50 2072.2 2054.07 -0.87 P75 2131.18 2129.24 -0.09 P90 2203.75 2229.33 1.15 Mínimo 1939.54 1922.59 -0.87 Máximo 2233.38 2279.08 2.01 Rango (Max-Min) 293.84 356.49 17.58 Rango Percentil (P90-P10) 261.58 277.84 5.85 Tabla 7.5. Comparación de los valores de radiación directa en la serie original y en la serie extendida. 7.3.2 Análisis del LCOE real Años Originales LCOE Real (€/kWh) 1 0.1319 2 0.1442 3 0.1486 4 0.1382 5 0.1364 6 0.1270 7 0.1431 8 0.1362 9 0.1337 10 0.1334 11 0.1462 12 0.1367 13 0.1278 Tabla 7.6. Valores del LCOE real para la serie original. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 53 En la tabla 7.6 y 7.7, se muestran los valores del LCOE real tanto para la serie original como para la extendida. Hay que tener en cuenta, que para realizar este apartado, ha sido necesario realizar tantas simulaciones como años tiene cada serie. Dichas simulaciones se han realizado sin incertidumbre en los parámetros característicos de la central, es decir, se han realizado de manera determinista, y se ha utilizado la central de este proyecto ya optimizada. Años Extendidos LCOE Real (€/kWh) Años Extendidos LCOE Real (€/kWh) 1 0.1319 26 0.1472 2 0.1406 27 0.1428 3 0.1374 28 0.1409 4 0.1386 29 0.1362 5 0.1442 30 0.1354 6 0.1395 31 0.1378 7 0.1399 32 0.1330 8 0.1435 33 0.1337 9 0.1486 34 0.1362 10 0.1474 35 0.1304 11 0.1460 36 0.1351 12 0.1438 37 0.1334 13 0.1382 38 0.1374 14 0.1399 39 0.1431 15 0.1419 40 0.1462 16 0.1413 41 0.1462 17 0.1364 42 0.1361 18 0.1280 43 0.1390 19 0.1253 44 0.1366 20 0.1261 45 0.1367 21 0.1270 46 0.1298 22 0.1333 47 0.1246 23 0.1381 48 0.1249 24 0.1385 49 0.1278 25 0.1431 Tabla 7.7. Valores del LCOE real para la serie extendida. A continuación, al igual que con los valores de la radiación directa, se va a realizar una comparación entre los números obtenidos en la serie original y en la extendida. En la tabla 7.8, se puede ver que la media es un 0.1 % mayor en la serie extendida. En cuanto a los percentiles son todos mayores en la extendida excepto el P10 y el P75. El valor máximo es el mismo en ambas, pero el mínimo es mayor en Proyecto Fin de Grado Álvaro Velasco Gutiérrez 54 la original, por lo que el rango máximo – mínimo es mayor en la extendida con un 10 %. Por último el rango de percentil (P90 – P10) es de nuevo mayor en la extendida con un 7.33%. A pesar de ello, también se comprueba que la diferencia entre una serie y la otra, en general, es bastante pobre. Serie Original (€/kWh) Serie Extendida (€/kWh) Diferencia (%) Media 0.1372 0.1373 0.10 P10 0.1279 0.1269 -0.78 P25 0.1323 0.1333 0.75 P50 0.1363 0.1376 0.94 P75 0.1419 0.1418 -0.07 P90 0.1456 0.1460 0.27 Mínimo 0.1270 0.1246 -1.89 Máximo 0.1486 0.1486 0.00 Rango (Max-Min) 0.0216 0.0240 10.00 Rango Percentil (P90-P10) 0.0177 0.0191 7.33 Tabla 7.8. Comparación de los valores del LCOE real en la serie original y en la serie extendida. 7.3.3 Análisis de la energía anual Por último, se va a analizar la energía anual generada por la central para cada serie. A continuación en la tabla 7.9 y 7.10 se puede apreciar los valores de ésta para cada conjunto de valores. Años Originales Energía Anual (kWh) 1 3.94*10^8 2 3.59*10^8 3 3.48*10^8 4 3.75*10^8 5 3.80*10^8 6 4.09*10^8 7 3.62*10^8 8 3.81*10^8 9 3.88*10^8 10 3.89*10^8 11 3.54*10^8 12 3.79*10^8 13 4.07*10^8 Tabla 7.9. Valores de la energía anual para la serie original. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 55 Años Extendidos Energía Anual (kWh) Años Extendidos Energía Anual (kWh) 1 3.94*10^8 26 3.52*10^8 2 3.69*10^8 27 3.63*10^8 3 3.77*10^8 28 3.68*10^8 4 3.74*10^8 29 3.81*10^8 5 3.59*10^8 30 3.83*10^8 6 3.71*10^8 31 3.77*10^8 7 3.71*10^8 32 3.90*10^8 8 3.61*10^8 33 3.88*10^8 9 3.48*10^8 34 3.81*10^8 10 3.51*10^8 35 3.98*10^8 11 3.55*10^8 36 3.84*10^8 12 3.60*10^8 37 3.89*10^8 13 3.75*10^8 38 3.78*10^8 14 3.71*10^8 39 3.62*10^8 15 3.65*10^8 40 3.54*10^8 16 3.67*10^8 41 3.54*10^8 17 3.80*10^8 42 3.81*10^8 18 4.06*10^8 43 3.73*10^8 19 4.15*10^8 44 3.80*10^8 20 4.12*10^8 45 3.79*10^8 21 4.09*10^8 46 4.00*10^8 22 3.89*10^8 47 4.17*10^8 23 3.76*10^8 48 4.16*10^8 24 3.75*10^8 49 4.07*10^8 25 3.62*10^8 Tabla 7.10. Valores de la energía anual para la serie extendida. Al igual que para el LCOE, este apartado también se ha tenido que apoyar en los resultados arrojados por SAM al realizar las simulaciones correspondientes al número de años de cada serie. En la tabla 7.11 se hace lo mismo que anteriormente, una comparación de los resultados para ambas series. En este caso, la diferencia es tan mínima que el apartado diferencia se ha tenido que dejar en kWh en vez de en porcentaje. La mayor diferencia se presenta en el valor máximo, siendo mayor en la extendida por 0.08 kWh y, por tanto, siendo igual en el rango máximo – mínimo. Aún así se vuelve a repetir que la diferencia es muy escasa. Proyecto Fin de Grado Álvaro Velasco Gutiérrez 56 Serie Original (kWh) Serie Extendida (kWh) Diferencia (kWh) Media 3.79*10^8 3.79*10^8 0.00 P10 3.54*10^8 3.54*10^8 0.00 P25 3.60*10^8 3.64*10^8 0.04 P50 3.80*10^8 3.77*10^8 -0.03 P75 3.89*10^8 3.89*10^8 0.00 P90 4.03*10^8 4.07*10^8 0.04 Mínimo 3.48*10^8 3.48*10^8 0.00 Máximo 4.09*10^8 4.17*10^8 0.08 Rango (Max-Min) 0.61 0.69 0.08 Rango Percentil (P90-P10) 0.49 0.53 0.04 Tabla 7.11. Comparación de los valores de la energía anual en la serie original y en la serie extendida. 7.3.4 Reflexiónes. Como conclusión, se puede sacar que en general, la diferencia en todos los análisis realizados para ambas series es muy pequeño. De aquí se puede deducir, que con los trece años que ha proporcionado GTER, se puede realizar un análisis estadístico cuyos resultados tengan un error debido al año meteorológico mínimo. De hecho, ya se puede anticipar que la diferencia entre los resultados al realizar el análisis estadístico teniendo en cuenta un conjunto probabilístico de series meteorológicas y sin tenerlo en cuenta será también mínima. Esto es debido a que la meteorología en los últimos años aquí en Sevilla no ha variado mucho de un año a otro. Por lo que, si se realiza el análisis con un número de años tipo bajos no presentará mucho error. 7.4 Resultados. Por último, se procede a la representación de los resultados una vez realizada las 49 simulaciones y unificadas todas las soluciones. De nuevo se representan en una gráfica de probabilidad acumulada (figura 7.1 y 7.2): Proyecto Fin de Grado Álvaro Velasco Gutiérrez 57 Figura 7.1. Función de probabilidad acumulada del LCOE real variando el año meteorológico. La interpretación de estas dos figuras son exactamente las mismas que las similares vistas anteriormente. En el caso de la gráfica anterior (figura 7.1), para un intervalo de confianza del 95%, el LCOE real está situado entre 0.0986 y 0.1926 €/kWh. Se hace notar la leve diferencia existente con los resultados de la solución estadística sin conjunto probabilístico de series meteorológicas, cuyo intervalo se encuentra entre 0.1002 y 0.1853 €/kWh. De nuevo, el valor más probable vuelve a coincidir con el de la solución determinista, 0.1396 €/kWh. Figura 7.2. Función de probabilidad acumulada de la energía anual variando el año meteorológico.