Inicio » Listado de proyectos » Aplicación de herramientas de computación de alto desempeño, de técnicas 4D-var (asimilación de datos) y de post procesamiento estadístico a la predicción de la Generación de Energía Eléctrica de origen eólico.

Aplicación de herramientas de computación de alto desempeño, de técnicas 4D-var (asimilación de datos) y de post procesamiento estadístico a la predicción de la Generación de Energía Eléctrica de origen eólico.

Código del proyecto
FSE_1_2011_1_6562
Fecha de inicio
2012/10/01
Beneficiario
Gabriel Cazes Boezio : Facultad de Ingeniería
Duración
24
Año de convocatoria
2011
Departamento
Montevideo

Resumen publicable

Uruguay se encuentra en una etapa de creciente incorporación de la energía eólica, estimandose que en 2014, se llegue a un índice de penetración de la energía eólica en el sistema eléctrico que ubicará a Uruguay en los primeros lugares a nivel mundial. Esta realidad motivó el desarrollo de una herramienta de predicción del recurso eólico, GFS-WRF-MOS, Proyecto ANII FSE2009_29. La herramienta de pronóstico numérico operativo se basa en un modelo de circulación general (GFS), un modelo regional (WRF) y un modelo estadístico (MOS). La información se presenta públicamente en el sitio web www.fing.edu.uy/cluster/eolica. Se ha llegado a un acuerdo entre la Facultad de Ingeniería-UTE para transferir la herramienta.

En el presente la herramienta posee una capacidad de pronóstico de buen desempeño para el nivel de incorporación de la energía eólica actual. De acuerdo con los planes de incorporación de energía eólica en el sistema eléctrico nacional, en los próximos años se tendrán significativos indices de penetración, esta es la razón que justifica la inversión tecnológica en mejorar la herramienta de pronóstico. Se plantea desarrollar nuevas aplicaciones en base a un aumento de la resolución del modelo y la incorporación de nueva tecnología de asimilación dinámica de observaciones locales en las condiciones iniciales (asimilación 4-D) y la aplicación de herramientas estadísticas a ensembles de pronósticos. Estas mejoras aumentan los requerimientos computacionales, lo que hace necesario la aplicación de técnicas de computación de alto desempeño (HPC). Se plantean mejoras en, tiempo de ejecución, escalabilidad, capacidad de modelado, etc. Se plantea desarrollar una versión de la herramienta capaz de explotar técnicas de HPC, que permita la adquisición de datos locales y regionales mejorando la capacidad de predicción e incorporando el uso de estrategia de cómputo basadas en tarjetas gráficas que permitan escalar en el desempeño computacional con inversiones económicas modestas.

Productos académicos

Artículo

Cazes, G., Ortelli S. (2019) Use of the WRF-DA 3D-Var Data Assimilation System to Obtain Wind Speed Estimates in Regular Grids from Measurements at Wind Farms in Uruguay. Url: https://www.mdpi.com/2306-5729/4/4/142

Artículo

Silva, J. P., Hagopian, J., Burdiat, M., Dufrechou, E., Pedemonte, M., Gutiérrez, A., Ezzatti, P. (4 2014). Another step to the full GPU implementation of the weather research and forecasting model. The Journal of Supercomputing, 70, 746–755. doi: https://www.doi.org/10.1007/s11227-014-1193-y

Artículo

de Mello, S., Cazes G., Gutierrez A. (2015). Operational wind energy forecast with power assimilation. url: https://www.fing.edu.uy/cluster/eolica/publi/ICWE14_02237.pdf