See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/274071669

Evaluación del potencial solar y eólico del campus central de la Universidad

Industrial de Santander y la ciudad de Bucaramanga, Colombia.

Article · December 2014

CITATIONS READS

20 249

4 authors:

Juan M. Rey Pedro P. Vergara

Industrial University of Santander Delft University of Technology
52 PUBLICATIONS 476 CITATIONS 77 PUBLICATIONS 721 CITATIONS

SEE PROFILE SEE PROFILE

G. Ordonez German Osma-Pinto

Industrial University of Santander Industrial University of Santander
113 PUBLICATIONS 564 CITATIONS 77 PUBLICATIONS 368 CITATIONS

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Juan M. Rey on 26 March 2015.

The user has requested enhancement of the downloaded file.

 Evaluación del potencial solar y eólico del campus central
de la Universidad Industrial de Santander y la ciudad de
Bucaramanga, Colombia

Solar and wind potential assessment in the central campus

of Universidad Industrial de Santander and Bucaramanga
city, Colombia
PEDRO PABLO VERGARA-BARRIOS
Ingeniero Electrónico
Escuela de Ingenierías Eléctrica, Electrónica y de Telecomunicaciones
Universidad Industrial de Santander
Email: [email protected]
Bucaramanga, Colombia

JUAN MANUEL REY-LÓPEZ

Ingeniero Electricista
Escuela de Ingenierías Eléctrica, Electrónica y de Telecomunicaciones
Universidad Industrial de Santander
Email: [email protected]
Bucaramanga, Colombia

GERMÁN ALFONSO OSMA-PINTO

Magíster en Ingeniería Eléctrica
Escuela de Ingenierías Eléctrica, Electrónica y de Telecomunicaciones
Universidad Industrial de Santander
Email: [email protected]
Bucaramanga, Colombia

GABRIEL ORDÓÑEZ-PLATA
Doctor Ingeniero Industrial
Escuela de Ingenierías Eléctrica, Electrónica y de Telecomunicaciones
Universidad Industrial de Santander
Email: [email protected]
Bucaramanga, Colombia
Fecha de recibido: 21/01/2014
Fecha de aceptado: 15/06/2014

Forma de citar: VERGARA, Pedro, et, al., Evaluación del potencial solar y eólico del campus central de la Universidad Industrial de Santander
y la ciudad de Bucaramanga, Colombia.Rev.UIS.Ingenierías,2014,vol13,n.2,p.p 49-57.

RESUMEN

En este artículo se presenta un estudio estadístico del potencial solar y eólico en el campus central de la Universidad
Industrial de Santander (UIS) y la ciudad de Bucaramanga, con el fin de obtener parámetros característicos que
permitan evaluar el recurso energético en la zona. Para ello, se consideraron mediciones horarias de variables como
radiación solar, temperatura ambiente, velocidad y dirección del viento para los años 2010, 2011 y 2012, en cuatro
puntos estratégicos de la ciudad. Finalmente, se presenta un análisis sobre los resultados obtenidos y la viabilidad
energética de implementar sistemas de generación fotovoltaica y eólica en las zonas de estudio.

PALABRAS CLAVE: Evaluación del potencial energético, energía solar, energía eólica, Bucaramanga.

UIS Ingenierías, julio - diciembre 2014; Facultad de Ingenierías Fisicomecánicas, UIS

50 Pedro Pablo Vergara-Barrios, Juan Manuel Rey-López,
Germán Alfonso Osma-Pinto, Gabriel Ordóñez-Plata

ABSTRACT

In this paper, a statistical study of solar and wind potential is presented, in order to estimate the characteristic
parameters to assess the energy resource in the central campus of Universidad Industrial de Santander (UIS) and
Bucaramanga, Colombia. To do this, solar radiation, ambient temperature and wind speed, were hourly measured in
four strategic zones of the city, for the years 2010, 2011 and 2012. Finally, the energy feasibility for the installation
of photovoltaic and wind power generation systems and an analysis of the results are presented.

KEYWORDS: Energy potential assessment, solar energy, wind energy, Bucaramanga.

1. INTRODUCCIÓN promedio menores a los 2 m/s, mientras que en las

zonas aledañas al Aeropuerto Internacional Palonegro
El estudio del potencial de los recursos eólico y solar (ubicado en el municipio de Lebrija, al occidente
es necesario en el proceso de dimensionamiento, de la ciudad) los vientos proceden del noroccidente
diseño y evaluación de la viabilidad de proyectos y presentan velocidades un poco más altas (Lazar
relacionados a este tipo de energías. Debido a esto, una & Eder, 2001). Por otro lado, de acuerdo al Atlas de
de las barreras para la penetración y masificación de las Radiación Solar de Colombia (UPME-IDEAM, 2005),
energías renovables en el país corresponde a la limitada Bucaramanga tiene una radiación diaria promedio
disponibilidad y exactitud de la información relacionada entre 4,5 y 5,0 kWh/m2, con un comportamiento
con el recurso energético renovable, especialmente en mayoritariamente estable durante el año.
las ciudades capitales (Rey, Vergara, Osma & Ordóñez,
2013). 3. MODELADO Y ESTUDIO DEL
En este trabajo se presenta un estudio estadístico del
RECURSO EÓLICO
potencial solar y eólico para la ciudad de Bucaramanga
La estimación de los parámetros característicos del
y el campus central de la UIS. Para esto, se analizaron
comportamiento del viento, se considera el primer
datos de cuatro estaciones meteorológicas ubicadas
paso para evaluar un proyecto de generación de energía
en zonas estratégicas de la ciudad, y se modelaron los
eólica a través del cálculo del potencial eólico en la
recursos energéticos con el fin de obtener los parámetros
zona (Kumaraswamy, Keshavan, & Jangamshetti,
característicos del comportamiento del viento y la
2009). La velocidad y dirección del viento son variables
radiación solar. La exactitud de las mediciones, hace
aleatorias, difíciles de modelar y predecir, aunque
de los parámetros característicos calculados, una fuente
pueden ser descritas mediante funciones de distribución
fiable para evaluar el recurso en estas zonas, por lo
de probabilidad (Ucar & Balo, 2010), las cuales
que se incluye un análisis de la viabilidad energética
permiten caracterizar sus comportamientos en una zona
de implementar sistemas de generación fotovoltaica y
específica dependiendo de la fiabilidad de los registros
eólica en las zonas de estudio.
de medición y el ajuste del modelado.

2. CLIMA Y GEOGRAFÍA DE El análisis de los datos del viento en esta investigación

BUCARAMANGA se realiza mediante la función de distribución (FDP) de
Weibull, la cual está dada por la Ecuación (1). Según
Bucaramanga está ubicada geográficamente en 7° 08’ (Ahmad, 2010), la FDP de Weibull corresponde a la
de latitud norte y 73° 08’ de longitud oeste. Su clima función de distribución que mejor aproxima mediciones
está clasificado por la altitud y se divide en zonas experimentales del viento, considerada como una
con clima cálido seco y templado seco. Tiene una herramienta simple, de fácil análisis y de amplio
temperatura promedio de 24 °C y una máxima promedio uso (Ouammi, Dagdougui, Sacile, & Mimet, 2010).
de 30,9 °C, aunque entre 6 a.m. y 6 p.m. la temperatura Además, otras distribuciones utilizadas para modelar
promedio es cercana a 26°C. Adicionalmente, la ciudad el viento, como la FDP de Rayleigh, corresponden
se caracteriza por una precipitación anual promedio de a un caso específico de la FDP de Weibull (El Alimi,
1.279 mm (Lazar & Eder, 2001) Maatallah, Dahmouni, & Ben Nasrallah, 2012).

En Bucaramanga, los vientos proceden mayormente La FDP de Weibull depende de dos parámetros: k,
de las direcciones norte y nororiente, con velocidades parámetro de forma y C, parámetro de escala. El
Evaluación del potencial solar y eólico del campus central de la Universidad Industrial 51
de Santander y la ciudad de Bucaramanga, Colombia

parámetro de forma es un indicador del ancho de la 3.1 Perfil del viento respecto a la altura
función de distribución, zonas con valores de k altos,
corresponden a lugares descritos por funciones de Para calcular el perfil vertical del viento se utiliza la Ley
distribución estrechas, lo que significa que la velocidad de Hellmann. Ésta establece una relación experimental
del viento se encuentra dentro de un intervalo estrecho entre la velocidad del viento v1 a una altura h1, con
de valores. Por otro lado, el parámetro C es un indicador respecto a la velocidad v2 a una altura h2, como lo
de la cantidad de viento presente en el lugar de estudio muestra la Ecuación (5), siendo α, el coeficiente de
(El Alimi et al., 2012). Hellmann.

Cuando no se dispone de mediciones a dos alturas

Para la estimación de los parámetros se utiliza el método diferentes para calcular α de forma experimental, es
SEM (Statistic Estimation Method) descrito por (Duan, posible estimar su valor a través de la Ecuación (6), que
Chen, & Hengchang, 2011). La selección de este método se obtiene de la relación que existe entre los parámetros
se debe a su alta precisión y simplicidad. De acuerdo de la función de distribución de Weibull para dos
con (Akdag & Dinler, 2009), esto permite reducir el alturas diferentes (Ucar & Balo, 2010). Donde C1 es el
tiempo de cómputo comparado con otros métodos de coeficiente de escala de la función de distribución de
estimación de parámetros usados en la literatura, como Weibull para los datos medidos a la altura h1, con la
el LSM (Least Square Method) o el MEAM (Minimum restricción que h1 debe ser mayor o igual a 10 m.
Error Approximation Method), cuando se deben
procesar datos de mediciones de periodos superiores a
un año (Kumaraswamy, Keshavan, & Ravikiran, 2011).

Según el método SEM, los parámetros k y C, están

dados por las ecuaciones (2) y (3), respectivamente, 3.2 Densidad de potencia eólica
donde μ corresponde a la velocidad media en m/s, σ a la
desviación estándar en m/s, y Γ(t) a la función Gamma. La potencia del viento P(v), es proporcional al cubo
de la velocidad v, al área de barrido de las aspas del
aerogenerador A y a la densidad del aire ρ, como se
muestra en la Ecuación (7). La densidad de potencia del
viento , por sus siglas en inglés (Wind Power Density),
se utiliza para clasificar las zonas de acuerdo a su
potencial, y se obtiene dividiendo la potencia del viento
Para determinar el nivel de correlación de la función por el área, como lo muestra la Ecuación (8).
de distribución y las variables medidas, se hace uso
del parámetro R2, denominado factor de correlación,
definido en la Ecuación (4) (Akdag & Dinler, 2009).

Para la estimación de la densidad de potencia a partir

de los datos meteorológicos registrados, se utiliza la
En esta expresión, N corresponde al número total de Ecuación (9) (Ilinca, McCarthy, Chaumel, & Rétiveau,
intervalos discretos para el histograma de frecuencias 2003) en la que se suman las contribuciones porcentuales
de la velocidad del viento, fi( ) corresponde a las para intervalos propuestos de velocidades. Siendo N
frecuencias medidas para cada intervalo, fi es la el número total de intervalos y fi ( )corresponde a las
frecuencia obtenida mediante la función de distribución frecuencias de cada intervalo con velocidad media .
de Weibull y representa al promedio de . El
modelo describirá con mayor precisión los datos si R2
es cercano a uno.
52 Pedro Pablo Vergara-Barrios, Juan Manuel Rey-López,
Germán Alfonso Osma-Pinto, Gabriel Ordóñez-Plata

3.3 Clasificación del recurso eólico lo que facilita su análisis. Por otro lado, la temperatura
ambiente, afecta directamente la operación del panel
De acuerdo al Departamento de Energía de los Estados fotovoltaico, reduciendo su eficiencia y aumentando las
Unidos (DOE), el recurso eólico puede clasificarse de perdidas por transmisión de calor, por lo que el estudio
forma numérica desde el nivel más bajo (Wind Power de esta variable debe considerarse en la estimación del
Class 1) hasta el de más alto (Wind Power Class 7), potencial solar (Igrahim et al., 2012).
dependiendo del (Elliott, Holladay, Barche, Foote, &
Sandusky, 1987). 4.1 Energía promedio anual

Asociada a cada clase, existe un rango de densidades El grado de abundancia del recurso solar en una zona se
de potencia y de velocidad media a una altura de 10 m establece a partir de la radiación solar incidente durante
(altura estándar), y a 50 m (Ilinca et al., 2003). Según un año, medida en kWh/m2 (Zhao, Liu, & Yu, 2009). La
el DOE, las zonas mayores o iguales a la Clase 4 se energía promedio anual (Ey) se puede obtener mediante
consideran adecuadas para instalar generación a gran y la Ecuación (11), donde Ri, corresponde a la radiación
pequeña escala. Las zonas con Clase 3 son adecuadas para la hora i en W/m2.
para el desarrollo de energía eólica con altas torres.
Las zonas con Clase 2 se consideran marginales para
el desarrollo de estos proyectos y las de Clase 1 no son
áreas adecuadas para este tipo de generadores (Ouammi
et al., 2010).
4.2 Horas solar pico (HSP)
3.4 Energía eólica estimada anual
Este factor HSP (PSH – Peak Sun Hours) corresponde
Para estimar la energía que se podría obtener de un al número equivalente de horas al día con un nivel
aerogenerador al ser ubicado en determinada zona de de radiación constante de 1000 W/m2 (Daut, Irwanto,
estudio, debe hacerse uso de la Ecuación (10) (Ouammi Irwan, Gomesh, & Ahmad, 2011). Una radiación diaria
et al., 2010). Esta expresión permite obtener la densidad mayor a 3 kWh/m2 (3 HSP), representa un potencial
de energía estimada Ewt en kWh/m2 para un número T solar adecuado para el desarrollo de proyectos de
de horas de medición en función del histograma de energía solar fotovoltaica (Igrahim et al., 2012). En
frecuencia. Esta estimación se presenta en términos del la Ecuación (12) se presenta la expresión que permite
área de barrido de una turbina de eje horizontal, por lo obtener las HSP para un día, donde Ri, corresponde a la
que aumenta en proporción al diámetro de las aspas radiación para la hora i en W/m2.
según el modelo seleccionado.

5. DISPONIBILIDAD DE LOS
4. MODELADO DEL RECURSO SOLAR REGISTROS METEOROLÓGICOS

La evaluación del potencial solar se puede definir Para llevar a cabo la evaluación de los recursos eólico
como la caracterización estadística de la radiación en y solar en la ciudad de Bucaramanga, se estudiaron los
un lugar específico en la tierra. Esta evaluación permite registros de las siguientes variables meteorológicas: la
determinar la conveniencia de instalar sistemas de velocidad y la dirección del viento, la temperatura y la
generación fotovoltaica, o de cualquier otro sistema que radiación solar. Para eso, se analizó el registro horario en
utilice este tipo de energía, en la zona de estudio. tres puntos estratégicos de la ciudad, con medición para
los años 2010, 2011 y 2012, información suministrada
La radiación solar es una variable menos compleja por la Corporación de la Defensa para la Meseta de
de modelar en comparación con el viento. Existen Bucaramanga, CDMB. Además, esta información
modelos matemáticos de poca complejidad utilizados se complementó con los datos meteorológicos de la
para estimar la radiación en un lugar específico de estación de monitoreo ubicada en el campus central de
acuerdo a las características y la ubicación del mismo, la UIS para el año 2010.
Evaluación del potencial solar y eólico del campus central de la Universidad Industrial 53
de Santander y la ciudad de Bucaramanga, Colombia

La primera estación (denominada en adelante E1) técnicamente, la instalación de aerogeneradores de

se ubica en la zona Centro la cual se encuentra en el pequeña y de gran escala, ya que debería contarse,
centro de la ciudad. La segunda estación (E2), se ubica como mínimo, con vientos cuya velocidad media fuese
en la zona Real de Minas, al occidente de la ciudad. superior a 6 m/s a 50 m de altura y una densidad de
La tercera estación (E3), se ubica en la zona Norte la potencia mayor a 400 W/m2.
cual se encuentra al Norte de la ciudad, en cercanía a la
estación (E4) denominada UIS, ubicada en el campus Según el modelo de FDP de Weibull para la estación
central de la UIS. E1, y con una confiabilidad mayor al 80%, la velocidad
más probable corresponde a 0,67 m/s. Esta FDP posee
6. ANÁLISIS DEL RECURSO EÓLICO un parámetro de forma igual a 1,43 y un factor de escala
DISPONIBLE EN BUCARAMANGA de 2,63. La curva del histograma es angosta debido a la
poca probabilidad de ocurrencia de velocidades mayores
En general, de acuerdo al resultado del presente estudio, a la velocidad con mayor probabilidad, al igual que para
el recurso eólico en la ciudad de Bucaramanga es las estaciones E2 y E3, como se observa en la Figura 1.
escaso. Como se observa en la Tabla 1, las velocidades En la estación E4, se observa un factor de escala menor
medias registradas para las cuatro estaciones, para los a la unidad, por lo que la curva de frecuencia decae
años en los cuales se cuenta con más del 90% de los exponencialmente, de igual forma que la probabilidad
registros horarios, no supera 1,5 m/s. de aparición de velocidades de gran recurso energético.

Tabla 1. Parámetros estadísticos del viento para Bucaramanga Al analizar los valores de densidad de potencia eólica
a 50 m (WPD), ninguna de las estaciones supera un valor de 25
Año k C R2 WPD W/m2, por lo que, de acuerdo a la clasificación propuesta
2010 2,42 1,42 2,67 0,89 24,07 por el DOE, la ciudad presenta un recurso eólico Clase 1.
E1 2011 2,37 1,42 2,61 0,88 22,76
De acuerdo a los expuesto anteriormente, es inadecuada
la instalación de aerogeneradores de gran potencia en
2012 2,39 1,43 2,63 0,88 22,96
zonas con esta clasificación, puesto que el recuso
2011 1,84 1,00 1,85 0,05 16,59 eólico disponible es muy bajo. Se observa además,
E2
2012 1,89 1,05 1,93 0,15 18,29 que la estación E4 se encuentra en la zona con menor
2010 2,31 1,21 2,46 0,83 26,93 recurso eólico, y la estación E1, se encuentra en la de
E3 2011 2,20 1,23 2,36 0,85 22,41 mayor recurso. Esta diferencia se debe principalmente
2012 2,35 1,30 2,55 0,86 24,89
a la ubicación geográfica y las corrientes provenientes
del municipio de Lebrija (Santander), como lo indica
E4 2010 1,48 0,99 1,48 0,08 6,55
(Lazar & Eder, 2001).

De acuerdo con los histogramas de viento de la Figura

2 para las estaciones E1 y E3, aproximadamente el 25%
de horas anuales el viento posee una velocidad cercana
a 1 m/s. Por otro lado, velocidades de viento con un
recurso considerable (mayor a 3 m/s) se presentan en
menos del 15% del total de horas, confirmando que el
potencial presente a esta altura no es suficiente para la
generación a gran escala.

Aunque evidentemente existe un recurso mayor a una

altura de 50 m en comparación con las mediciones
tomadas a 10 m de altura, éste sigue siendo escaso. De
acuerdo a los registros, se observa que el coeficiente de
Figura 1. FDP de Weibull a 50 m Hellmann no supera un valor de 0,3 para la mayoría de
las estaciones. Es decir, se presenta un incremento en un
Considerando los resultados presentados y la factor de 1,62 en las velocidades a 50 m de altura con
clasificación del DOE, se concluye que no es viable respecto a las medidas a 10 m de altura.
54 Pedro Pablo Vergara-Barrios, Juan Manuel Rey-López,
Germán Alfonso Osma-Pinto, Gabriel Ordóñez-Plata

Tabla 2. Energía eólica estimada anual a 50 m

Estación Año [kWh/m2]
2010 212,12
E1 2011 205,24
2012 207,91
2011 196,38
E2
2012 189,94
2010 235,22
E3 2011 208,421
2012 230,02
E4 2010 45,97

Al comparar el recurso eólico estimado en

a) Estación E1
Bucaramanga, con el recurso en las zonas de mayor
potencial de desarrollo de estas tecnologías en el país
(Rodríguez, Afanador, Guevara, & González, 2010a),
se observa que en las zonas aledañas a la ciudad de
Barranquilla (Atlántico) a una altura de 20 m, se
registra una densidad de potencia considerablemente
mayor al recurso presente en Bucaramanga a una altura
de 50 m, con valores desde 216 W/m2 hasta 512 W/m2;
en Barranquilla a 50 m de altura, se estima un recurso
cercano a 700 W/m2, lo cual clasifica a la ciudad como
una zona de interés para el desarrollo de proyectos de
generación eólica. Por otro lado, en el Cabo de la Vela,
en La Guajira, se han realizado mediciones a 10 m que
sobre pasan los 520 W/m2, a 20 m, 1.300 W/m2 y a 50
m, 1.700 W/m2.

b) Estación E3 7. ANÁLISIS DEL RECURSO SOLAR

DISPONIBLE EN BUCARAMANGA
Figura 2. Histogramas de viento para la estación E1 y
E3, altura 50 m, año 2012 A diferencia del recurso eólico, el recurso solar para
la ciudad es adecuado para el desarrollo de proyectos
En la Tabla 2 se presenta un estimado de la energía de generación fotovoltaica. En la Tabla 3 se presenta
disponible de acuerdo a los histogramas de viento la energía promedio anual estimada para cada estación.
para cada una de las estaciones de estudio. Se utilizó En la estación E1, la energía anual supera los 1.700
como densidad del aire 1,18 kg/m3, valor promedio kWh/m2 para el periodo analizado, mientras que para las
medido en la estación E4 (Osma & Ordóñez, 2012). estaciones E2 y E3, alcanzan a superar los 1.600 kWh/
En Bucaramanga se podría obtener una densidad de m2 y 1.700 kWh/m2 respectivamente. De acuerdo a esto,
energía eólica del orden de 200 kWh/m2 al año, sin el recurso estimado corresponde al 77,6% del registrado
tener en cuenta la eficiencia propia de cada modelo de en la Guajira según el Atlas de la Radiación Solar de
aerogenerador. Colombia (2.190 kWh/m2) (UPME-IDEAM, 2005),
Evaluación del potencial solar y eólico del campus central de la Universidad Industrial 55
de Santander y la ciudad de Bucaramanga, Colombia

zona con los mejores registros del país. Comparando para la segunda mitad del año; en general se observa
con otras regiones, se observa que Bucaramanga tiene un comportamiento cuasi estable en todas las zonas de
el 91,3% de la energía anual correspondiente a la media la ciudad.
de la Costa Atlántica (1.825 kWh/m2) y el 103,4% de la
media de la Zona Andina (1.643 kWh/m2) (Rodríguez,
Afanador, Guevara, & González, 2010b),

Tabla 3. Energía promedio anual

Energía anual promedio
Estación Año
[kWh/m2]
2009 1.722,2
E1 2010 1.734,0
2011 2.016,7
2011 1.646,2
E2
2012 1.715,1
2010 1.553,5
E3 2011 1.673,7
2012 1.698,5 Figura 3. Variación mensual de la energía promedio,
E4 2010 1.186,6 estación E2, año 2012

Tabla 4. Radiación promedio diaria, máxima y mínima En la Tabla 5 se presenta un consolidado de las HSP
Radiación Radiación Radiación promedio, máxima y mínima que se registró para cada
Estación Año Prom. Máx. Mín. año en las estaciones de estudio. Se observa que en
[kWh/m2] [kWh/m2] [kWh/m2] promedio, existen al menos 4.85 HSP.
2009 4,99 7,63 1,63
E1 2010 5,16 9,43 1,19 Tabla 5. HSP promedio, máxima y mínima
2011 6,07 11,3 1,63 HSP.
HSP. HSP.
2011 4,51 6,74 1,33 Estación Año Mín.
Prom. [h] Máx.[h]
E2 [h]
2012 4,68 6,85 1,71
2009 4,99 7,63 1,63
2010 4,31 7,18 0,91
E1 2010 5,16 9,43 1,19
E3 2011 4,62 7,23 1,28
2011 6,07 11,37 1,63
2012 4,69 7,15 1,77
2011 4,51 6,74 1,33
E4 2011 4,60 6,93 1,63 E2
2012 4,68 6,85 1,71
En la Tabla 4, se observa un consolidado de la radiación 2010 4,31 7,18 0,91
promedio, máxima y mínima en Bucaramanga para los E3 2011 4,62 7,23 1,28
años de registro. Más del 87,2% de los días del año, 2012 4,69 7,15 1,77
cumplen el criterio previamente descrito para considerar
un potencial solar como adecuado para el desarrollo de E4 2011 4,60 6,93 1,63
proyectos de energía fotovoltaica (≥3HSP). El promedio
de radiación diaria para la ciudad de Bucaramanga es Otro factor importante a considerar en la planeación
de 4,6 kWh/m2, con una gran mayoría de días del año de sistemas de generación fotovoltaica corresponde al
soleados y despejados. uso de seguimiento solar, el cual aumenta la exposición
directa de los paneles mediante la orientación dinámica,
En la Figura 3 se presenta la variación mensual de la mejorando la eficiencia global del sistema. Sin embargo,
energía promedio. En todas las estaciones se observa de acuerdo a (Osma, 2011), la instalación de estos
un comportamiento similar, caracterizado por presentar equipos en Bucaramanga no proporciona un aumento
valores máximos los meses de febrero, marzo y abril en de eficiencia global importante, en comparación con la
la primera mitad del año y julio, agosto y septiembre inversión, debido a su cercanía con la zona ecuatorial.
56 Pedro Pablo Vergara-Barrios, Juan Manuel Rey-López,
Germán Alfonso Osma-Pinto, Gabriel Ordóñez-Plata

Finalmente, se debe considerar el efecto negativo 8. CONCLUSIONES

de la temperatura ambiente sobre la operación de los
paneles fotovoltaicos, por lo que es importante estudiar Con base en el estudio de los registros meteorológicos
su variación. Como se observa en la Tabla 6, en la de la ciudad de Bucaramanga, es posible concluir que el
estación E1 la temperatura promedio para el año 2011 recurso eólico disponible es escaso con una velocidad
corresponde a 20,4 °C, presentándose una temperatura promedio de 1,5 m/s (a 50 m de altura) y por tanto no
máxima de 23,1 °C y una mínima de 16,6 °C. Por otro tiene el potencial energético adecuado para el desarrollo
lado, la Estación E4 registró una temperatura promedio de la generación a gran o pequeña escala, principalmente
de 22,92 °C, valor en concordancia con la temperatura porque la mayoría de los aerogeneradores comerciales
de la Estación E3, considerando que se encuentran en la se caracterizan por una velocidad de arranque mayor a
misma zona de la ciudad. 2 m/s.

Tabla 6. Temperatura promedio, máxima y mínima No obstante, este estudio permitió identificar que los
Temp. Temp. vientos que presentan el mejor recurso son los que se
Temp. Mín.
Estación Año Promedio Máx. encuentran en el Centro de la ciudad, provenientes en su
[°C]
[°C] [°C] mayoría de las montañas que llevan hasta el Aeropuerto
2009 21,08 23,89 17,32 Internacional Palonegro, ubicado en el municipio de
E1 2010 20,82 24,57 15,19 Lebrija. Por tanto, se presume que dicha zona, a las
2011 20,46 23,10 16,63 afueras de la ciudad, podría tener atractivo para la
generación eólica. Se recomienda realizar un estudio
2011 23,34 26,27 19,16
E2 detallado en dicha región.
2012 23,88 27,03 19,83
2010 24,83 29,08 19,40 Con respecto al recurso solar, es posible concluir que
E3 2011 24,29 27,24 19,96 la ciudad de Bucaramanga cuenta con un recurso que
2012 24,79 28,08 20,54 supera el criterio para ser considerado adecuado para
el desarrollo de proyectos de generación fotovoltaica.
E4 2011 22,92 26,46 19,47
Además, este recurso presenta un comportamiento
cuasi estable durante el año, lo que mejora el perfil y la
Se observa además que las mayores temperaturas
eficiencia global de este tipo de sistemas de generación.
se presentan en las horas cercanas al medio día (11
am a 3 pm) y la temperatura más baja se presenta al
amanecer, a las 5 am, de acuerdo a la Figura 4. Según 9. AGRADECIMIENTOS
(Osma, 2011), los valores de temperatura ambiente que
se presentan en las zonas de estudio reducirán cerca Los autores desean agradecerle a la Corporación para
del 15% la generación fotovoltaica diaria. La mayor la Defensa de la Meseta de Bucaramanga (CDMB) por
reducción será de aproximadamente 20% y ocurriría en suministrar información utilizada en esta investigación.
momentos cercanos del mediodía cuando la radiación Además, al Departamento Administrativo de Ciencia,
solar es cercana a 1.000 W/m2. Tecnología e Innovación (COLCIENCIAS) y la UIS,
por la financiación a través del programa Jóvenes
Investigadores 2012.

10. REFERENCIAS

AHMED,A. S. Wind energy as a potential generation

source at Ras Benas, Egypt. Renewable and
Sustainable Energy Reviews, 14(8), 2167–2173. 2010.
doi:10.1016/j.rser.2010.03.006

AKDAG, S. A; DINLER, A. A new method to estimate

Weibull parameters for wind energy applications.
Energy Conversion and Management, 50(7), 1761–
1766. 2009. doi:10.1016/j.enconman.2009.03.020
Figura 4. Variación de la temperatura para la Estación E1,
año 2012
 Evaluación del potencial solar y eólico del campus central de la Universidad Industrial 57
de Santander y la ciudad de Bucaramanga, Colombia

DAUT, I; IRWANTO, M; IRWAN, Y; M., GOMESH, OSMA, A. Proyecto de investigación de maestría: Uso
N; AHMAD, N. S. Potential of Solar Radiation and racional de la energía a partir del diseño de aplicaciones
Wind Speed for Photovoltaic and Wind Power Hybrid sostenibles en el Edificio Eléctrica II de la Universidad
Generation in Perlis , Northern Malaysia, (June), 6–7. Industrial de Santander. 2011. Universidad Industrial de
2011. Santander. Dirigido por el Dr. Gabriel Ordóñez Plata.

DUAN, W; CHEN, J; HENGCHANG, F. Comparative OSMA, A; ORDÓÑEZ, G. Design of a photovoltaic-

Research on Methods of Calculating Weibull wind power generation system with grid connection
Distribution Parameters of Wind Speed. In 2011 Asia- and two micro-grids. In 2012 IEEE International
Pacific Power and Energy Engineering Conference (pp. Symposium on Alternative Energies and Energy
1–4). 2011. IEEE. doi:10.1109/APPEEC.2011.5748608 Quality (SIFAE) (pp. 1–6). 2012. Barranquilla: IEEE.
doi:10.1109/SIFAE.2012.6478886
EL ALIMI, S; MAATALLAH, T; DAHMOUNI, A. W;
BEN NASRALLAH, S. Modeling and investigation OUAMMI, A. Monthly and seasonal assessment
of the wind resource in the gulf of Tunis, Tunisia. of wind energy characteristics at four monitored
Renewable and Sustainable Energy Reviews, 16(8), locations in Liguria region (Italy). Renewable and
5466–5478. 2012. doi:10.1016/j.rser.2012.05.004 Sustainable Energy Reviews, 14(7), 1959–1968. 2010.
doi:10.1016/j.rser.2010.04.015
ELLIOTT, D. et al., Wind energy resource atlas of the
United States. 1987. REY, J. Analysis of the Inclusion of Smart Grids
Technology in the Colombian Electric Power System.
IGRAHIM, S. et al., Linear Regression Model In 2013 International Symposium on Power Quality,
in Estimating Solar Radiation in Perlis. Energy SICEL. 2013. Medellin, Colombia.
Procedia, 18, 1402–1412. 2012. doi:10.1016/j.
egypro.2012.05.156 RODRIGUEZ, H. Plan de desarrollo para la fuentes
no convencionales de energía en Colombia Vol 3:
ILINCA, A. et al., Wind potential assessment of Quebec Tecnología y Costos. 2010. Bogotá, Colombia.
Province. Renewable Energy, 28(12), 1881–1897.
2003. doi:10.1016/S0960-1481(03)00072-7 RODRIGUEZ, H. et al., Plan de desarrollo para las
fuentes no convencionales de energía en Colombia Vol
KUMARASWAMY, B. G; KESHAVAN, B. K; 2: Diagnosticos de las FNCE. 2010. Bogotá, Colombia.
JANGAMSHETTI, S. H. A statistical analysis of wind
UCAR, A; BALO, F. Assessment of wind power
speed data in west central part of Karnataka based on
potential for turbine installation in coastal areas of
Weibull distribution function. In 2009 IEEE Electrical
Turkey. Renewable and Sustainable Energy Reviews,
Power & Energy Conference (EPEC) (pp. 1–4). 2009.
14(7), 1901–1912. 2010. doi:10.1016/j.rser.2010.03.021
IEEE. doi:10.1109/EPEC.2009.5420878
UPME-IDEAM. Atlas de Radiación Solar de Colombia.
KUMARASWAMY, G; KESHAVAN, K.;
Bogotá, Colombia, Colombia: Ministerio de Minas
RAVIKIRAN, T. Analysis of seasonal wind speed and
y Energia. Unidad de Planeación Minero Energetica
wind power density distribution in Aimangala wind
(UPME) y Ministerio de Ambiente y Desarrollo
form at Chitradurga Karnataka using two parameter
Territorial- Instituto de Hidrología Meteorología y
weibull distribution function. In 2011 IEEE Power and
Estudios Ambientales (IDEAM). 2005.
Energy Society General Meeting (pp. 1–4). 2011. IEEE.
doi:10.1109/PES.2011.6039587 ZHAO, M; LIU, Z; YU, M. Testing and analyzing of
solar energy resource assessment in inner mongolia. In
LAZAR, R., & EDER, J. Estudio sobre el clima urbano 2009 4th IEEE Conference on Industrial Electronics
en Bucaramanga. Universidad Industrial de Santander, and Applications, 2009, (pp. 2177–2179). IEEE.
UIS. 2001. doi:10.1109/ICIEA.2009.5138583

View publication stats