Diseño de parques eólicos híbridos con almacenamiento energético

DOI:
https://doi.org/10.56845/terys.v4i1.401Palabras clave:
Parques eólicos, energías renovables, almacenamiento de energíaResumen
El diseño de parques eólicos híbridos con almacenamiento energético representa una evolución en la generación de energía renovable, combinando la producción eólica con sistemas de almacenamiento para optimizar la eficiencia y la estabilidad del suministro eléctrico. Estos parques integran aerogeneradores con tecnologías de almacenamiento, como baterías (litio-ion, flujo redox) o sistemas de almacenamiento térmico, permitiendo almacenar el exceso de energía generada durante períodos de alta producción y liberarla en momentos de baja generación o alta demanda. Esto reduce la intermitencia típica de la energía eólica, mejorando la integración en la red eléctrica y maximizando el aprovechamiento de los recursos renovables. El diseño de estos sistemas requiere un enfoque multidisciplinario, considerando factores como la ubicación geográfica, la capacidad de generación eólica, la demanda energética local y las características del sistema de almacenamiento. Además, se optimiza la gestión energética mediante algoritmos avanzados que predicen la producción eólica y la demanda, ajustando la carga y descarga del almacenamiento para maximizar la rentabilidad y minimizar el impacto ambiental. Estos parques híbridos son clave en la transición energética, ya que incrementan la flexibilidad y confiabilidad de las redes, reducen la dependencia de combustibles fósiles y contribuyen a la descarbonización del sector energético.Citas
AL Jarrah, A. M., & AL Dwairi, R. A. (2024). Jordan wind energy potential and suggested areas for large-scale wind turbines investment. Energy for Sustainable Development, 80, 101452. https://doi.org/10.1016/j.esd.2024.101452
Ayyildiz, E., & Erdogan, M. (2024). A comprehensive approach to evaluate risk mitigation strategies in offshore wind farms using spherical fuzzy decision making analysis. Ocean Engineering, 311, 118881. https://doi.org/10.1016/j.oceaneng.2024.118881
Bellon Monsalve, D. (2017). Almacenamiento de hidrógeno mediante hidruros metálicos: Síntesis y caracterización.
Blázquez Calderón, A. (2024). Análisis tecno-económico del uso de amoniaco como vector en el transporte y almacenamiento de hidrógeno.
Casio Herrera, D. H., & Huayna Huaman, J. G. (2024). Implementación de un sistema de generación de hidrógeno por electrólisis para evaluar el desempeño de un motor de combustión interna de ciclo Otto.
Centro Nacional de Control de Energía | Gobierno | gob.mx. (s. f.). Recuperado 20 de marzo de 2022, de https://www.gob.mx/cenace
de Moura Ribeiro, A., Hallak, P. H., de Castro Lemonge, A. C., & dos Santos Loureiro, F. (2024). Automatic grouping of wind turbine types via multi-objective formulation for nonuniform wind farm layout optimization using an analytical wake model. Energy Conversion and Management, 315, 118759. https://doi.org/10.1016/j.enconman.2024.118759
Dhoot, A., Antonini, E. G. A., Romero, D. A., & Amon, C. H. (2021). Optimizing wind farms layouts for maximum energy production using probabilistic inference: Benchmarking reveals superior computational efficiency and scalability. Energy, 223, 120035. https://doi.org/10.1016/j.energy.2021.120035
Drapalik, M., Vavrik, V., & Liebert, W. (2024). The effect of wind turbines with low rotor power density on power fluctuations. Next Energy, 5, 100156. https://doi.org/10.1016/j.nxener.2024.100156
Esnaola, G., Ulazia, A., Sáenz, J., & Ibarra-Berastegi, G. (2024). Future changes of global Annual and Seasonal Wind-Energy Production in CMIP6 projections considering air density variation. Energy, 307, 132706. https://doi.org/10.1016/j.energy.2024.132706
Fatahian, E., Mishra, R., Jackson, F. F., & Fatahian, H. (2024). Optimization and analysis of self-starting capabilities of vertical axis wind turbine pairs: A CFD-Taguchi approach. Ocean Engineering, 302, 117614. https://doi.org/10.1016/j.oceaneng.2024.117614
Gutierrez De La Llave, N. (2023). Almacenamiento de hidrógeno en líquidos orgánicos.
GWEC. (2025, marzo 26). https://www.gwec.net
Hannan, M. A., Abu, S. M., Al-Shetwi, A. Q., Mansor, M., Ansari, M. N. M., Muttaqi, K. M., & Dong, Z. Y. (2022). Hydrogen energy storage integrated battery and supercapacitor based hybrid power system: A statistical analysis towards future research directions. International Journal of Hydrogen Energy, 47(93), 39523-39548. https://doi.org/10.1016/j.ijhydene.2022.09.099
He, R., Yang, H., Lu, L., & Gao, X. (2024). Site-specific wake steering strategy for combined power enhancement and fatigue mitigation within wind farms. Renewable Energy, 225, 120324. https://doi.org/10.1016/j.renene.2024.120324
He, R., Yang, H., Sun, S., Lu, L., Sun, H., & Gao, X. (2022). A machine learning-based fatigue loads and power prediction method for wind turbines under yaw control. Applied Energy, 326, 120013. https://doi.org/10.1016/j.apenergy.2022.120013
Hernández Fernández, A. (2023). Hidrógeno verde y su almacenamiento energético: Estado del arte.
Hu, Z., Gao, B., & Mao, Y. (2023). Nonlinear model predictive control-based active power dispatch strategy for wind power plant considering dynamic wake effect. International Journal of Electrical Power & Energy Systems, 148, 108996. https://doi.org/10.1016/j.ijepes.2023.108996
IRENA – International Renewable Energy Agency. (2025, marzo 26). https://www.irena.org/
Jargalsaikhan, N., Ueda, S., Masahiro, F., Matayoshi, H., Mikhaylov, A., Byambaa, S., & Senjyu, T. (2024). Exploring influence of air density deviation on power production of wind energy conversion system: Study on correction method. Renewable Energy, 220, 119636. https://doi.org/10.1016/j.renene.2023.119636
Kim, J., Shin, H.-J., Lee, K., & Hong, J. (2024). Enhancement of ANN-based wind power forecasting by modification of surface roughness parameterization over complex terrain. Journal of Environmental Management, 362, 121246. https://doi.org/10.1016/j.jenvman.2024.121246
Pelser, T., Weinand, J. M., Kuckertz, P., McKenna, R., Linssen, J., & Stolten, D. (2024). Reviewing accuracy & reproducibility of large-scale wind resource assessments. Advances in Applied Energy, 13, 100158. https://doi.org/10.1016/j.adapen.2023.100158
Zohuri, B., & Zohuri, B. (2019). Cryogenics and liquid hydrogen storage. Hydrogen energy: challenges and solutions for a cleaner future, 121-139.
Descargas
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Alida Ramirez-Jimenez, José Rafael Dorrego-Portela, Quetzalcoatl Cruz Hernández-Escobedo

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.