Aplicación Práctica / Practical Issues
Recibido: 13-05-2018, Aprobado tras revisión: 24-07-2018
Forma sugerida de citación: Jijón, D.; Constante, J.; Villacreses, G.; Guerrero, T. (2018). “Estimación del rendimiento de
aerogeneradores de 2 MW en el Ecuador: Potencial Eolo-Eléctrico”. Revista Técnica “energía”. No. 15, Issue I, Pp. 62-69
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2018 Operador Nacional de Electricidad, CENACE
Modelling of performance of 2 MW wind turbines in Ecuador: Electric-wind
potential
Estimación del rendimiento de aerogeneradores de 2 MW en el Ecuador:
Potencial Eolo-Eléctrico
Diego Jijón
1
Jessica Constante
1
Geovanna Villacreses
1
Tania Guerrero
1
1
Instituto Nacional de Eficiencia Energética y Energías Renovables, Quito, Ecuador
E-mail: judijival@gmail.com, jessica.constante@iner.gob.ec, geovanna.villacreses@iner.gob.ec,
tania.guerrero@iner.gob.ec
Abstract
Currently, the basic studies about convert energy
from the wind resources allow developing and
promoting wind farms including complex
infrastructures, with the aim to generate electricity
seeking to advance in country economies. These
studies considerer a multiple factors that are
influence by the wind behavior, such as the
orography, roughness and wind profile. In this work
is showed a new method to estimate the annual
production of wind turbines in Ecuador called
“Potencial Eolo-eléctrico”. This method includes the
power selection of the wind turbine to be installed,
wind speed data and the air density, where the last
variable depends of atmospheric pressure and
temperature [1]. For determining the “Potencial
Eolo-electrico”, it has been considered a standard
wind turbine of 2 (MW), with its power curve to
1.225 (kg/m
3
) of air density close fitting to a
sigmoidal continuous function. Moreover, in this
behavior is included a power curve approximation
under low air densities, considering the Villonaco
Wind Farm performance. As a result of this
investigation was obtained atmospheric pressure
maps and air density, additionally was estimated the
average power values of the wind turbines,
according to the annual mean wind speed to 80
meters high of the Wind Atlas of Ecuador (MEER
2013).
Index terms Wind Speed, Eolo-eléctrico, power
curve, atmospheric pressure, air density.
Resumen
Actualmente, los estudios sobre la energía que es
aprovechada a partir del viento, han permitido
impulsar proyectos de parques eólicos con
infraestructuras complejas, con el fin de generar
energía eléctrica en busca del desarrollo económico
de los países. Estos estudios toman en cuenta
diversos factores que influyen en el comportamiento
del viento, como la orografía, rugosidad y perfil del
viento. En este estudio se presenta un nuevo método
para estimar la generación anual de aerogeneradores
en el Ecuador, denominado “Potencial Eolo-
eléctrico”. El método incluye la selección de la
potencia del aerogenerador a instalar, los datos de
velocidad de viento y de la densidad del aire, la
misma que depende de variables como la presión
atmosférica y la temperatura [1]. Para la
determinación del Potencial Eolo-eléctrico, se
consideró un aerogenerador promedio de 2 (MW),
con su curva de potencia a una densidad de aire de
1.225 (kg/m
3
) ajustada a una función continua
sigmoidal. Además, en este comportamiento se
incluye una aproximación de la curva de potencia
para bajas densidades del aire, considerando el
funcionamiento del Parque Eólico Villonaco. Como
resultado se obtuvieron los mapas de presión
atmosférica y densidad del aire; y se estimó la
potencia media de los aerogeneradores en base a las
velocidades del viento media anual a 80 metros de
altura del Atlas Eólico del Ecuador (MEER 2013).
Palabras clave velocidad del viento, Eolo-eléctrico,
curva de potencia, presión atmosférica, densidad del
aire.
62
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
1. INTRODUCCIÓN
En la actualidad, el factor de rendimiento teórico de
un parque eólico es de suma importancia para impulsar
la construcción de nuevos proyectos que aprovechen
este tipo de recurso. Según Hernández-Escobedo et al,
el análisis del potencial eólico con fines de generación
eléctrica incluye: la selección de la potencia del
aerogenerador a instalar, los datos de velocidad de
viento y las estimaciones de la densidad del aire, la
misma que depende de variables como la presión
atmosférica y la temperatura [1].
La presión atmosférica se define como la presión
ejercida por la atmosfera en un punto o unidad de área.
Al medir la presión a nivel del mar con una temperatura
ambiente de 20 (°C) y una densidad de aire de 1.22
(kg/m
3
), se obtiene un valor aproximado a 1010 (hPa)
[2].
Debido a que la densidad del aire disminuye a
medida que la altura (con relación al nivel del mar) de
un emplazamiento aumenta se espera que la presión
también varié. En este contexto, cabe mencionar que
para realizar estudios de potencial eólico en una zona se
debe considerar que no todos los posibles
emplazamientos se encuentran a nivel del mar, por lo
que es fundamental el cálculo de la presión en cada
lugar, misma que disminuye de forma logarítmica al
aumentar la altitud. En el desarrollo de este cálculo se
toma en cuenta la relación de la presión con la altura, la
ley del gas ideal y la energía potencial gravitacional [3-
5].
Por otro lado, existe una diversidad de estudios para
la caracterización de las curvas de potencia de las
turbinas, las cuales se encuentran citadas en la
bibliografía. Estas curvas permiten caracterizar la
producción de energía de la turbina, dependen de la
velocidad del viento, y esta a su vez se ve influenciada
por la densidad de aire [6-12].
En este trabajo, se ajustó la función sigmoide para la
curva de potencia de un aerogenerador de 2 MW [13-
17] y se la interpoló con el mapa de densidad de aire
junto con los mapas de velocidad de viento, altura y
presión atmosférica para obtener el mapa de potencial
eléctrico del Ecuador dadas las condiciones propias de
cada zona del país. Se construyó la curva de potencia
teórica para los datos de velocidad del viento y potencia
para el aerogenerador, y de esta forma, se construyeron
las bases para realizar las simulaciones en dinámica de
fluidos con WindSim [18].
2. METODOLOGÍA
El desarrollo del presente artículo se basa en dos
etapas, la primera que consiste en a) la recopilación de
información; y la segunda en b) el cálculo del potencial
eolo-eléctrico.
a) Recopilación de información: La información
recolectada es procedente de fuentes oficiales
gubernamentales y se encuentra en formatos planos y
espaciales que permiten su interoperabilidad y
procesamiento conjunto. En el caso de información
espacial, su resolución es de 200 x 200 (m). En la Tabla
1, se observa las fuentes de datos y el tipo de
información recolectada.
Tabla 1: Información recopilada
Fuente
Información
Unidad
Tipo
Res.
(ha)
Año
Atlas Eólico del
Ecuador
publicado por el
Ministerio de
Electricidad y
Energía
Renovable
(MEER)
Velocidad del
viento media
anual a 80 m
de altura
m/s
Raster
4
2013
Instituto
Nacional de
Eficiencia
Energética y
Energías
Renovables
(INER)
Temperatura
media anual
ºC
Raster
4
2016
Ministerio de
Electricidad y
Energía
Renovable
(MEER)
Modelo
Digital de
Elevación
(MDE)
msnm
Raster
4
2013
Atlas Eólico del
Ecuador
publicado por el
Ministerio de
Electricidad y
Energía
Renovable
(MEER)
Curva de
potencia de un
aerogenerador
promedio de 2
MW
kW
Plano
2013
Parque Eólico
Villonaco
(CELEC-
GENSUR)
Curva de
potencia por
la densidad
que
corresponde a
los
aerogenerador
es del Parque
Eólico
Villonaco
MW
Plano
2016
63
Jijón et al. / Estimación del rendimiento de aerogeneradores de 2 MW en el Ecuador: Potencial Eolo-Eléctrico
En cuanto a la velocidad del viento anual simulada a 80
metros de altura sobre el suelo, las velocidades medias
más altas se encuentran en la cordillera y muchas zonas
superan los 11 (m/s). Mientras, que la región costa y
oriente tienen velocidades medias cercanas a los 6 (m/s)
en los mejores casos. Por otro lado, la cobertura de
temperatura media anual proveniente del INER, se
obtuvo a partir de datos meteorológicos medios
mensuales de estaciones administradas por el Instituto
Nacional de Meteorología e Hidrología (INAMHI).
Finalmente, se utilizaron los datos de una curva de
potencia de un aerogenerador promedio de 2 (MW) para
la estimación del potencial eléctrico. Estos datos
corresponden a los propuestos en el Atlas Eólico del
Ecuador y se encuentran en la Tabla 2.
Tabla 2: Valores de la curva de potencia para un aerogenerador
promedio de 2 (MW) para una densidad del aire de 1.225 (kg/m
3
).
Velocidad del
viento (m/s)
Potencia
(kW)
< 4
0
4
57
5
177
6
348
7
575
8
868
9
1213
10
1554
11
1810
12
1943
13
1985
14
1996
15
2000
16
2000
17
2000
18
2000
19
2000
20
2000
21
2000
22
2000
23
2000
24
2000
25
2000
> 25
0
Los datos utilizados para aproximar la corrección de la
curva de potencia por la densidad corresponden a los
aerogeneradores del Parque Eólico Villonaco, los cuales
fueron provistos por la Corporación Eléctrica del
Ecuador - GENSUR [19]. La curva de potencia de los
aerogeneradores de Villonaco a nivel del mar
comparado con la curva a una densidad de 0.89 (kg/m
3
)
se presenta en la Fig. 1.
Figura 1: Curva de potencia para aerogeneradores de 2 (MW)
para las densidades del aire a 1.225 (kg/m
3
) y 0.89 (kg/m
3
).
b) Cálculo del potencial Eolo-eléctrico
La determinación del potencial eléctrico basado en un
aerogenerador promedio de 2 (MW), se lo realizó
aproximando la curva de potencia de la Tabla 2 a una
función continua; se hallaron los mapas de presión
atmosférica y densidad del aire; y se estimaron los
valores de potencia media a los que los aerogeneradores
promedio estarían funcionando en base a las
velocidades del viento media anual a 80 metros sobre el
suelo.
Se tomó una sigmoide para ajustar la curva de potencia
del aerogenerador con los datos de la Tabla 2, la cual se
encuentra expresada en la Ecuación (1).
exp( ( ))
A
P
BC
(1)
Donde,
()P
es la potencia sigmoidal aproximada a la
curva de potencia,
, , ,A B C
y
son las constantes
de la interpolación no lineal, y
es la velocidad del
viento observada para una resolución temporal de 10
minutos. La primera derivada de la Ecuación (1) se
demuestra a continuación.
1
dP
B
PP
dA
(2)
En base a la Ecuación (2) se encuentra el punto de
inflexión de la curva derivando una vez más para la
variable de velocidad del viento, e igualando a cero toda
la expresión, Ver Ecuación (3).
1 B
Ln
C
(3)
La constante de decaimiento de la exponencial de la
Ecuación (1) varía en relación a las densidades que se
64
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
desea calcular, como se demuestra en la Ecuación (4).
Esto se estimó a partir de la corrección de la potencia
para diferentes densidades de aire, como recomienda la
norma ISO 2533:1975 y los datos de las curvas de
potencia de los aerogeneradores de Villonaco [21].
La corrección de densidad del aire para los
aerogeneradores de Villonaco se realizó a partir de la
aproximación de la Ecuación (1) para las dos densidades
de la Figura 1. Por tanto, la constante de decaimiento
exponencial es la única que cambia, obteniendo una
relación lineal para aproximar las constantes en función
de la densidad del aire.
1
Z
(4)
Donde,
0.2869 0.7222
_
densidad
Z
densidad mar
(5)
En la Ecuación (5), se demuestra la relación lineal que
se obtuvo de la variación de las constantes de
decaimiento de la exponencial interna de la sigmoide.
Como se especificó en la Tabla 2, los datos de la curva
de potencia corresponden a la densidad del aire a nivel
del mar y condiciones estándar. Así, la Ecuación (1)
estaría expresada de la siguiente manera.
1
1
exp
A
P
BC
Z
(6)
Donde,
1
()P
es la potencia corregida para una densidad
del aire menor a la estimada a nivel del mar. Para la
estimación del mapa de densidad se determinó la
presión atmosférica en función de la relación
barométrica que existe entre la altitud y la presión [22].
Relación expresada en la Ecuación (5).
/
0
()
mgh kT
O h O e
(7)
Donde,
()Oh
es la presión atmosférica a una altura
sobre el nivel del mar,
0
O
es la presión atmosférica a
nivel del mar, la cual se aproxima a 1010 (mb),
,,m g k
son constantes correspondientes a la masa molar del
aire, gravedad y Boltzmann, respectivamente. Por
último,
h
y
T
son la altura correspondiente al mapa de
elevación del modelo digital de elevación y la
temperatura media anual.
La densidad del aire es estimada a partir de la
relación de los gases ideales, así como lo recomienda la
ISO 2533:1975. La densidad del aire se encuentra
expresada en la Ecuación (8).
()
( , ( ))
aire
aire
M O h
T O h
RT
(8)
Donde,
aire
es la densidad del aire,
aire
M
es la masa
molar del aire igual a 0,028963512440 (kg/mol),
R
es
la constante universal de los gases igual a 8.314472
(Pa*m
3
/mol*K),
T
es la temperatura y
()Oh
es la
presión atmosférica. Reemplazando la Ecuación (7) en
la Ecuación (8) se obtiene la densidad del aire en
relación a la altitud y la temperatura, la cual se muestra
en la ecuación (9).
/
0
( , )
mgh kT
aire
aire
M O e
Th
RT
(9)
3. RESULTADOS
Como uno de los resultados se obtuvo el mapa de
presión atmosférica. Se puede apreciar que la presión
atmosférica en la cordillera es baja y puede llegar a
valores de hasta 500 (mb). La presión a nivel del mar es
aproximada a los 1010 (mb) en condiciones estándar.
Por otro lado, la región oriente puede tener valores
sobre los 900 (mb), ver Fig. 2.
Figura 2: Mapa de presión atmosférica en (mb)
En base al mapa de presión atmosférica determinado
para el Ecuador continental y según la cobertura de
temperatura media anual se pudo obtener la densidad de
aire, que se encuentra simplificada según la Ecuación
(8). En la Fig. 3 se observa este resultado mapeado.
Donde, la densidad del aire para la región costa se
aproxima a 1.225 (kg/m
3
), en el oriente pueden llegar a
65
Jijón et al. / Estimación del rendimiento de aerogeneradores de 2 MW en el Ecuador: Potencial Eolo-Eléctrico
1 (kg/m
3
) y en la región de la cordillera pueden tener
valores hasta 0.7 (kg/m
3
).
Figura 3: Mapa de densidad del aire (kg/m
3
)
La curva de potencia para un aerogenerador
promedio de 2 (MW) y densidad del aire de 1.225
(kg/m
3
) fue ajustada a la sigmoide de la Ecuación (1), la
cual se expresa a continuación.
0.379423
0.000189 0.07579exp( 0.747333( 0.286716))
P
(10)
En base a la interpolación para la curva de potencia
de 2 (MW) para una densidad del aire de 1.22 (kg/m
3
),
se estimó el potencial eléctrico, que corresponde a la
potencia media aproximada con la que el aerogenerador
funcionaría anualmente para cada pixel del mapa de
velocidad del viento del Ecuador, a 80 metros sobre el
suelo. En la Fig. 4, se presenta el mapa de potencial
eolo-eléctrico para el Ecuador en base al aerogenerador
promedio de 2 (MW).
Figura 4: Mapa de potencial eolo-eléctrico (kW), sin
corrección de densidad del aire
Por otro lado, la corrección de densidad se realizó en
base a la Ecuación (4), y se pudo aproximar las curvas
de potencia para densidades del aire inferiores a la del
nivel del mar o 1.22 (kg/m
3
). En la Fig. 5, se comparan
dos curvas de potencia para dos diferentes densidades
de aire, las cuales toman valores característicos al
comportamiento de la sigmoide.
Figura 5: Curva de potencia referencial a una densidad del aire
de 1.22 (kg/m
3
), comparada a una curva de 0.89 (kg/m
3
).
En la Figura 5, es posible apreciar el cambio en el
comportamiento de la curva de potencia para la
densidad del aire a 0.89 (kg/m
3
), esto se debe al factor
exponencial en la ecuación de la sigmoide, el cual
cambia la constante de decaimiento en relación a ambas
densidades, como fue demostrado en la metodología. La
curva de potencia de color azul corresponde a la
aproximación obtenida a partir de la Ecuación (6), la
cual presenta un error pequeño en el ajuste a los
aerogeneradores de Villonaco. El coeficiente cuadrado
de correlación entre la curva de potencia de los
aerogeneradores de Villonaco y la aproximación es de
0.99 y el error medio es de 5.61 (kW).
En la Fig. 6, se observa el mapa de potencial
eléctrico del Ecuador, el cual entrega información cada
una de las regiones, donde la densidad del aire constante
corresponde a los valores cercanos a 1.225 (kg/m
3
) o
máximos.
66
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
Figura 6: Mapa de potencial eléctrico (kW), con corrección de
densidad del aire
Finalmente, las correcciones de densidad del aire
para el potencial eléctrico de todo el Ecuador, en base a
las Ecuaciones (4) y (6) de la sección de Metodología,
dan como resultado la Figura 6, donde los valores del
potencial eléctrico para el Ecuador se encuentran en el
rango de los 200 a los 1200 (kW). Además, este mapa
entrega información de lugares donde se puede construir
un emplazamiento eólico en un área de 200 x 200 (m),
considerando que en estas áreas se puede instalar un
aerogenerador de 2 (MW). Se puede estimar un factor
de rendimiento del aerogenerador en estudio dividiendo
la potencia estimada para la potencia nominal, el cual
deberá ser validado con el factor estimado a partir de
torres de medición en la zona.
4. CONCLUSIONES
Todos los datos de la curva de potencia
correspondiente a un aerogenerador de 2 (MW), se
acoplaron a una función sigmoide que permitió calcular
la potencia aproximada de un emplazamiento en base a
la velocidad del viento para una resolución temporal de
10 minutos.
Debido a que la densidad del aire en todo el Ecuador
no es la estimada a nivel del mar, la corrección de la
curva de potencia con la densidad del aire para cada
zona del país en base a las recomendaciones de la norma
IEC 61400-1 y los datos de los aerogeneradores de
Villonaco (Curvas corregidas a una densidad de 0.89
kg/m3), fue de vital importancia para asemejar las
condiciones operacionales de las turbinas en cada
emplazamiento del país. El error medio que se obtuvo
en la comparación de ambas curvas de potencia es de
5.61 (kW), el cual es bajo y no representa pérdidas
sobre los 5 (m/s).
Para realizar el cálculo del potencial eléctrico de una
zona a condiciones reales y no ideales es indispensable
relacionar tres aspectos importantes: la relación
barométrica entre la altitud y la presión, la altitud y la
densidad del aire, la temperatura y velocidad del viento.
Estas variables se ven claramente reflejadas en el
mapa de potencial eléctrico obtenido de este estudio, el
cual permitirá estimar las zonas con mayor potencial
eólico para su aprovechamiento y contribución al
cambio de la matriz energética.
El mapa de potencial Eolo-Eléctrico entrega
información de la potencia media con la que un
aerogenerador de 2 (MW) trabajaría en una zona de
interés en una resolución de 200 metros. El factor de
rendimiento se aproxima al de planta del aerogenerador
en funcionamiento, esto debe ser validado en estudios
de prefactibilidad con torres de medición siguiendo la
norma IEC 61400-1.
5. REFERENCIAS
[1] Quetzalcoatl Hernández Escobedo, Francisco
Espinosa, Ricardo Saldaña and Carlos Rivera
(2011). "Evaluación del potencial eólico para la
generación de energía eléctrica en el estado de
Veracruz, México." Dyna, Universidad Nacional de
Colombia.
http://www.redalyc.org/pdf/496/49623207028.pdf
[2] Jerry Wilson and Anthony J. Buffa (2003). Física.
P. Education. Mexico.
[3] Philippe Gaspar and Rui M. Ponte (1997).
"Relation between sea level and barometric
pressure determined from altimeter data and model
simulations." Geophysical Research, Oceans
102(C1): 961–971. 10.1029/96JC02920
[4] Isabella Velicogna and John Wahr (2001). "Can
Surface pressure be used to remove atmospheric
contributions froom GRACE data with sufficient
accuracy to recover hydrological signal?"
Geophysical Research 106(B8): 415-434.
[5] Jian He and Qingguo Zhang (2013). "Principle of
temperature, velocity and pressure of upper
atmospheric wind measurement for the Voigt
profile." Elsevier, Optik 124: 3345–3347.
10.1016/j.ijleo.2012.10.047
[6] E. Anahua, St. Barth and J. Peinke (2008).
"Markovian power curves for wind turbines." John
Wiley & Sons, Ltd. 11(3): 219–232.
10.1002/we.243
[7] Shuhui Li, Wunsch D.C., O'Hair E.A. and
Giesselmann M.G (2002). "Using neural networks
to estimate wind turbine power generation " Energy
67
Jijón et al. / Estimación del rendimiento de aerogeneradores de 2 MW en el Ecuador: Potencial Eolo-Eléctrico
Conversion, IEEE Transactions 16(3): 276 - 282
10.1109/60.937208
[8] Tongdan Jin and Zhigang Tian (2010). "Uncertainty
analysis for wind energy production with dynamic
power curves." Probabilistic Methods Applied to
Power Systems (PMAPS), 2010 IEEE 11th
International Conference: 745 - 750
10.1109/PMAPS.2010.5528405
[9] Matthias Wächter, Patrick Milan, Tanja Mücke and
Joachim Peinke (2011). "Power performance of
wind energy converters characterized as stochastic
process: applications of the Langevin power curve."
Wiley, Energy Science & Engineering, Wind
Energy 14(6): 711–717. 10.1002/we.453
[10] Andrew Kusiak, Haiyang Zheng and Zhe Song
(2009). "Models for monitoring wind farm power."
Elsevier, Renewable Energy 34: 583–590.
10.1016/j.renene.2008.05.032
[11] Antonino Marvuglia and Antonio Messineo (2011).
"Learning a wind farm power curve with a data-
driven approach." World Renewable Energy
Congress 2011-Sweden: 8-13.
[12] Patrick Milan The stochastic power curve analysis
of wind turbines, École Normale Supérieure de
Lyon-Thesis.
[13] Cajo J.F. ter Braak (2006). "Bayesian sigmoid
shrinkage with improper variance priors and an
application to wavelet denoising." Elsevier,
Computational Statistics & Data Analysis 51(2):
1232–1242. 10.1016/j.csda.2006.06.011
[14] N.J. Barrow and R.E. Mendoza (1990). "Equations
for describing sigmoid yield responses and their
application to some phosphate responses by lupins
and by subterranean clover." Springer, Fertilizer
research 22(3): 181-188. 10.1007/BF01120393
[15] Xiaohong Chen, J. Racine and N.R. Swanson
(2001). "Semiparametric ARX neural-network
models with an application to forecasting inflation "
Neural Networks, IEEE Transactions 12(4): 674 -
683 10.1109/72.935081
[16] Jing Ren, McIsaac K.A., Patel R.V.; and Peters
T.M. (2007). "A Potential Field Model Using
Generalized Sigmoid Functions " Systems, Man,
and Cybernetics, Part B: Cybernetics, IEEE
Transactions 37(2): 477 - 484
10.1109/TSMCB.2006.883866
[17] Menon Anil Ravindran, Mehrotra Kishan, Mohan
Chilukuri K. and Ranka Sanjay (1994).
Characterization of a Class of Sigmoid Functions
with Applications to Neural Networks, Electrical
Engineering and Computer Science Technical
Reports.
[18] Ferhat Ozcep, Mehmet Guzel, Dilek Kepekci,
Mustafa Laman, Saziye Bozdag, Hasan Cetin and
Aydin Akat (2009). "Geotechnical and Geophysical
studies for wind energy systems in earthquake-
prone areas: Bahce (Osmaniye, Turkey) case."
Interational Journal of Physical Sciences 4: 555-
561.
[19] Corporación Eléctrica del Ecuador (CELEC-EP)
and Ministerio de Electricidad y Energía Renovable
(MEER) (2012). PARQUE EOLICO
VILLONACO.
https://www.celec.gob.ec/index.php?option=com_c
ontent&view=article&id=189:eolico
[20] Ministerio de Electricidad y Energía Renovable
(MEER) (2013). "Atlas Eólico del Ecuador con
fines de generación eléctrica." www.energia.gob.ec
[21] ISO (1975). Standard Atmosphere ISO 2533:1975.
Switzerland.
[22] Mark Z. Jacobson (2005). Fundamentals of
Atmospheric Modelling. New York, United States
of America, Cambridge University Press, Second
Edition.
Diego Jijón.- Nació en Quito,
Ecuador en 1984. Recibió su título de
Físico en Quito en la Escuela
Politécnica Nacional en 2012.
Actualmente, se encuentra realizando
sus estudios de posgrado en la Escuela
Politécnica Nacional en Diseño y
Simulación. Sus campos de investigación están
relacionados con Energías Renovables, Eficiencia
Energética, Aplicaciones de Física de Láseres y
Simulación con Elementos Finitos.
Jessica Constante.- Nació en Quito,
Ecuador en 1992. Recibió su título de
Ingeniera en Mecatrónica de la
Universidad Tecnológica Equinoccial
en 2014. Sus campos de investigación
están relacionados con la energía
eólica, el tratamiento y análisis de
bases de datos, operación de parques eólicos, CFD y
desarrollo de software.
Geovanna Villacreses.- Ingeniera
Geógrafa y del Medio Ambiente,
egresada del Master en Ciencias en
Sistemas de Información Geográfica
de la Universidad de Salzburgo
(avalada por la Universidad San
Francisco de Quito). Desde el 2014
68
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
realiza sus investigaciones en el campo de la eficiencia
energética en edificaciones y la aplicación de métodos
multicriterio para la selección de sitios con potencial
renovable en el país.
Tania Guerrero.- Nació en Tulcán
en 1993. Recibió su título de
Ingeniera en Mecatrónica de la
Universidad Tecnológica Equinoccial
en 2015. Su campo de investigación
se encuentra relacionado con la
energía eólica, análisis y tratamientos
de bases de datos, inteligencia artificial aplicada en
energías renovables, desarrollo de software para el
tratamiento de datos.
69
