Herramienta para el modelado de sistemas de desalación de agua de mar eólicos

Equation Chapter 1 Section 1 Trabajo Fin de Grado Grado en Ingeniería en Tecnologías Industriales Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Autor: Carlos Tomás Toledo García Tutor: Lourdes García Rodríguez Dep. de Ingeniería Energética Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2023 iii Proyecto Fin de Carrera Ingeniería Industrial Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Autor: Carlos Tomás Toledo García Tutor: Lourdes García Rodríguez Catedrática de Universidad Dpto. de Ingeniería Energética Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2023 v Proyecto Fin de Carrera: Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Autor: Carlos Tomás Toledo García Tutor: Lourdes García Rodríguez El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2023 El Secretario del Tribunal vii A mi mujer y mi familia, por el incondicional apoyo e infinita paciencia durante tantos años. A mi tutora Lourdes, por no darme por perdido. Y a Martín, por el empujón final. ix Resumen El objetivo de este trabajo es analizar el uso de un sistema de energía renovable (eólica), que produzca la energía necesaria para el funcionamiento de una planta de osmosis inversa para la producción de agua potable procedente de agua de mar. Para ello se usa la herramienta de programación ‘Matlab’ para crear los scripts necesarios para valorar diferentes modelos de aerogeneradores a partir de una base de datos que el usuario provea en una ubicación de estudio. De igual manera se modelan las funciones necesarias para obtener el funcionamiento del sistema de bombeo de la planta de ósmosis inversa. Se usa también el software ‘Q+’ con el que obtener el funcionamiento del bastidor de membranas. Con ese conjunto de herramientas, el usuario puede valorar el funcionamiento de un aerogenerador, bombas y membranas dadas, para una ubicación elegida, y obtener resultados con los que crear comparaciones y análisis dada la flexibilidad de su uso. 29 Figura 5-1: Precipitación acumulada (mm) desde el 1 de octubre de 2022 al 31 de marzo de 2023 (35). 32 Figura 5-2: Agua embalsada en España en referencia al total disponible en los embalses a fecha de mayo de 2023 (36). 33 Figura 5-3: Ubicación de las principales plantas desaladoras en servicio y en construcción en España en 2021 (38). 33 Figura 5-4: Situación de las principales desaladoras y desalobradoras andaluzas (2015) (40) 34 Figura 5-5: Consumo por provincia según el origen del agua a fecha 2015 (44). 34 Figura 5-6: Esquema del proceso de destilación multiefecto (46). 35 Figura 5-7: Esquema del proceso de destilación flas (47). 36 Figura 5-8: Esquema del proceso de destilación por compresión de vapor (48). 36 Figura 5-9: Proceso de filtrado de agua a través de la técnica de nanofiltración (50). 37 Figura 5-10: Esquema del proceso de desalinización por electrodiálisis (52). 37 Figura 5-11: Esquema de una planta de desalinización de agua de mar mediante ósmosis inversa (54). 38 Figura 6-1: Interfaz del software Q+. En zona circular se muestra donde modificar los parámetros de trabajo. Fuente: Q+ projection software (56). 41 Figura 6-2: Ventana para especificar las características del agua a tratar en el software Q+ (56) 41 Figura 6-3: Parámetros energéticos SEC y pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 ES 46 Figura 6-4: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 ES. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. 46 Figura 6-5: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 ES 47 Figura 6-6: Parámetros energéticos SEC, %PW, pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 R 47 Figura 6-7: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 R. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. 48 Figura 6-8: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 R 48 Figura 6-9: Parámetros energéticos SEC, %PW, pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 GR 49 Figura 6-10: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 GR. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. 49 Figura 6-11: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 GR 50 Figura 6-12: Parámetros energéticos SEC, %PW, pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 SR 50 Figura 6-13: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 SR. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. 51 Figura 6-14: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 SR 51 Figura 6-15: Zoom en la evolución del qF y %Pw al fijar una presión constante 52 Figura 6-16: Zoom en la evolución de la concentración de boro vs caudal pF de la membrana LG SW 440 SR. Aquí se establece el límite de 0.95 ppm para el boro y su correspondiente caudal 53 Figura 6-17: Valoración del límite de operación de la planta para cumplir la normativa de calidad descrita. 53 Figura 6-18: Evaluación del caudal qF en su correspondiente recovery 56 xvii Figura 6-19: Distribución del permeado obtenido para las horas del mes de enero para este ejemplo en Cádiz 57 Figura 6-20: Divisiones necesarias del caudal qF para cumplir con los límites de diseño. Se observa que 58 Figura 6-21: Distribución del permeado obtenido para las horas del mes de enero para Playa de Vargas (Gran Canaria) 58 xix Notación #DW Número de errores de diseños que presenta el software Q+ % PW Porcentaje de potencia de funcionamiento de la planta en referencia a su valor nominal A área barrida por el rotor de la turbina (m2) Bar Unidad de medida de la presión BP Booster pump o bomba de apoyo E energía generada por el aerogenerador (J) ERD Pressure Exchanger energy recovery device o dispositivos de recuperación de energía GW Gigavatios HPP High pressure pump o bomba de alta presión kW Kilovatios lmh Unidades del Average flux o flujo medio m3/h metros cúbicos por hora MED Destilación multiefecto mm milímetros MSF Evaporación Instantánea Multietapa MVC Destilación por compresión de vapor MW Megavatios NF Nanofiltración ºC Grados centígrados OI Ósmosis inversa P Potencia generada por el aerogenerador (W) pF Presion del caudal de entrada (bar) pH Medida del grado de acidez o alcalinidad de una sustancia o una solución ppm Partes por millón, medida de concentración Pw Potencia disponible en la planta (W) Q+ Q+ Projection Software - para la estimación del rendimiento de membranas de desalinización qC Caudal de concentrado (m3/h) qF Caudal de entrada (m3/h) qP Caudal de producto o permeado (m3/h) SEC specific energy consumption o consumo especifico de energía (kWh/m3) SW Sea water o agua de mar Tª Temperatura TDS Total dissolved solids o solidos disueltos totales (ppm) v velocidad del viento (m/s) ρ Densidad del aire en la ubicación en la que se encuentra la turbina (kg/m3) xxi 1 1 INTRODUCCIÓN A necesidad de contar con un suministro de agua potable estable es una preocupación cada vez mayor, especialmente en zonas aisladas o áridas. La disponibilidad de agua es fundamental para abastecer a la población, la agricultura y la industria, lo que se traduce en crecimiento y evolución. Por ello se buscan soluciones que permitan asegurar dicho abastecimiento, siendo la desalinización de agua de mar unas de las tecnologías más usadas y eficaces, especialmente en zonas costeras. Sin embargo, el alto consumo energético que conlleva el uso de esta tecnología, y la creciente concienciación en el uso adecuado de los recursos disponibles, promueven el interés en buscar soluciones más sostenibles para el medio ambiente, siendo las energías renovables las mejores posicionadas para esta tarea. Esto ha hecho que se impulse el uso de la energía eólica para dicha tecnología, y es su uso parte del objeto de estudio de este documento. El auge de la desalinización de agua marina ha impulsado también el desarrollo de estas tecnologías, siendo la de filtración por membranas una de las más usadas, sobre la cual se profundiza en el documento. De esta manera, el documento trata proveer de las herramientas necesarias para el estudio de una planta de desalinización asistida por energía eólica exclusivamente. La herramienta que se presenta en el informe trata de suministrar de manera sencilla y automatizada, datos de interés para seleccionar correctamente las membranas necesarias en un emplazamiento en concreto, que se apoye en un aerogenerador en particular. Si bien el estudio no es exhaustivo, éste abre la puerta a futuras modificaciones sobre la herramienta, que permita no solo comparar diferentes equipos, ubicaciones y bastidores de membranas, si no también incluir diferentes aerogeneradores, crear una planta modelo, y obtener conclusiones cada vez más precisas y personalizadas. L 3 2 SUBSISTEMA EÓLICO. DESCRIPCIÓN Y ESTADO ACTUAL l subsistema eólico lo conforman los aerogeneradores, equipos que convierten energía eólica en energía eléctrica. La energía eólica tiene origen, como la mayoría de las energías renovables, en el Sol. Ésta irradia de manera continua la Tierra, calentando las masas de aire del globo y junto a la rotación terrestre genera desplazamientos de aire necesarios para mover las turbinas. 2.1 Descripción de la tecnología La tecnología utilizada para generar energía eléctrica a partir de energía eólica consiste en utilizar turbinas eólicas, estructuras verticales con aspas que giran con el paso del viento en torno a un eje horizontal. Al hacerlo, las turbinas accionan generadores que producen electricidad. Ésta entonces, puede distribuirse mediante la red eléctrica a sus usuarios. Esta forma de energía presenta varias ventajas. La más importante es que se trata de una forma de energía renovable y limpia, comparada con otras formas de generación basadas en combustibles fósiles, los cuales son principales contribuyentes de emisiones a la atmósfera y creación de gases de efecto invernadero. (1) Por ello, la energía eólica es una opción atractiva en la reducción de emisiones y lucha contra el cambio climático, además al contrario que las plantas de potencia tradicionales, su uso de agua es nulo. Figura 2-2-1: Consumo operacional de agua por tecnologías de generación de electricidad térmicas y no térmicas (2) E 11 3 DATOS DEL VIENTO Y AEROGENERADORES 3.1 Análisis de los datos del viento y representación de la curva del Aerogenerador El objetivo de la sección se centra en crear una herramienta automatizada para la generación de información sobre la potencia que genera una turbina dados unos datos meteorológicos en una localización concreta. Como se ha descrito con anterioridad, para calcular la energía suministrada por el viento en la unidad de tiempo, se necesita conocer la velocidad del viento y el área transversal que atraviesa. Por lo tanto, la fórmula sería: 𝐸 = 1/2 ∗ 𝜌 ∗ 𝐴 ∗ 𝑉³ Donde: E es la energía suministrada por el viento (J). ρ es la densidad del aire (kg/m³). A es el área transversal que atraviesa el viento al paso por las hélices (m²). V es la velocidad del viento (m/s). Para calcular la potencia generada por un aerogenerador se utiliza: 𝑃 = 𝐶𝑝 ∗ 1/2 ∗ 𝜌 ∗ 𝐴 ∗ 𝑉³ Donde: Cp es el coeficiente de potencia del aerogenerador dependiente de su diseño y eficiencia, adimensional. Para calcular la energía que produce un aerogenerador conocida su potencia, se puede utilizar la siguiente fórmula: 𝐸= 𝑃∗ 𝑡 Donde: t es el tiempo en segundos u horas sobre el que calcular la energía generada. La curva de potencia del aerogenerador representa la relación entre la velocidad del viento y la potencia eléctrica generada por el aerogenerador. En este caso se trata de un aerogenerador de 600 kW en su punto nominal de funcionamiento, cuando la velocidad del viento es de 15 m/s. Datos del viento y aerogeneradores 12 Figura 3-1: Curva típica del comportamiento de un aerogenerador (21) Para este estudio se valoran una serie de aerogeneradores de distintos fabricantes y potencias con los datos de viento de varias localizaciones, con el objetivo de analizar las diferencias y sacar conclusiones. 3.1.1 Datos del viento por ubicación de estudio Para obtener los datos del viento, se usa el software ‘Meteonorm’. Es una herramienta que se utiliza para obtener datos climáticos a partir de mediciones meteorológicas y modelos climáticos de diferentes fuentes de datos. Esta herramienta proporciona información sobre diferentes parámetros climáticos, incluyendo la velocidad del viento. Lo hace en diferentes formatos, como promedios anuales, mensuales o diarios, así como información detallada sobre la variabilidad del viento a lo largo del tiempo. Además, el software proporciona información sobre la distribución de la velocidad del viento (entre otras variables), lo que la convierte en una herramienta muy valiosa para este estudio. Del mismo se seleccionan diferentes localizaciones situadas en el Océano Atlántico para crear la base de datos: • Cádiz (España) • Huelva (España) • Faro (Portugal) • Puesto de Sardina (Gran Canaria) - Noroeste • Las Palmas de Gran Canaria - Noreste • Playa de Vargas (Gran Canaria) - Sureste • Playa de Mogán (Gran Canaria) – Suroeste 13 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Figura 3-2: Ubicación de los puntos meteorológicos seleccionados para este estudio ubicados en la península. De izquierda a derecha, Faro, Huelva y Cádiz. Elaboración propia a partir de Google Maps. Figura 3-3: Ubicación de los puntos meteorológicos seleccionados para este estudio ubicados en la Isla de Gran Canaria y descritos anteriormente. Elaboración propia a partir de Google Maps. Estos puntos resultan de especial interés de estudio. Muchas regiones sufren de escasez de agua dulce, y la desalinización respaldada por energía renovable puede ser una solución para obtener agua potable. En el caso de Canarias o el sur de la Península Ibérica, estas regiones tienen un clima árido / semiárido, con recursos hídricos limitados, por lo que la desalinización podría ser una opción viable para abastecer a la población (22). Además, el uso de energía eólica reduciría así la dependencia de combustibles fósiles (la mayoría importados) y las emisiones de gases de efecto invernadero. Otro punto favorable son las condiciones climáticas favorables del Atlántico para la generación de energía eólica, Datos del viento y aerogeneradores 14 con vientos constantes y fuertes en muchas áreas (23). Por ello, el estudio y comparación de las diferentes localizaciones resulta interesante. Introduciendo estas las ubicaciones se extraen los datos del software Meteonorm, con una correspondencia horaria para cada variable de salida. Esto permite disponer de 8760 valores (uno por cada hora del año) para cada variable. Figura 3-4: Interfaz de Meteonorm con el ejemplo de Faro para la extracción de los datos correspondientes. Captura propia de la interfaz del software. Figura 3-5: Parámetros y unidades de Meteonorm. Aquí se seleccionan las variables que interesan en este estudio. Captura propia de la interfaz del software. 3.1.2 Datos de los aerogeneradores Para el estudio de los aerogeneradores se seleccionan de distintas potencias y fabricantes, con el objetivo de 15 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos obtener una amplia muestra de la que poder sacar conclusiones y datos. Dentro de los fabricantes más importantes (Según el Global Wind Energy Council) destacan Vestas, Goldwind y Siemens Gamesa Renewable Energy las cuales conforman a fecha de 2022 el 39% del total del mercado de proveedores de aerogeneradores a nivel mundial. Figura 3-6: Top 15 de fabricantes de aerogeneradores en el mercado global anual en 2021 (24). De ellos se seleccionan varios modelos de Vestas y Gamesa, ambos fabricantes europeos que cuentan con una amplia gama de aerogeneradores onshore para todo tipo de emplazamientos. Además de otros modelos de Enercon, Eno y Danwin. 3.1.2.1 Selección de los aerogeneradores para este estudio Los modelos elegidos para este proyecto parten de Aerogeneradores de gran potencia (4.5 MW) hasta pequeñas turbinas de 180 KW. Además, se analiza un mismo modelo de Vestas-Gamesa de 3.3 MW con diferentes configuraciones dependiendo de los vientos a los que se someten. A continuación, se presentan con detallada información procedente de www.thewindpower.net (25) cada uno de los modelos, de mayor a menor potencia, junto a la curva de potencia elaborada a partir de estos datos: Datos del viento y aerogeneradores 16 Tabla 3-1: Tabla datos generales del aerogenerador Gamesa G128-4.5MW. Elaboración propia a partir de los datos de thewindpower.net. Datos generales Fabricante: Gamesa (España) Turbina eólica: G128/4500 Potencia: 4 500 kW Diámetro: 128 m Modelo antiguo Clase de viento: IEC IIa Compatible offshore: no Área de barrido: 12 868 m² Densidad de potencia: 2.86 m²/kW Número de palas: 3 Limitación de potencia: Pitch Puesta en servicio: 2009 Masas Masa del rotor: 83,9 toneladas Rotor Velocidad máxima del rotor: 12 vuelta/min Velocidad mínima de viento: 2 m/s Velocidad nominal de viento: 12,5 m/s Velocidad máxima de viento: 27 m/s Fabricante: Gamesa Caja de cambios Caja de cambios: Si Niveles: 2 Ratio 37,88 Generador Tipo: PM Número: 1 Velocidad de salida máxima del generador: 448 vuelta/min Tensión de salida: 690 V Fabricante: Gamesa Torre Altura mínima de la góndola: 81 m Altura máxima de la góndola: 140 m Figura 3-7: Potencia generada por el modelo Gamesa G128/4500 en función de la velocidad del viento. Elaboración propia a partir de los datos de thewindpower.net. 17 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Tabla 3-2: Tabla datos generales del aerogenerador Eno energy eno 126 3.5. Elaboración propia a partir de los datos de thewindpower.net. Datos generales Fabricante: e.n.o. energy (Alemania) Turbina eólica: 126 3.5 MW Potencia: 3 500 kW Diámetro: 126 m Clase de viento: IEC IIIs (DIBt WZ3/4) Compatible offshore: no Área de barrido: 12 469 m² Densidad de potencia: 3.57 m²/kW Número de palas: 3 Limitación de potencia: Pitch Rotor Velocidad mínima del rotor: 4 vuelta/min Velocidad máxima del rotor: 11,2 vuelta/min velocidad mínima de viento: 3 m/s velocidad nominal de viento: 10,5 m/s velocidad máxima de viento: 25 m/s Fabricante: LM Glasfiber Caja de cambios Caja de cambios: Si Ratio 119 Generador Tipo: SYNC Número: 1 Tensión de salida: 690 V Torre Altura mínima de la góndola: 97 m Altura máxima de la góndola: 137 m Figura 3-8: Potencia generada por el modelo Eno energy eno 126 3.5 en función de la velocidad del viento. Elaboración propia a partir de los datos de thewindpower.net. Datos del viento y aerogeneradores 18 Tabla 3-3: Tabla datos generales del aerogenerador Gamesa G132/3300. Elaboración propia a partir de los datos de thewindpower.net. Datos generales Fabricante: Gamesa (España) Turbina eólica: G132/3300 Potencia: 3 300 kW Diámetro: 132 m Modelo antiguo Clase de viento: IEC IIa Compatible offshore: no Área de barrido: 13 685 m² Densidad de potencia: 4.15 m²/kW Número de palas: 3 Limitación de potencia: Pitch Puesta en servicio: 2015 Rotor Velocidad mínima del rotor: 6,82 vuelta/min Velocidad máxima del rotor: 10,9 vuelta/min velocidad mínima de viento: 2 m/s velocidad nominal de viento: 11 m/s velocidad máxima de viento: 25 m/s Fabricante: Gamesa Caja de cambios Caja de cambios: Si Niveles: 3 Ratio 103 Generador Tipo: DFIG Número: 1 Velocidad de salida máxima del generador: 1120 vuelta/min Tensión de salida: 690 V Torre Altura mínima de la góndola: 84 m Altura máxima de la góndola: 134 m Figura 3-9: Potencia generada por el modelo Gamesa G132/3300 en función de la velocidad del viento. Elaboración propia a partir de los datos de thewindpower.net. 19 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Tabla 3-4: Tabla datos generales de los aerogeneradores Vestas de 3.3 MW para bajas, medias y altas velocidades de viento respectivamente. Elaboración propia a partir de los datos de thewindpower.net. Datos generales Fabricante: Vestas (Danemark) Fabricante: Vestas (Danemark) Fabricante: Vestas (Danemark) Turbina eólica: V105/3300 Turbina eólica: V112/3300 Turbina eólica: V126/3300 Potencia: 3 300 kW Potencia: 3 300 kW Potencia: 3 300 kW Diámetro: 105 m Diámetro: 112 m Diámetro: 126 m Modelo antiguo Modelo antiguo Modelo antiguo Clase de viento: IEC Ia Clase de viento: IEC Ib/IIa Clase de viento: IEC IIIa Compatible offshore: no Compatible offshore: si Compatible offshore: no Área de barrido: 8 659 m² Área de barrido: 9 852 m² Área de barrido: 12 469 m² Densidad de potencia: 2.63 m²/kW Densidad de potencia: 2.99 m²/kW Densidad de potencia: 3.78 m²/kW Número de palas: 3 Número de palas: 3 Número de palas: 3 Limitación de potencia: Pitch Limitación de potencia: Pitch Limitación de potencia: Pitch Puesta en servicio: 2013 Puesta en servicio: 2013 Puesta en servicio: 2013 Rotor velocidad mínima de viento: 3,5 m/s Velocidad mínima del rotor: 6,2 vuelta/min velocidad mínima de viento: 2,5 m/s velocidad nominal de viento: 14 m/s Velocidad máxima del rotor: 17,7 vuelta/min velocidad nominal de viento: 12 m/s velocidad máxima de viento: 25 m/s velocidad mínima de viento: 2,5 m/s velocidad máxima de viento: 22 m/s velocidad nominal de viento: 14 m/s velocidad máxima de viento: 25 m/s Caja de cambios Caja de cambios: Si Caja de cambios: Si Caja de cambios: Si Niveles: 3 Niveles: 3 Niveles: 3 Ratio 94,4 Generador Velocidad de salida máxima del generador: 1550 vuelta/min Número: 1 Tensión de salida: 650 V Torre Altura mínima de la góndola: 84 m Altura mínima de la góndola: 117 m Altura máxima de la góndola: 140 m Altura máxima de la góndola: 137 m Descripción de la herramienta para el sistema eólico 26 datos = readmatrix('Curvas Aerogeneradores.xlsx', 'Sheet', aerogeneradores{i}, 'Range', 'A2:B100'); % Eliminar filas con valores NaN en las potencias . sobrantes debido a % leer 100 líneas datos(isnan(datos(:, 1)), :) = []; % Almacenar datos en la estructura aerogenerador.(aerogeneradores{i}).velocidad = datos(:, 1); aerogenerador.(aerogeneradores{i}).potencia = datos(:, 2); end % Se pueden enseñar los modelos dentro del estudio imprimiendo fprintf("Los modelos son los siguientes"); Aquí también se muestra la lista de aerogeneradores incluidos para subsanar posibles errores y también elegir el equipo a estudiar. Una vez creada la base de datos se procede al cálculo de la potencia y energía que genera un aerogenerador en concreto en una ubicación a elegir para el estudio. Para ello, en Matlab, se le pide al usuario que seleccione una ubicación del listado: % Pedir al usuario la ubicación y aerogenerador de interés ubicaciones_disp = fieldnames(viento); fprintf("Ubicaciones disponibles:\n") disp(ubicaciones_disp); ubicacion_actual = input("Seleccione una ubicación de la lista: ", 's'); Y de la misma forma, un modelo de aerogenerador de la lista disponible: aerogeneradores_disp = fieldnames(aerogenerador); fprintf("Modelos de aerogeneradores disponibles:\n") disp(aerogeneradores_disp); aerogenerador_actual = input("Seleccione un modelo de aerogenerador de la lista: ", 's'); Con esta selección, se utiliza la función interp1 de MATLAB para interpolar los datos de potencia del aerogenerador seleccionado en cada valor de velocidad del viento en la ubicación seleccionada. Se calcula la energía generada en un año sumando la potencia generada en cada hora del año y se muestra en pantalla la energía generada en un año por el aerogenerador seleccionado en la ubicación seleccionada: % Obtener datos de viento de la ubicación seleccionada datos_viento = viento.(ubicacion_actual); % Obtener datos del aerogenerador seleccionado datos_aerogenerador = aerogenerador.(aerogenerador_actual); % Calcular la potencia generada por cada valor de viento potencia_generada = interp1(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, datos_viento, 'linear', 0); % Calcular la energía generada en un año energia_generada = sum(potencia_generada)*8760; % Mostrar los resultados 27 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos fprintf("La energía generada en un año por el aerogenerador %s en la ubicación %s es %.2f kWh\n", aerogenerador_actual, ubicacion, energia_generada/1000) Para su uso posterior en la sección 6, se requiere saber la potencia que se genera en un instante del año (en una hora concreta dentro de las 8760 horas anuales). Para ello se introduce el código: % Pedir al usuario el número de hora del año (de 1 a 8760) hora_actual = input("Seleccione una hora del año (de 1 a 8760): "); % Obtener la velocidad del viento en la ubicación seleccionada en la hora seleccionada velocidad_viento_hora_actual = viento.(ubicacion_actual)(hora_actual); % Calcular la potencia generada a la velocidad del viento en la hora seleccionada potencia_generada_hora_actual = interp1(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, velocidad_viento_hora_actual, 'linear', 0); % Mostrar los resultados fprintf("La potencia generada por el aerogenerador %s en la ubicación %s en la hora %d es %.2f kW\n", aerogenerador_actual, ubicacion_actual, hora_actual, potencia_generada_hora_actual/1000) Finalmente, se genera un gráfico que muestra la curva de potencia del aerogenerador seleccionado y correspondiente su interpolación. Para este ejemplo se ha tomado el Aerogenerador DANWIN 23 180 en la ubicación de ‘Faro’: % Obtener datos del aerogenerador seleccionado datos_aerogenerador = aerogenerador.(aerogenerador_actual); % Graficar datos originales del aerogenerador figure; plot(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, 'o'); hold on; % Calcular la potencia generada por cada valor de viento potencia_generada = interp1(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, datos_viento, 'linear', 0); % Graficar datos interpolados plot(datos_viento, potencia_generada, '-'); legend('Datos originales', 'Interpolación'); xlabel('Velocidad del viento (m/s)'); ylabel('Potencia generada (kW)'); title(sprintf("Potencia generada por %s en %s", aerogenerador_actual, ubicacion_actual)); Descripción de la herramienta para el sistema eólico 28 Figura 4-3: Curva de potencia generada por Matlab con el ejemplo seleccionado Puede resultar interesante para este y posteriores estudios comprobar los meses de mayor generación de potencia dada una ubicación y un aerogenerador. Para ello se calcula la potencia generada por cada hora del año y luego se suman las potencias generadas en cada mes para obtener la potencia generada en cada mes. Finalmente se crea un gráfico de barras con las potencias generadas en cada mes. % Crear vector con la potencia generada por mes potencia_generada_mes = zeros(1, 12); for i = 1:12 potencia_generada_mes(i) = sum(potencia_generada((i-1)*720+1:i*720)); end % Crear gráfico de barras de la potencia generada por mes meses = {'Ene', 'Feb', 'Mar', 'Abr', 'May', 'Jun', 'Jul', 'Ago', 'Sep', 'Oct', 'Nov', 'Dic'}; bar(potencia_generada_mes); set(gca, 'XTick', 1:12, 'XTickLabel', meses); xlabel('Mes'); ylabel('Potencia generada (kW)'); title(sprintf('Potencia mensual generada por %s en %s ', aerogenerador_actual, ubicacion_actual)); La expresión m*720-719:m*720 se utiliza para seleccionar un rango de índices en el vector potencia_generada correspondiente a las horas del mes en cuestión. Por ejemplo, si m=1, el rango seleccionado será 1:720, lo que corresponde a las horas del primer mes. Luego, se calcula la energía generada en el mes multiplicando la potencia generada en cada hora del mes por el número de horas en el mes (720), y sumando los resultados. Esto se realiza con la expresión sum(potencia_generada(m*720-719:m*720))*720. 29 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Figura 4-4: Distribución mensual de la potencial generada por el ejemplo seleccionado, extraída de Matlab. 31 5 SUBSISTEMA DE DESALINIZACIÓN. 5.1 Origen y estado actual Los orígenes del proceso de separación de la sal del agua marina se remontan a la antigüedad, donde se utilizaba el método de evaporación natural del agua salada en salinas poco profundas para posteriormente obtener la sal disuelta en el agua. Este proceso es el que ha experimentado una fuerte evolución tecnológica para obtener como producto agua potable de manera eficiente y adaptándose a los estándares de calidad impuestos (26). Ya por el siglo XVI, se comienzan a desarrollar métodos para la desalinización del agua, como la destilación y la evaporación en ollas o mediante el uso del alambique ya en 1717. Sin embargo la ineficiencia de estos métodos producía pequeñas cantidades de agua dulce, insuficiente para un abastecimiento de alta demanda. En 1950 comenzaría el desarrollo una tecnología viable a gran escala para la desalinización y objeto de este estudio: la ósmosis inversa. Actualmente, la desalinización de agua marina se ha convertido en una tecnología cada vez más importante debido al aumento de la demanda de agua dulce y la escasez de fuentes de agua dulce en todo el mundo. Muchas regiones, especialmente en áreas costeras y áridas, tienen acceso limitado a fuentes de agua dulce, lo que las hace dependientes del agua de mar para su consumo y sus otros usos y aplicaciones. A esto se le suma el efecto del cambio climático sobre la escasez de agua: el aumento de las temperaturas y la disminución de las precipitaciones contribuye a la cantidad y la calidad del agua dulce disponible, lo que hace que la desalinización sea una solución cada vez más viable y atractiva (27). La desalinización también es importante para la agricultura y la industria, por el alto requerimiento de grandes cantidades de agua dulce para el funcionamiento de las mismas. Con el uso de esta tecnología, las empresas pueden utilizar agua de mar para sus procesos de producción y evitar depender de fuentes de agua dulce limitadas o protegidas. Muchos países han adoptado la tecnología de desalinización para satisfacer sus necesidades de agua dulce, especialmente aquellos que tienen acceso limitado a fuentes de agua dulce. Los principales apostadores son (28): • Arabia Saudita: Es uno de los mayores usuarios de la tecnología de desalinización en el mundo, con 35 plantas de desalinización (18% de la producción mundial,). La mayoría de su agua potable se obtiene a través de la desalinización del agua de mar (29). • Emiratos Árabes Unidos: Debido a su ubicación en el desierto, el país ha invertido significativamente en la tecnología de desalinización para satisfacer sus necesidades de agua dulce, produciendo hasta 4,13 millones de metros cúbicos al día. Dubái es el hogar de la planta de desalinización más grande del mundo, que puede generar 758 millones de litros por día (30). • Israel: A pesar de que Israel tiene una infraestructura de suministro de agua avanzada, con un alto porcentaje de reutilización de agua residual, es uno de los principales usuarios de la tecnología de desalinización (31). El país cuenta con varias plantas de desalinización que producen el 80% del agua potable de la nación para uso doméstico (32). • España: la desalinización se ha convertido en una técnica importante para obtener agua dulce en zonas Subsistema de desalinización. 32 donde el agua es escasa, especialmente en zonas costeras. Actualmente cuenta con más de 700 plantas y es uno de los líderes europeos en esta tecnología (33). • Estados Unidos: De manera similar a España, las regiones áridas del oeste de los Estados Unidos han invertido significativamente en la tecnología de desalinización, y ésta ha seguido evolucionando: Se observa que la capacidad instalada global de desalinización ha aumentado constantemente a una tasa del 7% anual desde el año 2010 hasta finales de 2019 (34). 5.1.1 situación en España En España existen numerosas plantas desaladoras distribuidas por todo el territorio, aunque la mayoría se encuentran en la costa mediterránea debido a la escasez de agua en esta zona del país. Figura 5-1: Precipitación acumulada (mm) desde el 1 de octubre de 2022 al 31 de marzo de 2023 (35). 33 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Figura 5-2: Agua embalsada en España en referencia al total disponible en los embalses a fecha de mayo de 2023 (36). Como se observa en las anteriores figuras, las zonas más áridas de España y las que tienen menor capacidad disponible en embalses son las cercanas al Mediterráneo y las Islas Canarias. A esta escasez se le suma el hecho de que sean zonas de gran atracción turística y alta demanda de agua, tanto para uso recreativo como para consumo y regadíos. Todo ello afecta al déficit de agua disponible, lo que ha impulsado la apuesta por la desalinización (37). Figura 5-3: Ubicación de las principales plantas desaladoras en servicio y en construcción en España en 2021 (38). Por ello, como se observa en la anterior figura, la mayoría de las plantas desaladoras del país se distribuyen en estas zonas de acuerdo con este hecho. A fecha de 2021, España cuenta con 765 plantas desaladoras (38), que Subsistema de desalinización. 34 se dividen en desaladoras de agua marina (405) y salobre (360). Concretamente en Andalucía, las principales plantas desaladoras se encuentran en Almería. Estas son las plantas del Bajo Almanzora, de Carboneras y Campo de Dalías, que conjuntamente proporcionan agua para más de 600.000 personas y 30.000 hectáreas de regadío anualmente (38). Cabe mencionar también la planta de agua salobre de El Atabal, en Málaga, una de las más grande de Europa que permite el abastecimiento de agua a 600.000 personas produciendo 165.000 m3/día (39). Figura 5-4: Situación de las principales desaladoras y desalobradoras andaluzas (2015) (40) Por otra parte, en Gran Canaria, de clima subtropical y donde la disponibilidad de agua dulce es limitada y la demanda es alta, la desalinización de agua ha sido siempre una técnica importante para abastecer a la población y al turismo en la isla. En Lanzarote se instaló la primera planta desaladora del país en 1964 (41) y desde entonces la capacidad ha ido en aumento, contando a fecha de 2008 con más de 300 desaladoras, la gran mayoría, de osmosis inversa (42). Estas proporcionan a fecha de 2020 el 86% del agua para consumo humano de la isla (43). Las provincias que hacen mayor uso de esta tecnología son Lanzarote, Fuerteventura y Gran Canaria. Figura 5-5: Consumo por provincia según el origen del agua a fecha 2015 (44). 35 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos 5.2 Descripción de las diferentes tecnologías de desalinización Existen varias tecnologías para la desalinización del agua, las cuales se pueden clasificar en dos categorías principales: la desalinización térmica y la desalinización por membranas. 5.2.1 Desalinización térmica La desalinización térmica es una tecnología de tratamiento de agua que utiliza el calor para separar el agua salada del agua dulce. Este proceso se basa en el principio de la evaporación y condensación, y se puede realizar mediante diferentes métodos como la destilación multiefecto (MED), Evaporación Instantánea Multietapa (MSF) y la destilación por compresión de vapor (MVC) (45). 5.2.1.1 Destilación multiefecto (MED). Es la técnica más común de desalinización térmica. En este proceso, el agua de mar se evapora en un conjunto de recipientes cerrados, cada uno con una presión de vapor más baja que el anterior. El vapor producido en cada uno de los recipientes se condensa en un condensador separado y se recoge como agua dulce. El agua de mar que queda en el último recipiente es más concentrada en sales y se descarga como agua salada. Este proceso aprovecha el calor generado en la etapa previa para el siguiente paso, y así sucesivamente, reduciendo el consumo. Además permite obtener diferentes variaciones de concentración en el producto para aplicar a diversos usos. En la figura siguiente se puede apreciar este proceso y las diferentes etapas o efectos que la componen. Figura 5-6: Esquema del proceso de destilación multiefecto (46). 5.2.1.2 Destilación flas o Evaporación Instantánea Multietapa (MSF) Es otro método de desalinización térmica que implica la evaporación instantánea del agua de mar en una cámara al vacío y posterior condensación. El funcionamiento de estos 2 procesos se basa en introducir el agua de mar a alta temperatura, produciendo vapor. Después éste se lleva al condensador donde se obtiene el agua dulce separada del agua de mar residual (47). En la figura se observan las diferentes etapas y mecanismos para la obtención de producto y como la salmuera va reduciéndose a medida que se avanza en las etapas. Modelado del sistema de osmosis inversa (en desarrollo) 42 • LG SW 440 R • LG SW 440 GR • LG SW 440 SR Para cada una de ellas se busca los rangos de operación que ofrece, según el porcentaje de conversión (recovery rate). Importante cumplir los valores de la TDS (<=470 ppm), el boro (<= 0.95 ppm para tener un margen de seguridad respecto a la normativa de 1 ppm a fecha 2022 (57)) y un valor en unidades de lmh de alrededor de 14 l/h/m2 normalmente. Aunque para potenciales modificaciones de la normativa, este estudio también reporta datos fuera de la normativa vigente para profundizar en el análisis de los datos que pudiesen ser de utilidad. Se construyen por tanto 3 tablas con los recovery de 40, 45 y 50 % respectivamente. El límite de diseño de estas membranas se busca variando para cada recovery el flujo de permeado obtenido, con lo que se obtienen 3 tablas para cada membrana. Para la creación de las tablas se ha tenido en cuenta los problemas y los errores de diseño que el propio software advierte, que se reflejan en la última columna #DW (Number of Design Warnings). Así se encuentran los limites superiores e inferiores para cada una de ellas, y de igual manera se establece el punto nominal de operación, aquel indicado con un 100% en el parámetro %Pw, en el cual se cumple las mejores condiciones de operación: • Para un 50% de recovery: Tabla 6-3: Datos obtenidos para la membrana LG SW 440 ES con un 50% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 ES 71,06 24,5 12,25 50 140,88 0,95 42,87 2,58 25 31,61 3 67,19 21,2 10,6 50 163,33 1,06 37,09 2,41 25 25,55 3 64,45 18,8 9,4 50 184,73 1,15 32,89 2,3 25 21,62 2 60,86 15,6 7,8 50 223,82 1,3 27,3 2,15 25 16,77 1 57,82 12,8 6,4 50 274,5 1,45 22,4 2,03 25 12,99 1 54,93 10 5 50 353,81 1,65 17,5 1,91 25 9,55 2 52,93 8 4 50 444,19 1,82 14 1,83 25 7,32 3 Esta membrana presenta en estas condiciones problemas de diseño (columna #DW), por lo que no resultaría una buena opción. Tabla 6-4: Datos obtenidos para la membrana LG SW 440 R con un 50% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 R 60,37 10,4 5,2 50 165,04 0,91 18,2 2,1 25 10,92 108,18 1 59,41 9,8 4,9 50 175,66 0,95 17,15 2,06 25 10,09 100,00 58,51 9,2 4,6 50 187,46 0,99 16,1 2,02 25 9,29 92,05 57,61 8,6 4,3 50 201,06 1,04 15,05 1,99 25 8,56 84,77 56,72 8 4 50 216,8 1,09 14 1,96 25 7,84 77,67 53,89 7 3,5 50 249,1 1,19 12,25 1,9 25 6,65 65,88 1 Tabla 6-5: Datos obtenidos para la membrana LG SW 440 GR con un 50% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 GR 65,31 11,4 5,7 50 124,08 0,73 19,95 2,27 25 12,94 156,61 1 63,39 10,4 5,2 50 136,44 0,79 18,2 2,2 25 11,44 138,47 43 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos 61,48 9,4 4,7 50 151,53 0,85 16,45 2,13 25 10,01 121,17 60,03 8,6 4,3 50 166,19 0,91 15,05 2,07 25 8,90 107,73 59,06 8,1 4,05 50 176,88 0,95 14,17 2,04 25 8,26 100,00 58,93 8 4 50 179,16 0,96 14 2,03 25 8,12 98,28 57,13 7 3,5 50 205,88 1,05 12,25 1,96 25 6,86 83,03 55,75 6,2 3,1 50 233,66 1,14 10,85 1,91 25 5,92 71,67 1 Tabla 6-6: Datos obtenidos para la membrana LG SW 440 SR con un 50% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 SR 73,33 12,6 6,3 50 88,89 0,56 22,05 2,55 25 16,07 186,80 1 69,46 11 5,5 50 102,16 0,63 19,25 2,41 25 13,26 154,13 66,49 10 5 50 112,69 0,68 17,5 2,32 25 11,60 134,88 64,63 9 4,5 50 125,66 0,74 15,75 2,23 25 10,04 116,69 62,35 8 4 50 141,93 0,81 14 2,15 25 8,60 100,00 60,03 7 3,5 50 167,07 0,9 12,25 2,06 25 7,21 83,84 58,93 6,5 3,25 50 176,14 0,95 11,37 2,02 25 6,57 76,34 56,51 5,4 2,7 50 213,68 1,08 9,45 1,94 25 5,24 60,91 55,27 4,8 2,4 50 241,66 1,16 8,4 1,89 25 4,54 52,74 1 • Para cada un 45% de recovery: Tabla 6-7: Datos obtenidos para la membrana LG SW 440 ES con un 45% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 ES 66,2 25,6 11,5 45 139,3 0,95 40,24 2,51 25 28,87 3 61,43 21,1 9,5 45 169,06 1,09 33,24 2,29 25 21,76 2 55,72 15,6 7 45 230,7 1,33 24,5 2,03 25 14,21 1 50,34 10,0 4,5 45 362,07 1,69 15,75 1,79 25 8,06 1 49,31 8,9 4 45 408 1,78 14 1,75 25 7,00 48,2 7,8 3,5 45 467 1,89 12,25 1,7 25 5,95 1 Esta membrana no tiene un punto nominal de funcionamiento al no cumplir los requisitos de diseño ni calidad del agua. Tabla 6-8: Datos obtenidos para la membrana LG SW 440 R con un 45% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 R 58,81 12,9 5,8 45 136,14 0,79 20,3 2,11 25 12,24 138,64 1 56,83 11,6 5,2 45 152,33 0,86 18,2 2,03 25 10,56 119,59 54,82 10,1 4,55 45 174,6 0,95 15,92 1,94 25 8,83 100,00 53,1 8,9 4 45 199,47 1,04 14 1,88 25 7,52 85,19 51,31 7,6 3,4 45 235,93 1,16 11,9 1,8 25 6,12 69,33 49,58 6,2 2,8 45 289,94 1,3 9,8 1,74 25 4,87 55,19 47,86 4,9 2,2 45 368,54 1,48 7,7 1,67 25 3,67 41,62 1 Modelado del sistema de osmosis inversa (en desarrollo) 44 Tabla 6-9: Datos obtenidos para la membrana LG SW 440 GR con un 45% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 GR 64,15 14,0 6,3 45 103,75 0,64 22,05 2,3 25 14,49 185,77 1 60,64 12,0 5,4 45 121,41 0,72 18,9 2,16 25 11,66 149,54 57,98 10,4 4,7 45 139,94 0,81 16,45 2,06 25 9,68 124,13 55,33 8,9 4 45 165,18 0,91 14 1,95 25 7,80 100,00 54,62 8,4 3,8 45 174,11 0,95 13,3 1,92 25 7,30 93,54 51,72 6,7 3 45 222,19 1,11 10,5 1,81 25 5,43 69,62 50 5,6 2,5 45 268,17 1,25 8,75 1,75 48,61 4,38 56,09 47,58 4,0 1,8 45 375,74 1,49 6,3 1,65 25,20 2,97 38,08 1 Tabla 6-10: Datos obtenidos para la membrana LG SW 440 SR con un 45% de recovery. 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 SR 72,41 15,1 6,8 45 76,4 0,49 23,8 2,59 25 17,61 212,71 68,95 13,6 6,1 45 85,29 0,54 21,35 2,46 25 15,01 181,23 65,5 12,0 5,4 45 96,56 0,6 18,9 2,33 25 12,58 151,96 65,64 10,4 4,7 45 111,25 0,68 16,45 2,2 25 10,34 124,88 58,8 8,9 4 45 131,21 0,77 14 2,07 25 8,28 100,00 54,38 6,8 3,05 45 173,47 0,95 10,67 1,9 25 5,80 69,99 51,51 5,3 2,4 45 222,19 1,12 8,4 1,8 25 4,32 52,17 49,45 4,2 1,9 45 282,73 1,29 6,65 1,72 25 3,27 39,47 47,31 3,1 1,4 45 386,65 1,51 4,9 1,64 25 2,30 27,73 1 • Para un 40% de recovery: Tabla 6-11: Datos obtenidos para la membrana LG SW 440 ES con un 40% de recovery 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw #DW 440 ES 62,26 27 10,8 40 138,66 0,95 37,79 2,5 25 27,00 3 59,56 24,25 9,7 40 154,66 1,03 33,94 2,36 25 22,89 2 56,87 21,5 8,6 40 174,66 1,12 30,1 2,22 25 19,09 2 54,07 18,5 7,4 40 203,43 1,24 25,9 2,08 25 15,39 2 51,51 15,75 6,3 40 239,03 1,37 22,05 1,95 25 12,29 1 49,01 13 5,2 40 290,3 1,53 18,2 1,83 25 9,52 1 47,63 11,5 4,6 40 328,97 1,63 16,1 1,76 25 8,10 46,32 10 4 40 378,85 1,75 14 1,7 25 6,80 44,81 8,25 3,3 40 459,65 1,9 11,55 1,63 25 5,38 43,5 6,75 2,7 40 561,22 2,06 9,45 1,57 25 4,24 2,1 1 De nuevo, esta membrana no tiene un punto nominal de funcionamiento para este valor del recovery, al no cumplir los requisitos de diseño ni calidad del agua. 45 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Tabla 6-12: Datos obtenidos para la membrana LG SW 440 R con un 40% de recovery 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw % qF #DW 440 R 58,1 16 6,4 40 115,06 0,69 22,4 2,18 25 13,95 175,55 1 56,46 14,75 5,9 40 124,88 0,74 20,62 2,11 25 12,45 156,64 54,75 13,5 5,4 40 136,71 0,8 18,9 2,03 25 10,96 137,93 52,83 12 4,8 40 153,98 0,87 16,8 1,95 25 9,36 117,77 51,06 10,625 4,25 40 174,31 0,95 14,87 1,87 25 7,95 100,00 50,24 10 4 40 185,49 1 14 1,83 25 7,32 92,10 1,3 1 Tabla 6-13: Datos obtenidos para la membrana LG SW 440 GR con un 40% de recovery 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw % qF #DW 440 GR 61,93 16 6,4 40 95,54 0,6 22,4 2,32 25 14,85 194,35 1 58,74 14 5,6 40 109,34 0,67 19,6 2,18 25 12,21 159,79 55,62 12 4,8 40 129,97 0,76 16,8 2,04 25 9,79 128,17 52,5 10 4 40 153,9 0,87 14 1,91 25 7,64 100,00 50,81 8,875 3,55 40 173,8 0,95 12,42 1,84 25 6,53 85,50 48,36 7,25 2,9 40 213,74 1,1 10,15 1,74 25 5,05 66,05 45,91 5,5 2,2 40 283,41 1,3 7,7 1,64 25 3,61 47,23 43,77 4 1,6 40 392,08 1,55 5,6 1,58 25 2,53 33,09 1,2 1 Tabla 6-14: Datos obtenidos para la membrana LG SW 440 SR con un 40% de recovery 7 membranas LG SW pF, bar qF, m3/h qP, m3/h recovery % TDSP, ppm BoronP, ppm Average flux lmh SEC, kWh/m3 T, °C Pw, kW % Pw % qF #DW 440 SR 67,71 16 6,4 40 76,19 0,46 22,4 2,52 25 16,13 198,62 1 63,77 14 5,6 40 87,15 0,55 19,6 2,35 25 13,16 162,07 59,63 12 4,8 40 101,87 0,63 16,8 2,19 25 10,51 129,46 55,96 10 4 40 122,58 0,73 14 2,03 25 8,12 100,00 50,58 7,125 2,85 40 173,15 0,95 9,97 1,82 25 5,19 63,88 47,22 5,25 2,1 40 236,63 1,17 7,35 1,68 25 3,53 43,45 44,67 3,75 1,5 40 333,63 1,43 5,25 1,58 25 2,37 29,19 0,8 1 Puede observarse que la mayoría poseen un rango de funcionamiento que evita errores de diseño aunque puedan incumplir la normativa de calidad actual en dicho rango, lo que puede resultar interesante revisar si en el futuro existe un cambio de normativa. Con estos datos se pueden elaborar gráficas que permitan valorar la aplicación de cada una de ellas dado un punto de operación, analizando un rango de funcionamiento acorde con las características del proyecto a estudio. Para cada membrana se reportan por tanto un análisis de los parámetros energéticos, la comparación de los caudales qF en cada recovery, y un estudio de los parámetros de calidad del agua: Modelado del sistema de osmosis inversa (en desarrollo) 46 • Membrana LG SW ES Figura 6-3: Parámetros energéticos SEC y pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 ES Figura 6-4: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 ES. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. 47 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Figura 6-5: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 ES • Membrana LG SW 440 R Figura 6-6: Parámetros energéticos SEC, %PW, pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 R Modelado del sistema de osmosis inversa (en desarrollo) 48 Figura 6-7: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 R. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. Figura 6-8: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 R • Membrana LG SW GR 49 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Figura 6-9: Parámetros energéticos SEC, %PW, pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 GR Figura 6-10: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 GR. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. Modelado del sistema de osmosis inversa (en desarrollo) 50 Figura 6-11: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 GR • Membrana LG SW SR Figura 6-12: Parámetros energéticos SEC, %PW, pF en función de la qF para los 3 tipos de recovery (50, 45, 40) para la membrana LG SW 440 SR 51 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Figura 6-13: Parámetros energéticos sobre el consumo auxiliar de la membrana LG SW 440 SR. Se representa el qF analizado para cada valor de recovery estudiado: 50% verde, 45% azul, 40% rojo. Figura 6-14: Parámetros de calidad del agua y riesgo de fouling para la membrana LG SW 440 SR Modelado del sistema de osmosis inversa (en desarrollo) 58 Cabe destacar, que en aras de la simplificación, se ha aceptado que podemos dividir libremente el flujo en grupos de tubos de presión, cuando en realidad no se dispone de infinitos tubos. Un análisis real debe tener en cuenta la disponibilidad de equipos, basándose no solo en los parámetros descritos en este estudio, sino también en factores económicos, de terreno, de tiempo… De modo que no es realista obtener divisiones mayores de 200 cuando la realidad, es la media es de 25 tubos de presión. De modo que aquí es primordial tener claro el proceso real de dimensionamiento de la planta. Figura 6-20: Divisiones necesarias del caudal qF para cumplir con los límites de diseño. Se observa que Valorar otra ubicación con la herramienta es sencillo utilizando el código disponible en los anexos y siguiendo los pasos ya descritos. Resulta interesante el poder comparar diferentes ubicación y también aerogeneradores, como por ejemplo si se cambia de ubicación a la Playa de Vargas, disponible en la base de datos utilizada en este estudio. Esta presente un total de permeado producido de 345855 m3/h Figura 6-21: Distribución del permeado obtenido para las horas del mes de enero para Playa de Vargas (Gran Canaria) 59 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Comparando ambas gráficas se puede observar ciertas similitudes: Alrededor de las 150h del mes (día 6 de enero) y sobre las 550 (día 22 de enero), ambas ubicaciones tuvieron falta de viento. Este mismo análisis sirve para ver que los picos de viento tuvieron lugar durante los mismo periodos, aunque se puede apreciar como en la segunda ubicación hay más cantidad de producción horaria. Hecho ya constatado si se comparan las producciones mensuales totales. Estos reportes permiten amplias comparaciones y es el fundamento de la herramienta descrita en el estudio. 61 7 CONCLUSIONES a herramienta permite valorar la eficacia del aerogenerador elegido, en la ubicación dada, para una membrana en estudio. Provee una primera interpretación de la dimensión que debe acometer el proyecto y de cierto grado de conocimiento para comenzar con una base. Sin embargo, como se mencionaba con anterioridad, no es un proceso exhaustivo ya que se han tomado varias consideraciones simplificadoras que no reflejan con integridad cara parámetro que necesita ser iterado para obtener finalmente, datos sumamente precisos. Un futuro usuario de esta herramienta deberá reportar datos no solo en distintas ubicaciones, si no con distintos modelos de aerogeneradores y numero de ellos, no ciñéndose exclusivamente a la base de datos creada para este estudio, si no que considerará aquellas opciones más interesantes para él, y con dichos reportes podrá crear comparaciones, trabajar con las elecciones que mejor se adapten a su necesidad, y elegir con ellas las membranas que mejor se adapten a la dimensión de su proyecto. En este estudio, no se ha tenido en cuenta la influencia de la Tª en el cambio de densidad del agua, que ha permanecido constante en aras de la simplicidad. También se ha establecido un porcentaje de la distribución de la potencia en una planta acorde a datos teóricos, pero un potencial usuario deberá realizar un estudio previo de la distribución de su planta en particular. Se ha admitido por simplificación que la presión de la BP es constante. También se ha trabajado para el ejemplo real con un único solo aerogenerador, de un fabricante en concreto, lo cual no refleja la realidad de una instalación eólica, por lo que se deberá tener en cuenta para su uso en una instalación real. Resultaría interesante que al igual que para los caudales que excedían los limites superiores se han agregado nuevos tubos de presión, para aquellos caudales inferiores a los limites del diseño, podría estudiarse la adición de más aerogeneradores. Además, se han seguido unas pautas para la valoración de la membrana basadas en la normativa vigente a fecha de la realización de este informe. Normativa que puede verse modificada en el futuro y que el usuario debe valorar y tener en cuenta en su diseño Las simplificaciones adoptadas han sido implementadas con el propósito de establecer los fundamentos de la herramienta. Mediante el código proporcionado para la creación de bases de datos, interpolación y reportes; junto con la descripción del proceso de elección de membrana, debe servir de base para que la herramienta sea modificada, mejorada, y optimizada. Igualmente para el proceso de dimensionamiento de los bastidores de membranas. L 62 8 ANEXOS 8.1 Anexo 1: Carga de datos en matlab Carga de los datos del viento para las poblaciones % Cargar archivo Excel filename = 'Datos Ubicaciones.xlsx'; % Obtener nombres de hojas del archivo Excel ubicaciones = sheetnames(filename); % Crear estructura para almacenar los datos de viento de cada ubicación viento = struct(); % Iterar sobre los nombres de las hojas for u = 1:length(ubicaciones) % Obtener nombre de la ubicación ubicacion = ubicaciones{u}; % u será el numero total de ubicaciones leídas % Leer datos de la hoja data = readtable(filename, 'Sheet', ubicacion); % Almacenar datos de viento de la ubicación en la estructura viento viento.(ubicacion) = data{:, 5}; % redondear a 2 decimales end % Podemos consultar el dato de viento una hora especifica del año mediante viento.P_Vargas(257) %podemos imprimir por pantalla la lista de ubicaciones de estudio fprintf("Las ubicaciones son las siguientes") Carga de los datos de las potencias de los aerogeneradores Se parte del archivo xlsx donde se recoge la informacion de la potencia generada en funcion del viento de cada modelo de aerogenerador. El archivo se nombra 'Curvas Aerogeneradores.xlsx' % Leer los nombres de las hojas del excel aerogeneradores = sheetnames('Curvas Aerogeneradores.xlsx'); % Inicializar estructura para almacenar los datos de los aerogeneradores aerogenerador = struct(); % Recorrer cada hoja y almacenar los datos en la estructura for i = 1:numel(aerogeneradores) % Leer datos de la hoja - se leen hasta 100 valores asegurando la % completa lectura de los datos datos = readmatrix('Curvas Aerogeneradores.xlsx', 'Sheet', aerogeneradores{i}, 'Range', 'A2:B100'); % Eliminar filas con valores NaN en las potencias . sobrantes debido a % leer 100 lineas datos(isnan(datos(:, 1)), :) = []; 63 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos % Almacenar datos en la estructura aerogenerador.(aerogeneradores{i}).velocidad = datos(:, 1); aerogenerador.(aerogeneradores{i}).potencia = datos(:, 2); end %podemos enseñar los modelos dentro del estudio imprimiendo fprintf("Los modelos son los siguientes"); aerogeneradores Obtención de la Potencia generada por cada velocidad del viento al año . Interpolacion Para el proceso de interpolación se precisa primero tener el modelo de potencia del aerogenerador para cada velocidad de viento, y después aplicar ese modelo a los valores de viento de cada hora del año de la ubicación deseada. % Pedir al usuario la ubicación y aerogenerador de interés ubicaciones_disp = fieldnames(viento); fprintf("Ubicaciones disponibles:\n") disp(ubicaciones_disp); ubicacion_actual = input("Seleccione una ubicación de la lista: ", 's'); aerogeneradores_disp = fieldnames(aerogenerador); fprintf("Modelos de aerogeneradores disponibles:\n") disp(aerogeneradores_disp); aerogenerador_actual = input("Seleccione un modelo de aerogenerador de la lista: ", 's'); % Obtener datos de viento de la ubicación seleccionada datos_viento = viento.(ubicacion_actual); % Obtener datos del aerogenerador seleccionado datos_aerogenerador = aerogenerador.(aerogenerador_actual); % Calcular la potencia generada por cada valor de viento potencia_generada = interp1(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, datos_viento, 'linear', 0); % Calcular la energía generada en un año energia_generada = sum(potencia_generada)*8760; % Mostrar los resultados fprintf("La energía generada en un año por el aerogenerador %s en la ubicación %s es %.2f kWh\n", aerogenerador_actual, ubicacion, energia_generada/1000) Calcular la potencia generada por el Aerogenerador en la ubicación elegida en una hora concreta del año: % Pedir al usuario el número de hora del año (de 1 a 8760) hora_actual = input("Seleccione una hora del año (de 1 a 8760): "); % Obtener la velocidad del viento en la ubicación seleccionada en la hora seleccionada velocidad_viento_hora_actual = viento.(ubicacion_actual)(hora_actual); % Calcular la potencia generada a la velocidad del viento en la hora seleccionada potencia_generada_hora_actual = interp1(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, velocidad_viento_hora_actual, 'linear', 0); Anexos 64 % Mostrar los resultados fprintf("La potencia generada por el aerogenerador %s en la ubicación %s en la hora %d es %.2f kW\n", aerogenerador_actual, ubicacion_actual, hora_actual, potencia_generada_hora_actual/1000) Calcular la potencia que puede proveer el aerogenerador al 100, 75, 50 y 25 % de su capacidad nominal: % Se genera una estructura que guarde los valores de estas potencias potencia_generada_porcentaje = struct(); potencia_generada_porcentaje.p100=max(potencia_generada) potencia_generada_porcentaje.p75=max(potencia_generada)*0.75 potencia_generada_porcentaje.p50=max(potencia_generada)*0.5 potencia_generada_porcentaje.p25=max(potencia_generada)*0.25 Y en el caso de que queramos valorar como se distribuye esta potencia en la planta, establecemos que unos de estos valroes es la potencia_generada_hora_actual: potencia_generada_hora_actual=potencia_generada_porcentaje.p100 De lo contrario el usuario proveerá una hora que quiera valorar en la seccion justo anterior. Visualización de la interpolación Se genera un gráfico que muestra la curva de potencia del aerogenerador seleccionado y su interpolación en la ubicación seleccionada. % Obtener datos del aerogenerador seleccionado datos_aerogenerador = aerogenerador.(aerogenerador_actual); % Graficar datos originales del aerogenerador figure; plot(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, 'o'); hold on; % Calcular la potencia generada por cada valor de viento potencia_generada = interp1(datos_aerogenerador.velocidad, datos_aerogenerador.potencia, datos_viento, 'linear', 0); % Graficar datos interpolados plot(datos_viento, potencia_generada, '-'); legend('Datos originales', 'Interpolación'); xlabel('Velocidad del viento (m/s)'); ylabel('Potencia generada (kW)'); title(sprintf("Potencia generada por %s en %s", aerogenerador_actual, ubicacion_actual)); 8.2 Anexo 2: Modelado del sistema de bombeo Modelado de los equipos del sistema de bombeo Consumos tipicos de los equipos (tanto por 1): Cons_bomba_sumergible_captacion=0.04; Cons_bomba_cent_bomb_interm=0.13; Cons_bombas_lavado_filtro_arena=0.03; Cons_HPP=0.68; 65 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos Cons_BP=0.06; Cons_bomba_permeado=0.04; Cons_aux=0.01; Con estos datos se puede calcular la potencia que usa cada equipo: Pot_HPP=potencia_generada_hora_actual*Cons_HPP Modelado de la bomba de alta presion o High Pressure Pump - HPP Danfoss APP 78 De la tabla del fabricante, por simplicidad, se calcula el promedio de la eficiencia de la bomba independientemente de las rpm. rend_HPP=0.855; %rendimiento hidráulico proporcinado por el fabricante y se toma como hipotesis el rendimiento del motor típico: rend_HPP_ENG=0.98; %eficiencia del motor Sabiendo las potencias de entrada y salida de la bomba de alta presión: p_F=2; %Presion de entrada a la bomba (bar) - tipico p_HPP=55; %Presion a la salida de la bomba de alta presión (bar)- tipico Reformulando la expresión para calcular el caudal (m3/h) que mueve la bomba a una Pot_HPP (potencia suministrada por el aerogenerador) dada en un instante del año: q_HPP=(Pot_HPP*rend_HPP*rend_HPP_ENG*3600)/((p_HPP-p_F)*100) Modelado de la bomba de apoyo o Booster Pump - BP Tomando el salto de presiones igual a 2 bar como hipòtesis, el caudal que mueve con la potencia suministrada por el aerogenerador es: p_F_ERDout=53; % Presion del concentrado a la salida del bastidor de membranas % De nuevo, tomando valores de rendimiento típico rend_BP=0.885; rend_BP_ENG=0.98; Pot_BP=potencia_generada_hora_actual*Cons_BP; delta_p_BP=p_HPP-p_F_ERDout q_BP=(Pot_BP*rend_BP*rend_BP_ENG*3600)/((delta_p_BP)*100) Por tanto a la bateria de bastidores entra: q_F=q_HPP+q_BP Anexos 66 8.3 Anexo 3: Evaluación mensual % Supongamos que potencia_generada es un vector de tamaño 8760 con los valores de potencia para cada hora del año % Se define la duración de cada mes (suponiendo 31 días para enero, marzo, mayo, julio, agosto, octubre y diciembre) dias_por_mes = [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31]; % Mes a extraer mes_deseado = 1; % Por ejemplo, marzo % Calculo de los índices de inicio y fin para el mes deseado inicio_mes = sum(dias_por_mes(1:mes_deseado-1)) * 24 + 1; fin_mes = sum(dias_por_mes(1:mes_deseado)) * 24; % Extraccion de los valores correspondientes al mes deseado potencia_generada_mes = potencia_generada(inicio_mes:fin_mes); % Se sabe que los consumos de HPP y BP son Cons_HPP=0.68; Cons_BP=0.06; % los rendimientos se mantienen al igual que las presiones de entrada % para la HPP Pot_HPP_mes=potencia_generada_mes*Cons_HPP; q_HPP_mes=(Pot_HPP_mes*rend_HPP*rend_HPP_ENG*3600)/((p_HPP-p_F)*100); % para la BP Pot_BP_mes=potencia_generada_mes*Cons_BP; q_BP_mes=(Pot_BP_mes*rend_BP*rend_BP_ENG*3600)/((delta_p_BP)*100); % Entonces qF_mes=q_BP_mes+q_HPP_mes; % Definicion del vector de divisiones inicializado con unos (1) divisiones = ones(size(qF_mes)); % Se evalua cada valor de qF_mes y aplicar las condiciones for i = 1:numel(qF_mes) if qF_mes(i) <= 16 divisiones(i) = 1; % Asignamos cero si el valor es menor a 7 elseif qF_mes(i) > 16 divisor = ceil(qF_mes(i) / 16); % Se calcula el divisor para que el resultado esté por debajo de 16 divisiones(i) = divisor; % Asignacion el divisor en divisiones end end % El qF_mes a evaluar en la recta del recovery es por tanto qF_mes_ev=qF_mes./divisiones; % Se definen los coeficientes de la recta coeficientes = [10/3, 65/3]; % Se evalua qF_mes_ev en la recta para obtener recovery_mes recovery_mes = polyval(coeficientes, qF_mes_ev); % Establecemos que el recovery_mes en 0 cuando qF_mes sea menor que 7 recovery_mes(qF_mes_ev < 7) = 0; 67 Herramienta para el modelado de sistemas de desalación de agua de mar eólicos % Finalmente, el permeado es: qP_mes=qF_mes_ev.*divisiones.*recovery_mes/100; % Calculo del total de qP_mes total_qP_mes = sum(qP_mes); % Para crear un plot alternativo al de excel horas_mes = 1:744; figure; yyaxis left plot(horas_mes, qP_mes, 'b', 'LineWidth', 1.5) hold on plot(horas_mes, qF_mes, 'g', 'LineWidth', 1.5) ylabel('Valores (qP_mes, qF_mes)') ylim([0, max(qP_mes)]) %límite superior del eje izquierdo % eje derecho yyaxis right plot(horas_mes, divisiones, 'r--', 'LineWidth', 1.5) ylabel('Valores (divisiones)') ylim([0, max(divisiones)]) % límite superior del eje derecho xlabel('Hora del mes') title('Gráfico de qP_mes, divisiones y qF_mes para cada hora del mes') legend('qP_mes', 'qF_mes', 'divisiones')