EVALUACIÓN DE LA POTENCIA EÓLICA
DISPONIBLE, MEDIANTE INTELIGENCIA
ARTIFICIAL EN BOCA DEL RIO, DURANTE EL
AÑO 2024
ASSESSMENT OF AVAILABLE WIND POWER USING
ARTIFICIAL INTELLIGENCE IN BOCA DEL RIO, DURING
THE YEAR 2024
José Alfredo Inclán Barragán
Universidad Veracruzana, Facultad de Ingenieria Mecanica y Ciencias Navales (FIMCN).
Armando Campos Domínguez
Universidad Veracruzana, Facultad de Ingenieria Mecanica y Ciencias Navales (FIMCN).
Adrián Vidal Santo
Universidad Veracruzana, Facultad de Ingenieria Mecanica y Ciencias Navales (FIMCN).
Francisco Ortiz Martínez
Universidad Veracruzana, Facultad de Ingenieria Mecanica y Ciencias Navales (FIMCN).
Armando Campos Domínguez
Universidad Veracruzana, Facultad de Ingenieria Mecanica y Ciencias Navales (FIMCN).
pág. 7607
DOI: https://doi.org/10.37811/cl_rcm.v9i2.17485
Evaluación de la potencia eólica disponible, mediante Inteligencia Artificial
en Boca del Rio, durante el año 2024
José Alfredo Inclán Barragán1
jinclan@uv.mx
https://orcid.org/0009-0009-0351-0851
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Armando Campos Domínguez
acampos@uv.mx
https://orcid.org/0009-0006-8393-1493
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Adrián Vidal Santo
avidal@uv.mx
https://orcid.org/0000-0002-3133-4332
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Francisco Ortiz Martínez
franortiz@uv.mx
https://orcid.org/0000-0003-3722-7658
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Josué Domínguez Márquez
jdominguez@uv.mx
https://orcid.org/0009-0001-8611-9656
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
RESUMEN
Se realizó un estudio del potencial eólico disponible en Boca del Río, Veracruz, utilizando datos de una
estación meteorológica del Servicio Meteorológico Nacional (SMN). En total, se recopilaron 8546
registros horarios del año 2024, que fueron analizados mediante Inteligencia Artificial, usando Python
y librerías como Pandas, SciPy y Matplotlib. Se elaboró una estadística descriptiva con histograma de
frecuencias, para caracterizar el comportamiento del viento, incluidas medidas como media, moda,
mediana, máximo y desviación estándar. Así como una distribución de Weibull. Además, se evaluó el
potencial eólico disponible mensual y se generó un resumen anual, facilitando la elección del
aerogenerador adecuado para el sitio de estudio. El análisis reveló dos períodos estacionales de viento:
de mayo a octubre y de noviembre a abril.
Palabras clave: potencial eólico, distribución weibull, potencia eólica disponible, inteligencia artificial,
energía renovable
1 Autor principal
Correspondencia: jinclan@uv.mx
DOI: https://doi.org/10.37811/cl_rcm.v9i2.17485
Evaluación de la potencia eólica disponible, mediante Inteligencia Artificial
en Boca del Rio, durante el año 2024
José Alfredo Inclán Barragán1
jinclan@uv.mx
https://orcid.org/0009-0009-0351-0851
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Armando Campos Domínguez
acampos@uv.mx
https://orcid.org/0009-0006-8393-1493
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Adrián Vidal Santo
avidal@uv.mx
https://orcid.org/0000-0002-3133-4332
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Francisco Ortiz Martínez
franortiz@uv.mx
https://orcid.org/0000-0003-3722-7658
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
Josué Domínguez Márquez
jdominguez@uv.mx
https://orcid.org/0009-0001-8611-9656
Universidad Veracruzana, Facultad de Ingenieria
Mecanica y Ciencias Navales (FIMCN).
RESUMEN
Se realizó un estudio del potencial eólico disponible en Boca del Río, Veracruz, utilizando datos de una
estación meteorológica del Servicio Meteorológico Nacional (SMN). En total, se recopilaron 8546
registros horarios del año 2024, que fueron analizados mediante Inteligencia Artificial, usando Python
y librerías como Pandas, SciPy y Matplotlib. Se elaboró una estadística descriptiva con histograma de
frecuencias, para caracterizar el comportamiento del viento, incluidas medidas como media, moda,
mediana, máximo y desviación estándar. Así como una distribución de Weibull. Además, se evaluó el
potencial eólico disponible mensual y se generó un resumen anual, facilitando la elección del
aerogenerador adecuado para el sitio de estudio. El análisis reveló dos períodos estacionales de viento:
de mayo a octubre y de noviembre a abril.
Palabras clave: potencial eólico, distribución weibull, potencia eólica disponible, inteligencia artificial,
energía renovable
1 Autor principal
Correspondencia: jinclan@uv.mx
pág. 7608
Assessment of available wind power using Artificial Intelligence in Boca del
Rio, during the year 2024
ABSTRACT
A study of the available wind potential in Boca del Río, Veracruz, was conducted using data from a
meteorological station of the National Meteorological Service (SMN). A total of 8,546 hourly records
from the year 2024 were collected and analyzed using Artificial Intelligence, Python, and libraries such
as Pandas, SciPy, and Matplotlib. Descriptive statistics with a frequency histogram were developed to
characterize wind behavior, including measures such as mean, mode, median, maximum, and standard
deviation, as well as a Weibull distribution. In addition, the monthly available wind potential was
evaluated, and an annual summary was generated, facilitating the selection of the appropriate wind
turbine for the study site. The analysis revealed two seasonal wind periods: from May to October and
from November to April.
Keywords: wind potential, weibull distribution, available wind power, artificial intelligence, renewable
energy
Artículo recibido 15 febrero 2023
Aceptado para publicación: 15 marzo 2023
Assessment of available wind power using Artificial Intelligence in Boca del
Rio, during the year 2024
ABSTRACT
A study of the available wind potential in Boca del Río, Veracruz, was conducted using data from a
meteorological station of the National Meteorological Service (SMN). A total of 8,546 hourly records
from the year 2024 were collected and analyzed using Artificial Intelligence, Python, and libraries such
as Pandas, SciPy, and Matplotlib. Descriptive statistics with a frequency histogram were developed to
characterize wind behavior, including measures such as mean, mode, median, maximum, and standard
deviation, as well as a Weibull distribution. In addition, the monthly available wind potential was
evaluated, and an annual summary was generated, facilitating the selection of the appropriate wind
turbine for the study site. The analysis revealed two seasonal wind periods: from May to October and
from November to April.
Keywords: wind potential, weibull distribution, available wind power, artificial intelligence, renewable
energy
Artículo recibido 15 febrero 2023
Aceptado para publicación: 15 marzo 2023
pág. 7609
INTRODUCCIÓN
La energía eólica es aquella que se puede obtener de la energía cinética del viento, está relacionada con
la energía solar (Barzola, y otros, 2016). El viento es consecuencia de movimientos de masas de aire a
diferentes temperaturas, presiones y humedad, se da por la diferencia de presión entres dos puntos y la
rotación de la tierra. El aprovechamiento de la energía del viento no es nuevo y se conoce desde la
navegación a vela y los primeros molinos de viento. La energía del viento es un recurso energético que
está en auge, debido a la tendencia de uso de energías renovables (Enríquez García & Moreno Avilés,
2020). Se considera una energía limpia que ayuda en la disminución de gases de efecto invernadero, al
no quemar combustibles fósiles, debido a esto se han realizado estudios para evaluar su aprovechamiento
en diferentes partes del país. Este estudio de potencial eólico disponible se realizó para la ciudad de
Boca del Rio, Veracruz, México, aprovechando que cuenta con una estación meteorológica oficial del
Servicio Meteorológico Nacional (SMN), se utilizaron los registros horarios del año 2024, estos son:
fecha, hora, velocidad y dirección del viento, temperatura y presión atmosférica. Se obtuvieron un total
de 8546 registros horarios, a los cuales se les realizo tratamiento y análisis estadístico mediante
herramientas de Inteligencia Artificial, se utilizó el asistente DeepSeek, para generar código en Python
el cual proporcionó el tratamiento de datos, la ejecución de los modelos estadísticos y las gráficas de los
modelos. El lenguaje utilizado fue Python y se utilizó la librería Pandas para realizar el tratamiento de
datos, realizar la base de datos del 2024 de las variables necesarias, SciPy para realizar el modelo de
distribución de Weibull y la librería Matplotlib para generar los gráficos de los modelos estadísticos. Se
presenta la estadística descriptiva anual del 2024 del comportamiento del viento, para caracterizarla,
estos son: la media, la moda, mediana, máximo y desviación estándar. Se genera y presenta un
histograma de frecuencias para dar una idea más precisa del comportamiento del viento. Así mismo con
la estadística realizada, se realiza el estudio del potencial eólico disponible, esta evaluación se realiza
mensual y se proporciona un resumen anual, esto para poder tener una orientación del posible
aprovechamiento eólico, y poder tomar una decisión sobre que aerogenerador es más recomendable en
el sitio de estudio. Se finaliza con una gráfica de tendencia del comportamiento de las velocidades del
viento durante el año, ésta demuestra que el viento presenta dos periodos estacionales, de mayo a octubre
y de noviembre a abril.
INTRODUCCIÓN
La energía eólica es aquella que se puede obtener de la energía cinética del viento, está relacionada con
la energía solar (Barzola, y otros, 2016). El viento es consecuencia de movimientos de masas de aire a
diferentes temperaturas, presiones y humedad, se da por la diferencia de presión entres dos puntos y la
rotación de la tierra. El aprovechamiento de la energía del viento no es nuevo y se conoce desde la
navegación a vela y los primeros molinos de viento. La energía del viento es un recurso energético que
está en auge, debido a la tendencia de uso de energías renovables (Enríquez García & Moreno Avilés,
2020). Se considera una energía limpia que ayuda en la disminución de gases de efecto invernadero, al
no quemar combustibles fósiles, debido a esto se han realizado estudios para evaluar su aprovechamiento
en diferentes partes del país. Este estudio de potencial eólico disponible se realizó para la ciudad de
Boca del Rio, Veracruz, México, aprovechando que cuenta con una estación meteorológica oficial del
Servicio Meteorológico Nacional (SMN), se utilizaron los registros horarios del año 2024, estos son:
fecha, hora, velocidad y dirección del viento, temperatura y presión atmosférica. Se obtuvieron un total
de 8546 registros horarios, a los cuales se les realizo tratamiento y análisis estadístico mediante
herramientas de Inteligencia Artificial, se utilizó el asistente DeepSeek, para generar código en Python
el cual proporcionó el tratamiento de datos, la ejecución de los modelos estadísticos y las gráficas de los
modelos. El lenguaje utilizado fue Python y se utilizó la librería Pandas para realizar el tratamiento de
datos, realizar la base de datos del 2024 de las variables necesarias, SciPy para realizar el modelo de
distribución de Weibull y la librería Matplotlib para generar los gráficos de los modelos estadísticos. Se
presenta la estadística descriptiva anual del 2024 del comportamiento del viento, para caracterizarla,
estos son: la media, la moda, mediana, máximo y desviación estándar. Se genera y presenta un
histograma de frecuencias para dar una idea más precisa del comportamiento del viento. Así mismo con
la estadística realizada, se realiza el estudio del potencial eólico disponible, esta evaluación se realiza
mensual y se proporciona un resumen anual, esto para poder tener una orientación del posible
aprovechamiento eólico, y poder tomar una decisión sobre que aerogenerador es más recomendable en
el sitio de estudio. Se finaliza con una gráfica de tendencia del comportamiento de las velocidades del
viento durante el año, ésta demuestra que el viento presenta dos periodos estacionales, de mayo a octubre
y de noviembre a abril.
pág. 7610
METODOLOGÍA
La ciudad de Boca del Rio, Veracruz cuenta con una estación meteorológica perteneciente al Servicio
Meteorológico Nacional (SMN), y este pertenece a la Organización Mundial de Meteorología (OMM).
Dicha estación cumple con las normas de medición de datos meteorológicos de la OMM. La estación es
administrada por la Comisión Nacional del Agua (CONAGUA) y está registrada ante la OMM con el
número 76692, se encuentra ubicada en las coordenadas geográficas Latitud 19 grados 08’ 34.76” N y
longitud 96 grados 06’ 40.73” W (CONAGUA, Centro Hidrometeorológico Regional "Boca del Río -
Veracruz", s.f.). La estación cuenta con un anemocinemógrafo que mide velocidad y dirección del viento
a 25 metros sobre el nivel medio del mar, estos instrumentos son un anemómetro de cazuelas que mide
la velocidad en m/s y una veleta que proporciona la dirección con base a la rosa de los vientos (De la
Cruz Ángel, Inclán Barragán, González Mejía, Grajeda Rosado, & Diaz Abascal, 2024). Además, la
estación cuenta con una garita meteorológica que contiene un psicrómetro para medir temperatura seca
y húmeda en grados centígrados a nivel de superficie y un barómetro de mercurio de cubeta fija que
mide la presión atmosférica en hecto pascales a 12 metros sobre el nivel medio del mar. Los datos se
obtuvieron de la página oficial del SMN (CONAGUA, Servicio Meteorologico Nacional, s.f.). Los
registros de vientos se obtuvieron en un formato de archivo de Excel, donde están organizados en libros
mensuales y estos conforman un año, los registros se encuentran en archivos .xlsx que contienen 12
hojas y estas integran un año. Los datos obtenidos son horarios, estos representan un promedio de cuatro
mediciones que corresponden a lecturas de cada 15 minutos, de estas cuatro lecturas se obtiene los
promedios que definen tres tipos de vientos: dominante, promedio y máximo. Estos son vectores que
representan magnitud y dirección, este procedimiento está establecido en el manual teórico practico del
observador meteorológico de superficie (Agua, 2010). Además de vientos, se utilizó la presión
atmosférica y la temperatura ambiente, para calcular la densidad del aire. Estos registros son horarios,
se toman cada hora, la presión de un barómetro de mercurio, y la temperatura de una garita
meteorológica. Se tienen un total de 8760 de los cuales se obtuvieron 8546 registros, ya que 214 registros
no se cuentan por diversos factores. Realizar la estadística de una base de datos tan amplia, es un trabajo
fuerte y de tiempo, para lo cual se realizó mediante Inteligencia Artificial, primero el tratamiento de
datos, el cual consiste en obtener las variables que se necesitan; del archivo Excel original, estos son la
METODOLOGÍA
La ciudad de Boca del Rio, Veracruz cuenta con una estación meteorológica perteneciente al Servicio
Meteorológico Nacional (SMN), y este pertenece a la Organización Mundial de Meteorología (OMM).
Dicha estación cumple con las normas de medición de datos meteorológicos de la OMM. La estación es
administrada por la Comisión Nacional del Agua (CONAGUA) y está registrada ante la OMM con el
número 76692, se encuentra ubicada en las coordenadas geográficas Latitud 19 grados 08’ 34.76” N y
longitud 96 grados 06’ 40.73” W (CONAGUA, Centro Hidrometeorológico Regional "Boca del Río -
Veracruz", s.f.). La estación cuenta con un anemocinemógrafo que mide velocidad y dirección del viento
a 25 metros sobre el nivel medio del mar, estos instrumentos son un anemómetro de cazuelas que mide
la velocidad en m/s y una veleta que proporciona la dirección con base a la rosa de los vientos (De la
Cruz Ángel, Inclán Barragán, González Mejía, Grajeda Rosado, & Diaz Abascal, 2024). Además, la
estación cuenta con una garita meteorológica que contiene un psicrómetro para medir temperatura seca
y húmeda en grados centígrados a nivel de superficie y un barómetro de mercurio de cubeta fija que
mide la presión atmosférica en hecto pascales a 12 metros sobre el nivel medio del mar. Los datos se
obtuvieron de la página oficial del SMN (CONAGUA, Servicio Meteorologico Nacional, s.f.). Los
registros de vientos se obtuvieron en un formato de archivo de Excel, donde están organizados en libros
mensuales y estos conforman un año, los registros se encuentran en archivos .xlsx que contienen 12
hojas y estas integran un año. Los datos obtenidos son horarios, estos representan un promedio de cuatro
mediciones que corresponden a lecturas de cada 15 minutos, de estas cuatro lecturas se obtiene los
promedios que definen tres tipos de vientos: dominante, promedio y máximo. Estos son vectores que
representan magnitud y dirección, este procedimiento está establecido en el manual teórico practico del
observador meteorológico de superficie (Agua, 2010). Además de vientos, se utilizó la presión
atmosférica y la temperatura ambiente, para calcular la densidad del aire. Estos registros son horarios,
se toman cada hora, la presión de un barómetro de mercurio, y la temperatura de una garita
meteorológica. Se tienen un total de 8760 de los cuales se obtuvieron 8546 registros, ya que 214 registros
no se cuentan por diversos factores. Realizar la estadística de una base de datos tan amplia, es un trabajo
fuerte y de tiempo, para lo cual se realizó mediante Inteligencia Artificial, primero el tratamiento de
datos, el cual consiste en obtener las variables que se necesitan; del archivo Excel original, estos son la
pág. 7611
fecha de registro, velocidad y dirección del viento, temperatura ambiente y presión atmosférica. Se
generó código en Python mediante la herramienta de IA DeepSeek (figura 1) (High-Flyer, s.f.).
Figura 1 Generación de codigo en Python, mediante herramienta de IA DeepSeek.
Una vez generado los códigos de programación en Python, estos deben compilarse en un entorno de
desarrollo (IDE) de escritorio o en este caso en una aplicación de nube como Google Colab (figura 2),
la cual es una herramienta que te permite programar y ejecutar código en Python, directamente en el
navegador, sin necesidad de instalar el compilador o librerías (Google, s.f.).
Figura 2 Ejecución de código en Python, mediante la herramienta Google Colab.
Con el tratamiento de datos realizado, se obtuvo una base de datos generada en un archivo .csv, el cual
contiene las variables que se requieren para realizar la evaluación del potencial eólico, con esta base de
datos, se realizó una ejecución de modelo de estadística descriptiva, mediante Python y la librería
Pandas, esta librería es una extensión de Numpy, está orientada al manejo de estructuras de datos, los
resultados se muestran en la tabla 1.
fecha de registro, velocidad y dirección del viento, temperatura ambiente y presión atmosférica. Se
generó código en Python mediante la herramienta de IA DeepSeek (figura 1) (High-Flyer, s.f.).
Figura 1 Generación de codigo en Python, mediante herramienta de IA DeepSeek.
Una vez generado los códigos de programación en Python, estos deben compilarse en un entorno de
desarrollo (IDE) de escritorio o en este caso en una aplicación de nube como Google Colab (figura 2),
la cual es una herramienta que te permite programar y ejecutar código en Python, directamente en el
navegador, sin necesidad de instalar el compilador o librerías (Google, s.f.).
Figura 2 Ejecución de código en Python, mediante la herramienta Google Colab.
Con el tratamiento de datos realizado, se obtuvo una base de datos generada en un archivo .csv, el cual
contiene las variables que se requieren para realizar la evaluación del potencial eólico, con esta base de
datos, se realizó una ejecución de modelo de estadística descriptiva, mediante Python y la librería
Pandas, esta librería es una extensión de Numpy, está orientada al manejo de estructuras de datos, los
resultados se muestran en la tabla 1.
pág. 7612
Tabla 1 Estadistica descriptiva del viento 2024.
Mes 2024 Número de
datos Moda
Velocidad
Promedio
(m/s)
Desviación
Estándar
Velocidad
máxima (m/s)
Enero 743 0.80 3.18 2.62 13.30
Febrero 672 2.20 2.89 2.07 11.10
Marzo 743 1.10 2.88 1.79 10.97
Abril 719 2.20 2.84 1.70 10.35
Mayo 743 2.80 2.61 1.26 6.70
Junio 715 2.80 2.59 1.33 7.20
Julio 739 1.10 2.09 1.03 6.40
Agosto 737 2.20 2.06 0.97 5.00
Septiembre 710 2.20 2.17 1.35 9.52
Octubre 743 2.20 3.12 2.04 10.67
Noviembre 719 1.10 2.39 1.58 9.37
Diciembre 563 1.10 2.17 2.00 14.20
La tabla 1 muestra el número de registros mensuales, la moda, la velocidad promedio, desviación
estándar y la velocidad máxima promedio de los registros de cada mes. El promedio de velocidad anual
es 2.59 (m/s) y la desviación estándar anual de 1.75, el histograma de distribución de vientos anual del
2024 se presenta en la figura 3.
Figura 3 Grafico de distribución anual de vientos 2024.
En el histograma se observa una mediana de 2.20, un promedio de 2.59 y una desviación estándar de
1.75.
La potencia que suministra un aerogenerador depende de la energía cinética que origina el viento, al
barrer la superficie de las palas, y ésta depende de su longitud y masa del aire en movimiento (Eraso
Checa, Escobar Rosero, Fernando Paz, & Morales, 2018). En la ecuación 1, se define la energía cinética
del viento.
Tabla 1 Estadistica descriptiva del viento 2024.
Mes 2024 Número de
datos Moda
Velocidad
Promedio
(m/s)
Desviación
Estándar
Velocidad
máxima (m/s)
Enero 743 0.80 3.18 2.62 13.30
Febrero 672 2.20 2.89 2.07 11.10
Marzo 743 1.10 2.88 1.79 10.97
Abril 719 2.20 2.84 1.70 10.35
Mayo 743 2.80 2.61 1.26 6.70
Junio 715 2.80 2.59 1.33 7.20
Julio 739 1.10 2.09 1.03 6.40
Agosto 737 2.20 2.06 0.97 5.00
Septiembre 710 2.20 2.17 1.35 9.52
Octubre 743 2.20 3.12 2.04 10.67
Noviembre 719 1.10 2.39 1.58 9.37
Diciembre 563 1.10 2.17 2.00 14.20
La tabla 1 muestra el número de registros mensuales, la moda, la velocidad promedio, desviación
estándar y la velocidad máxima promedio de los registros de cada mes. El promedio de velocidad anual
es 2.59 (m/s) y la desviación estándar anual de 1.75, el histograma de distribución de vientos anual del
2024 se presenta en la figura 3.
Figura 3 Grafico de distribución anual de vientos 2024.
En el histograma se observa una mediana de 2.20, un promedio de 2.59 y una desviación estándar de
1.75.
La potencia que suministra un aerogenerador depende de la energía cinética que origina el viento, al
barrer la superficie de las palas, y ésta depende de su longitud y masa del aire en movimiento (Eraso
Checa, Escobar Rosero, Fernando Paz, & Morales, 2018). En la ecuación 1, se define la energía cinética
del viento.
pág. 7613
𝐸𝑐 = 1
2 𝑚𝑣2 𝐸𝑐𝑢. (1)
Donde m es la masa del aire en (kg), y v es la velocidad del viento en (m/s), donde la masa se define en
la ecuación 2.
𝑚 = ∅𝑉 𝐸𝑐𝑢. (2)
Donde Ø es la densidad del aire en (kg/m3), y V es el volumen del cilindro de barrido en (m3). La
densidad del aire se define por la ecuación 3, donde Patm es la presión atmosférica, está dada en (kg/ms2),
Ro la constante del aire seco 287.05 (J/kg/K), esta fórmula se propone en la IEC 61400 (Ramírez &
Saavedra Montes, 2012).
∅ = 𝑃𝑎𝑡𝑚
𝑅𝑜𝑇𝑎𝑏𝑠
𝐸𝑐𝑢. (3)
V es el volumen de paso por las palas y se define por la ecuación 4.
𝑉 = 𝐴𝐿 𝐸𝑐𝑢. (4)
Donde A es la superficie en (m2), L es la longitud del cilindro en (m), y considerando el tiempo t, se
obtiene la ecuación 5.
𝐿 = 𝑣𝑡 𝐸𝑐𝑢. (5)
De esta forma resulta la ecuación 6, que define la energía cinética del viento.
𝐸𝑐 = 1
2 ∅𝐴𝑣3𝑡 𝐸𝑐𝑢. (6)
Con la energía cinética se puede obtener la potencia teórica del aerogenerador, definida en la ecuación
7.
𝑃 = 𝐸𝑐
𝑡 = 1
2 ∅𝐴𝑣3 𝐸𝑐𝑢. (7)
El área de paso por las palas es circular, siendo así, en las maquinas eólicas circulares, entonces el área
se define en función del diámetro de las palas y resulta la ecuación 8.
𝐴 = ∅ 𝐷2
4 𝐸𝑐𝑢. (8)
Resumiendo, la potencia disponible del viento se presenta en la ecuación 9.
𝑃 = 𝜋
8 ∅𝐷2𝑣3 𝐸𝑐𝑢. (9)
Para realizar un análisis más profundo se realizó una gráfica de distribución de Weibull de los datos
𝐸𝑐 = 1
2 𝑚𝑣2 𝐸𝑐𝑢. (1)
Donde m es la masa del aire en (kg), y v es la velocidad del viento en (m/s), donde la masa se define en
la ecuación 2.
𝑚 = ∅𝑉 𝐸𝑐𝑢. (2)
Donde Ø es la densidad del aire en (kg/m3), y V es el volumen del cilindro de barrido en (m3). La
densidad del aire se define por la ecuación 3, donde Patm es la presión atmosférica, está dada en (kg/ms2),
Ro la constante del aire seco 287.05 (J/kg/K), esta fórmula se propone en la IEC 61400 (Ramírez &
Saavedra Montes, 2012).
∅ = 𝑃𝑎𝑡𝑚
𝑅𝑜𝑇𝑎𝑏𝑠
𝐸𝑐𝑢. (3)
V es el volumen de paso por las palas y se define por la ecuación 4.
𝑉 = 𝐴𝐿 𝐸𝑐𝑢. (4)
Donde A es la superficie en (m2), L es la longitud del cilindro en (m), y considerando el tiempo t, se
obtiene la ecuación 5.
𝐿 = 𝑣𝑡 𝐸𝑐𝑢. (5)
De esta forma resulta la ecuación 6, que define la energía cinética del viento.
𝐸𝑐 = 1
2 ∅𝐴𝑣3𝑡 𝐸𝑐𝑢. (6)
Con la energía cinética se puede obtener la potencia teórica del aerogenerador, definida en la ecuación
7.
𝑃 = 𝐸𝑐
𝑡 = 1
2 ∅𝐴𝑣3 𝐸𝑐𝑢. (7)
El área de paso por las palas es circular, siendo así, en las maquinas eólicas circulares, entonces el área
se define en función del diámetro de las palas y resulta la ecuación 8.
𝐴 = ∅ 𝐷2
4 𝐸𝑐𝑢. (8)
Resumiendo, la potencia disponible del viento se presenta en la ecuación 9.
𝑃 = 𝜋
8 ∅𝐷2𝑣3 𝐸𝑐𝑢. (9)
Para realizar un análisis más profundo se realizó una gráfica de distribución de Weibull de los datos
pág. 7614
anuales del 2024, esta función presenta un excelente ajuste de los datos, con lo cual se puede obtener la
densidad de potencia con un buen ajuste determinado por los parámetros de forma (c) y escala (λ), estos
valores se obtuvieron mediante Python con la librería SciPy, se utilizaron los datos de velocidad del
viento horarios del año 2024 para elaborar la gráfica y obtener la función, representada en la figura 4.
Figura 4 Grafico de distribución Weibull de vientos.
En la figura 4, se presentan los resultados del análisis estadístico de los vientos, los cuales son: media
2.59, mediana 2.20, factor de forma 1.62 y factor de escala 2.93.
RESULTADOS Y DISCUSIÓN
La energía disponible del viento, no se puede aprovechar en su totalidad. Albert Betz, en su teorema
demostró que, al extraer la energía del viento, esta reduce su velocidad, y por tanto su aprovechamiento.
La máxima energía que se puede aprovechar del viento es del 59% (Mendoza Uribe, 2018), que es el
rendimiento máximo de la energía cinética disponible del viento. La potencia que extrae un
aerogenerador está definida por la ecuación 10.
𝑃 = 𝐶𝑝. ∅
2 . 𝜋𝐷2
4 . 𝑣3 𝐸𝑐𝑢. (10)
Donde Cp es el coeficiente de potencia que es el límite aprovechable en (%), expresado en la ecuación
11.
𝐶𝑝 = 𝑃𝑎
𝑃𝑑
𝐸𝑐𝑢. (11)
El Cp está determinado por la razón de la potencia aprovechable Pa y la potencia disponible Pd, la
densidad del aire Ø, D es el diámetro de las palas y v la velocidad del viento. La fórmula muestra dos
anuales del 2024, esta función presenta un excelente ajuste de los datos, con lo cual se puede obtener la
densidad de potencia con un buen ajuste determinado por los parámetros de forma (c) y escala (λ), estos
valores se obtuvieron mediante Python con la librería SciPy, se utilizaron los datos de velocidad del
viento horarios del año 2024 para elaborar la gráfica y obtener la función, representada en la figura 4.
Figura 4 Grafico de distribución Weibull de vientos.
En la figura 4, se presentan los resultados del análisis estadístico de los vientos, los cuales son: media
2.59, mediana 2.20, factor de forma 1.62 y factor de escala 2.93.
RESULTADOS Y DISCUSIÓN
La energía disponible del viento, no se puede aprovechar en su totalidad. Albert Betz, en su teorema
demostró que, al extraer la energía del viento, esta reduce su velocidad, y por tanto su aprovechamiento.
La máxima energía que se puede aprovechar del viento es del 59% (Mendoza Uribe, 2018), que es el
rendimiento máximo de la energía cinética disponible del viento. La potencia que extrae un
aerogenerador está definida por la ecuación 10.
𝑃 = 𝐶𝑝. ∅
2 . 𝜋𝐷2
4 . 𝑣3 𝐸𝑐𝑢. (10)
Donde Cp es el coeficiente de potencia que es el límite aprovechable en (%), expresado en la ecuación
11.
𝐶𝑝 = 𝑃𝑎
𝑃𝑑
𝐸𝑐𝑢. (11)
El Cp está determinado por la razón de la potencia aprovechable Pa y la potencia disponible Pd, la
densidad del aire Ø, D es el diámetro de las palas y v la velocidad del viento. La fórmula muestra dos
pág. 7615
características importantes, las cuales definen la potencia, la primera las características del viento que
son la densidad del aire y su velocidad, la segunda son las características del generador, donde se define
su rendimiento y el diámetro de las palas. En la tabla 2 se presentan las características del viento y
densidad mensuales.
Tabla 2 Propiedades del aire.
Mes 2024 Velocidad
Promedio (m/s)
presión
atmosférica
promedio (hPa)
Temperatura
ambiente (°C)
Densidad del aire
(kg/m2)
Enero 3.18 1014.27 22.86 1.19
Febrero 2.89 1013.47 23.42 1.19
Marzo 2.88 1009.87 26.20 1.18
Abril 2.84 1009.85 27.71 1.17
Mayo 2.61 1004.96 30.79 1.15
Junio 2.59 1006.84 29.78 1.16
Julio 2.09 1012.14 28.66 1.17
Agosto 2.06 1012.81 28.86 1.17
Septiembre 2.17 1008.48 29.09 1.16
Octubre 3.12 1013.49 26.97 1.18
Noviembre 2.39 1011.91 26.50 1.18
Diciembre 2.17 1016.44 24.15 1.19
En la tabla 2 se presenta los valores promedios mensuales de presión atmosférica y temperatura
ambiente, que definen la densidad del aire calculadas con la ecuación 3, ésta varía de 1.15 a 1.19 y el
promedio anual fue de 1.17; el valor es mayor de uno, lo cual aplica mayor empuje en las palas. Con el
valor de la densidad del aire para la ubicación de estudio, donde se encuentra la estación meteorológica,
y se obtuvieron valores horarios de temperatura, presión atmosférica, velocidad y dirección del viento,
se obtiene la potencia disponible del viento del lugar de estudio, definida en la ecuación 12.
𝑃
𝐴 = 1
2 . ∅. 𝑣3 𝐸𝑐𝑢. (12)
En donde P/A es la densidad de potencia disponible en (W/m2), Ø la densidad del aire promedio de la
ubicación en (kg/m3) y v la velocidad en (m/s).
características importantes, las cuales definen la potencia, la primera las características del viento que
son la densidad del aire y su velocidad, la segunda son las características del generador, donde se define
su rendimiento y el diámetro de las palas. En la tabla 2 se presentan las características del viento y
densidad mensuales.
Tabla 2 Propiedades del aire.
Mes 2024 Velocidad
Promedio (m/s)
presión
atmosférica
promedio (hPa)
Temperatura
ambiente (°C)
Densidad del aire
(kg/m2)
Enero 3.18 1014.27 22.86 1.19
Febrero 2.89 1013.47 23.42 1.19
Marzo 2.88 1009.87 26.20 1.18
Abril 2.84 1009.85 27.71 1.17
Mayo 2.61 1004.96 30.79 1.15
Junio 2.59 1006.84 29.78 1.16
Julio 2.09 1012.14 28.66 1.17
Agosto 2.06 1012.81 28.86 1.17
Septiembre 2.17 1008.48 29.09 1.16
Octubre 3.12 1013.49 26.97 1.18
Noviembre 2.39 1011.91 26.50 1.18
Diciembre 2.17 1016.44 24.15 1.19
En la tabla 2 se presenta los valores promedios mensuales de presión atmosférica y temperatura
ambiente, que definen la densidad del aire calculadas con la ecuación 3, ésta varía de 1.15 a 1.19 y el
promedio anual fue de 1.17; el valor es mayor de uno, lo cual aplica mayor empuje en las palas. Con el
valor de la densidad del aire para la ubicación de estudio, donde se encuentra la estación meteorológica,
y se obtuvieron valores horarios de temperatura, presión atmosférica, velocidad y dirección del viento,
se obtiene la potencia disponible del viento del lugar de estudio, definida en la ecuación 12.
𝑃
𝐴 = 1
2 . ∅. 𝑣3 𝐸𝑐𝑢. (12)
En donde P/A es la densidad de potencia disponible en (W/m2), Ø la densidad del aire promedio de la
ubicación en (kg/m3) y v la velocidad en (m/s).
pág. 7616
Tabla 3 Potencia disponible del viento.
Mes 2024 Velocidad Promedio
(m/s)
Densidad del aire
(kg/m2)
Potencia disponible del
viento (W/m2)
Enero 3.18 1.19 19.20
Febrero 2.89 1.19 14.37
Marzo 2.88 1.18 14.04
Abril 2.84 1.17 13.39
Mayo 2.61 1.15 10.24
Junio 2.59 1.16 10.06
Julio 2.09 1.17 5.33
Agosto 2.06 1.17 5.11
Septiembre 2.17 1.16 5.94
Octubre 3.12 1.18 17.87
Noviembre 2.39 1.18 8.03
Diciembre 2.17 1.19 6.09
La potencia disponible en el año 2024, calculada con la ecuación 12, se presentan mes a mes en la tabla
3, se presenta en las columnas las dos variables de las que depende la potencia disponible, la velocidad
y la densidad del aire.
Figura 5 Grafico de tendencia anual de vientos.
La figura 5 muestra el comportamiento anual de la velocidad promedio diaria del año 2024, donde se
observa la tendencia del viento, los picos de velocidades se deben a la estacionalidad del año, causada
por el fenómeno de frentes fríos del golfo de México (González Mejia, De la Cruz Ángel, Inclán
Barragán, Pacheco Martinez, & Ponce Ávila, 2025).
CONCLUSIONES
Un estudio estadístico de los registros horarios anuales de las características del viento, como son: la
velocidad y dirección del viento, temperatura y presión atmosférica, son fundamentales para realizar un
estudio del potencial eólico disponible. A partir de las estadísticas de la ubicación de la zona de estudio
se puede iniciar un análisis del posible aprovechamiento de la energía eólica del lugar, tomando los
Tabla 3 Potencia disponible del viento.
Mes 2024 Velocidad Promedio
(m/s)
Densidad del aire
(kg/m2)
Potencia disponible del
viento (W/m2)
Enero 3.18 1.19 19.20
Febrero 2.89 1.19 14.37
Marzo 2.88 1.18 14.04
Abril 2.84 1.17 13.39
Mayo 2.61 1.15 10.24
Junio 2.59 1.16 10.06
Julio 2.09 1.17 5.33
Agosto 2.06 1.17 5.11
Septiembre 2.17 1.16 5.94
Octubre 3.12 1.18 17.87
Noviembre 2.39 1.18 8.03
Diciembre 2.17 1.19 6.09
La potencia disponible en el año 2024, calculada con la ecuación 12, se presentan mes a mes en la tabla
3, se presenta en las columnas las dos variables de las que depende la potencia disponible, la velocidad
y la densidad del aire.
Figura 5 Grafico de tendencia anual de vientos.
La figura 5 muestra el comportamiento anual de la velocidad promedio diaria del año 2024, donde se
observa la tendencia del viento, los picos de velocidades se deben a la estacionalidad del año, causada
por el fenómeno de frentes fríos del golfo de México (González Mejia, De la Cruz Ángel, Inclán
Barragán, Pacheco Martinez, & Ponce Ávila, 2025).
CONCLUSIONES
Un estudio estadístico de los registros horarios anuales de las características del viento, como son: la
velocidad y dirección del viento, temperatura y presión atmosférica, son fundamentales para realizar un
estudio del potencial eólico disponible. A partir de las estadísticas de la ubicación de la zona de estudio
se puede iniciar un análisis del posible aprovechamiento de la energía eólica del lugar, tomando los
pág. 7617
datos que se encuentran en la estación meteorológica. La estadística descriptiva mostrada en la tabla 1,
realizada a 8546 registros, muestra un promedio anual de 2.59 m/s en la velocidad del viento, esta varia
de 0 conocido como calmas hasta 14.20 m/s como viento promedio horario máximo, la desviación
estándar anual es de 1.75, lo cual nos recomienda realizar un estudio de variabilidad de la velocidad del
viento; el mes con menor promedio es agosto con 2.06 m/s y el de mayor promedio es enero con 3.18
m/s, debido a la mayor frecuencia de eventos de frentes fríos en este mes. En la figura 3, en el histograma
anual de vientos realizado, se observa que los vientos se encuentran mayormente entre 1.0 y 3.0 m/s, ahí
se encuentra la mayor frecuencia, los valores obtenidos mediante la ejecución de los modelos
estadísticos con Python y la librería Pandas nos da una media de 2.59, una mediana de 2.20 y una
desviación estándar de 1.75, el histograma muestra una excelente distribución de los registros de vientos
en el año 2024. En la figura 4 del grafico de distribución de Weibull, se muestra la distribución de
vientos, el factor de forma (c), describe el comportamiento del viento, mientras que el factor de escala
(λ), indica la velocidad media del viento, el factor de forma es 1.62, la cual se refiere a las velocidades
más probables, y el factor de escala de 2.93 nos dice que este valor es el que se aproxima más a la
velocidad media anual; este grafico junto con el histograma de frecuencias es el inicio para un estudio
de potencial eólico y la selección de un aerogenerador en sitio. En la tabla 2, de propiedades del aire se
muestra las características de densidad del aire, obtenidas a partir de la temperatura ambiente y la presión
atmosférica y calculadas con la ecuación 3. Se muestra que los meses con menos densidad es junio y
septiembre con 1.16 y los meses con mayor densidad son enero, febrero y diciembre con 1.19, el
promedio anual de la densidad del aire es de 1.17, lo cual es normal para una zona costera, ya que a
mayor altura y menor presión atmosférica hay menor densidad del aire, en energía eólica una densidad
arriba de 1 del aire provoca mayor empuje en las palas de los aerogeneradores, ya que hay más masa de
aire por unidad de volumen, esto se traduce en mayor empuje. En la tabla 4 se presenta la potencia
disponible del viento en (W/m2), esta potencia teórica está limitada al rendimiento del aerogenerador,
está calculada con la ecuación 12, con base a la velocidad promedio y la densidad de aire mensuales, el
promedio anual de velocidad es 2.59 y la densidad promedio anual es 1.17. Se observa que el mes con
menor disponibilidad es agosto con 5.11 y el de mayor disponibilidad es enero con 19.20, se observa
una variación muy alta, debido a la variabilidad estacional de los vientos de la zona de estudio. El
datos que se encuentran en la estación meteorológica. La estadística descriptiva mostrada en la tabla 1,
realizada a 8546 registros, muestra un promedio anual de 2.59 m/s en la velocidad del viento, esta varia
de 0 conocido como calmas hasta 14.20 m/s como viento promedio horario máximo, la desviación
estándar anual es de 1.75, lo cual nos recomienda realizar un estudio de variabilidad de la velocidad del
viento; el mes con menor promedio es agosto con 2.06 m/s y el de mayor promedio es enero con 3.18
m/s, debido a la mayor frecuencia de eventos de frentes fríos en este mes. En la figura 3, en el histograma
anual de vientos realizado, se observa que los vientos se encuentran mayormente entre 1.0 y 3.0 m/s, ahí
se encuentra la mayor frecuencia, los valores obtenidos mediante la ejecución de los modelos
estadísticos con Python y la librería Pandas nos da una media de 2.59, una mediana de 2.20 y una
desviación estándar de 1.75, el histograma muestra una excelente distribución de los registros de vientos
en el año 2024. En la figura 4 del grafico de distribución de Weibull, se muestra la distribución de
vientos, el factor de forma (c), describe el comportamiento del viento, mientras que el factor de escala
(λ), indica la velocidad media del viento, el factor de forma es 1.62, la cual se refiere a las velocidades
más probables, y el factor de escala de 2.93 nos dice que este valor es el que se aproxima más a la
velocidad media anual; este grafico junto con el histograma de frecuencias es el inicio para un estudio
de potencial eólico y la selección de un aerogenerador en sitio. En la tabla 2, de propiedades del aire se
muestra las características de densidad del aire, obtenidas a partir de la temperatura ambiente y la presión
atmosférica y calculadas con la ecuación 3. Se muestra que los meses con menos densidad es junio y
septiembre con 1.16 y los meses con mayor densidad son enero, febrero y diciembre con 1.19, el
promedio anual de la densidad del aire es de 1.17, lo cual es normal para una zona costera, ya que a
mayor altura y menor presión atmosférica hay menor densidad del aire, en energía eólica una densidad
arriba de 1 del aire provoca mayor empuje en las palas de los aerogeneradores, ya que hay más masa de
aire por unidad de volumen, esto se traduce en mayor empuje. En la tabla 4 se presenta la potencia
disponible del viento en (W/m2), esta potencia teórica está limitada al rendimiento del aerogenerador,
está calculada con la ecuación 12, con base a la velocidad promedio y la densidad de aire mensuales, el
promedio anual de velocidad es 2.59 y la densidad promedio anual es 1.17. Se observa que el mes con
menor disponibilidad es agosto con 5.11 y el de mayor disponibilidad es enero con 19.20, se observa
una variación muy alta, debido a la variabilidad estacional de los vientos de la zona de estudio. El
pág. 7618
potencial disponible promedio anual en promedio es de 10.66 W/m2. En la figura 5 de tendencia de
vientos en el año 2024, se observa que los vientos tienen dos periodos estacionales muy marcados, de
vientos de menor velocidad de los meses de mayo a octubre y de vientos más fuertes de noviembre a
diciembre, el aprovechamiento depende del mes del año, esto debido a la climatología de la zona de
estudio, y hay que considerar esta situación en la selección del aerogenerador, ya que también en la
figura 5 se observa picos de velocidades altas, debido a los eventos de frentes fríos, los cuales muestran
una variabilidad de los eventos y a su vez mostrada en la gráfica de tendencia de vientos, de la figura 5.
REFERENCIAS BIBLIOGRÁFICAS
Agua, C. N. (2010). Manual Teórico Práctico del Observador Meteorológico de Superficie. Ciudad de
México: Secretaria de Medio Ambiente y Recursos Naturales.
Barzola, J., Espinoza, M., Vera, Á., Valencia, Á., Cabrera, F., & Briones, C. (2016). Análisis del
potencial de energía eólica a partir de mediciones in situ en Atahualpa - Santa Elena.
YACHANA, 5(3), 103-112.
CONAGUA, S. . (s.f.). Centro Hidrometeorológico Regional "Boca del Río - Veracruz". Recuperado
el 30 de Marzo de 2025, de https://smn.conagua.gob.mx/es/centro-hidrometeorologico-
veracruz-boca-del-rio
CONAGUA, S. . (s.f.). Servicio Meteorologico Nacional. Recuperado el 30 de Marzo de 2025, de
https://smn.conagua.gob.mx/es/
De la Cruz Ángel, E. J., Inclán Barragán, J. A., González Mejía, G., Grajeda Rosado, R. M., & Diaz
Abascal, P. (2024). Estudio de Comportamiento de Velocidad del Viento en Boca del
RíoMediante Distribución Weibull. Ingeniantes, 2(1), 23-28.
Enríquez García, L. A., & Moreno Avilés, H. O. (2020). Características del viento y potencia eólica
disponible en la región andina de la provincia de Chimborazo. Dominio de las ciencias, 6(3),
1077-1093.
Eraso Checa, F., Escobar Rosero, E., Fernando Paz, D., & Morales, C. (2018). Metodología para la
determinación de características del viento y evaluación del potencial de energía eólica en
Túquerres - Nariño. Cientifica, 31(1), 19-31.
potencial disponible promedio anual en promedio es de 10.66 W/m2. En la figura 5 de tendencia de
vientos en el año 2024, se observa que los vientos tienen dos periodos estacionales muy marcados, de
vientos de menor velocidad de los meses de mayo a octubre y de vientos más fuertes de noviembre a
diciembre, el aprovechamiento depende del mes del año, esto debido a la climatología de la zona de
estudio, y hay que considerar esta situación en la selección del aerogenerador, ya que también en la
figura 5 se observa picos de velocidades altas, debido a los eventos de frentes fríos, los cuales muestran
una variabilidad de los eventos y a su vez mostrada en la gráfica de tendencia de vientos, de la figura 5.
REFERENCIAS BIBLIOGRÁFICAS
Agua, C. N. (2010). Manual Teórico Práctico del Observador Meteorológico de Superficie. Ciudad de
México: Secretaria de Medio Ambiente y Recursos Naturales.
Barzola, J., Espinoza, M., Vera, Á., Valencia, Á., Cabrera, F., & Briones, C. (2016). Análisis del
potencial de energía eólica a partir de mediciones in situ en Atahualpa - Santa Elena.
YACHANA, 5(3), 103-112.
CONAGUA, S. . (s.f.). Centro Hidrometeorológico Regional "Boca del Río - Veracruz". Recuperado
el 30 de Marzo de 2025, de https://smn.conagua.gob.mx/es/centro-hidrometeorologico-
veracruz-boca-del-rio
CONAGUA, S. . (s.f.). Servicio Meteorologico Nacional. Recuperado el 30 de Marzo de 2025, de
https://smn.conagua.gob.mx/es/
De la Cruz Ángel, E. J., Inclán Barragán, J. A., González Mejía, G., Grajeda Rosado, R. M., & Diaz
Abascal, P. (2024). Estudio de Comportamiento de Velocidad del Viento en Boca del
RíoMediante Distribución Weibull. Ingeniantes, 2(1), 23-28.
Enríquez García, L. A., & Moreno Avilés, H. O. (2020). Características del viento y potencia eólica
disponible en la región andina de la provincia de Chimborazo. Dominio de las ciencias, 6(3),
1077-1093.
Eraso Checa, F., Escobar Rosero, E., Fernando Paz, D., & Morales, C. (2018). Metodología para la
determinación de características del viento y evaluación del potencial de energía eólica en
Túquerres - Nariño. Cientifica, 31(1), 19-31.
pág. 7619
González Mejia, G., De la Cruz Ángel, E. J., Inclán Barragán, J. A., Pacheco Martinez, C., & Ponce
Ávila, J. (2025). EVALUACIÓN DE LA VELOCIDAD DEL VIENTO A DIFERENTES
ALTURAS: ESTUDIO TEMPORAL Y ESPACIAL EN BOCA DEL RÍO, VERACRUZ.
Ciencia Latina, 9(1), 6245-6255.
Google. (s.f.). Google Colaboratory. Recuperado el 30 de Marzo de 2025, de
https://colab.research.google.com/?hl=es#scrollTo=5fCEDCU_qrC0
High-Flyer. (s.f.). DeepSeek. Recuperado el 30 de Marzo de 2025, de https://www.deepseek.com/
Mendoza Uribe, I. (2018). Valoración del viento como fuente de energía eólica en el estado de
Guerrero. Ingenieria, 22(3), 30-46.
Ramírez, C., & Saavedra Montes, A. J. (2012). Cálculo de parámetros del modelo de una turbina
eólica (160 w). IEEE.
González Mejia, G., De la Cruz Ángel, E. J., Inclán Barragán, J. A., Pacheco Martinez, C., & Ponce
Ávila, J. (2025). EVALUACIÓN DE LA VELOCIDAD DEL VIENTO A DIFERENTES
ALTURAS: ESTUDIO TEMPORAL Y ESPACIAL EN BOCA DEL RÍO, VERACRUZ.
Ciencia Latina, 9(1), 6245-6255.
Google. (s.f.). Google Colaboratory. Recuperado el 30 de Marzo de 2025, de
https://colab.research.google.com/?hl=es#scrollTo=5fCEDCU_qrC0
High-Flyer. (s.f.). DeepSeek. Recuperado el 30 de Marzo de 2025, de https://www.deepseek.com/
Mendoza Uribe, I. (2018). Valoración del viento como fuente de energía eólica en el estado de
Guerrero. Ingenieria, 22(3), 30-46.
Ramírez, C., & Saavedra Montes, A. J. (2012). Cálculo de parámetros del modelo de una turbina
eólica (160 w). IEEE.