USO DE REDES NEURONALES ARTIFICIALES PARA LA ESTIMACIÓN DE LA RADIACIÓN SOLAR HORARIA BAJO DIFERENTES CONDICIONES DE CIELO

Autores/as

  • Lucas Olivera Programa TICAPPS, Universidad Nacional Arturo Jauretche, Av. Calchaquí 6200, Florencio Varela (1888), Argentina
  • Julissa Atia Programa TICAPPS, Universidad Nacional Arturo Jauretche, Av. Calchaquí 6200, Florencio Varela (1888), Argentina
  • Leonardo Amet Programa TICAPPS, Universidad Nacional Arturo Jauretche, Av. Calchaquí 6200, Florencio Varela (1888), Argentina
  • Jorge Osio Programa TICAPPS, Universidad Nacional Arturo Jauretche, Av. Calchaquí 6200, Florencio Varela (1888), Argentina
  • Martín Morales Programa TICAPPS, Universidad Nacional Arturo Jauretche, Av. Calchaquí 6200, Florencio Varela (1888), Argentina
  • Marcelo Cappelletti Instituto LEICI (CONICET-UNLP)

Palabras clave:

Radiación solar, Redes neuronales artificiales, Nubosidad

Resumen

La radiación solar es un factor clave en numerosas aplicaciones, tales como sistemas
fotovoltaicos o térmicos, en la arquitectura y en la agricultura. Sin embargo, no siempre es posible contar con datos experimentales de radiación solar en los lugares de interés. Por esta razón, anteriormente, una amplia variedad de modelos teóricos han sido desarrollados con el fin de estimar este parámetro. Este trabajo presenta un análisis comparativo de modelos de redes neuronales artificiales para la estimación de la radiación solar global horaria en la localidad de Florencio Varela, provincia de Buenos Aires, a partir de variables meteorológicas de sencilla obtención (temperatura y humedad relativa). Los resultados obtenidos muestran un pobre desempeño de los modelos cuando son entrenados con diferentes condiciones de cielo. Esto se debe fundamentalmente al conjunto limitado de datos utilizado y a la gran dispersión de valores de radiación solar medidos. Por el contrario, cuando se utiliza el índice de claridad Kt, y los modelos son entrenados con datos correspondientes a la condición de cielo despejado (Kt > 0.6), los errores de estimación se reducen significativamente. Estos modelos podrían aplicarse en lugares donde no se dispone de valores de radiación solar medidos.

Descargas

Publicado

2020-12-30