Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo
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, anteriorme...
Guardado en:
Autores principales: | , , , , , |
---|---|
Formato: | Articulo |
Lenguaje: | Español |
Publicado: |
2020
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/138501 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1979 |
Aporte de: |
id |
I19-R120-10915-138501 |
---|---|
record_format |
dspace |
spelling |
I19-R120-10915-1385012023-06-27T20:03:04Z http://sedici.unlp.edu.ar/handle/10915/138501 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1979 issn:2314-1433 issn:2796-8111 Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo Olivera, Lucas Atia, Julissa Amet, Leonardo Osio, Jorge Rafael Morales, Martín Alberto Cappelletti, Marcelo Angel 2020 2022-06-28T18:19:05Z es Ingeniería Radiación solar Redes neuronales artificiales Nubosidad Redes neuronales Solar radiation Artificial neural network Cloudiness 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. Solar radiation is a key factor in many applications, such as photovoltaic or thermal systems, architecture and agriculture. However, experimental data on solar radiation may not be available in all geographical areas. For this reason, in the past, a wide variety of theoretical models have been developed in order to estimate this parameter. This paper presents a comparative analysis of artificial neural network models for estimating the hourly global solar radiation in Florencio Varela, province of Buenos Aires, from easily obtained meteorological data (temperature and relative humidity). The results obtained show a poor performance of the models when they are trained with different sky conditions. This is mainly due to the limited data set used and the large dispersion of measured solar radiation values. On the contrary, when the clarity index Kt is used, and the models are trained with data corresponding to the clear sky condition (Kt > 0.6), the estimation errors are significantly reduced. These models could be applied at sites where measured solar radiation values are unavailable. Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) Articulo Articulo http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) application/pdf 232-243 |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ingeniería Radiación solar Redes neuronales artificiales Nubosidad Redes neuronales Solar radiation Artificial neural network Cloudiness |
spellingShingle |
Ingeniería Radiación solar Redes neuronales artificiales Nubosidad Redes neuronales Solar radiation Artificial neural network Cloudiness Olivera, Lucas Atia, Julissa Amet, Leonardo Osio, Jorge Rafael Morales, Martín Alberto Cappelletti, Marcelo Angel Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
topic_facet |
Ingeniería Radiación solar Redes neuronales artificiales Nubosidad Redes neuronales Solar radiation Artificial neural network Cloudiness |
description |
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. |
format |
Articulo Articulo |
author |
Olivera, Lucas Atia, Julissa Amet, Leonardo Osio, Jorge Rafael Morales, Martín Alberto Cappelletti, Marcelo Angel |
author_facet |
Olivera, Lucas Atia, Julissa Amet, Leonardo Osio, Jorge Rafael Morales, Martín Alberto Cappelletti, Marcelo Angel |
author_sort |
Olivera, Lucas |
title |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
title_short |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
title_full |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
title_fullStr |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
title_full_unstemmed |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
title_sort |
uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
publishDate |
2020 |
url |
http://sedici.unlp.edu.ar/handle/10915/138501 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1979 |
work_keys_str_mv |
AT oliveralucas usoderedesneuronalesartificialesparalaestimaciondelaradiacionsolarhorariabajodiferentescondicionesdecielo AT atiajulissa usoderedesneuronalesartificialesparalaestimaciondelaradiacionsolarhorariabajodiferentescondicionesdecielo AT ametleonardo usoderedesneuronalesartificialesparalaestimaciondelaradiacionsolarhorariabajodiferentescondicionesdecielo AT osiojorgerafael usoderedesneuronalesartificialesparalaestimaciondelaradiacionsolarhorariabajodiferentescondicionesdecielo AT moralesmartinalberto usoderedesneuronalesartificialesparalaestimaciondelaradiacionsolarhorariabajodiferentescondicionesdecielo AT cappellettimarceloangel usoderedesneuronalesartificialesparalaestimaciondelaradiacionsolarhorariabajodiferentescondicionesdecielo |
_version_ |
1770170723135913984 |