Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo
- Autores
- Olivera, Lucas Maximiliano; Atia, Julissa; Amet, Leonardo Javier; Osio, Jorge Rafael; Morales, Martín; Cappelletti, Marcelo Ángel
- Año de publicación
- 2020
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- 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 comparativeanalysis of artificial neural network modelsfor estimating the hourly global solarradiationin Florencio Varela, province of Buenos Aires, from easilyobtainedmeteorologicaldata (temperature and relativehumidity). 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 wheremeasured solar radiation values are unavailable.
Fil: Olivera, Lucas Maximiliano. Universidad Nacional Arturo Jauretche; Argentina. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina
Fil: Atia, Julissa. Universidad Nacional Arturo Jauretche; Argentina. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina
Fil: Amet, Leonardo Javier. Universidad Nacional Arturo Jauretche; Argentina
Fil: Osio, Jorge Rafael. Universidad Nacional Arturo Jauretche; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales. Universidad Nacional de La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina
Fil: Morales, Martín. Universidad Nacional Arturo Jauretche; Argentina. Universidad Tecnológica Nacional; Argentina
Fil: Cappelletti, Marcelo Ángel. Universidad Nacional Arturo Jauretche; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales. Universidad Nacional de La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina - Materia
-
Radiación Solar
Redes neuronales artificiales
Nubosidad - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/140767
Ver los metadatos del registro completo
id |
CONICETDig_24c81da6ec217f81d5a6c9deff6881d7 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/140767 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cieloOlivera, Lucas MaximilianoAtia, JulissaAmet, Leonardo JavierOsio, Jorge RafaelMorales, MartínCappelletti, Marcelo ÁngelRadiación SolarRedes neuronales artificialesNubosidadhttps://purl.org/becyt/ford/2.2https://purl.org/becyt/ford/2La 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 comparativeanalysis of artificial neural network modelsfor estimating the hourly global solarradiationin Florencio Varela, province of Buenos Aires, from easilyobtainedmeteorologicaldata (temperature and relativehumidity). 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 wheremeasured solar radiation values are unavailable.Fil: Olivera, Lucas Maximiliano. Universidad Nacional Arturo Jauretche; Argentina. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; ArgentinaFil: Atia, Julissa. Universidad Nacional Arturo Jauretche; Argentina. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; ArgentinaFil: Amet, Leonardo Javier. Universidad Nacional Arturo Jauretche; ArgentinaFil: Osio, Jorge Rafael. Universidad Nacional Arturo Jauretche; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales. Universidad Nacional de La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; ArgentinaFil: Morales, Martín. Universidad Nacional Arturo Jauretche; Argentina. Universidad Tecnológica Nacional; ArgentinaFil: Cappelletti, Marcelo Ángel. Universidad Nacional Arturo Jauretche; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales. Universidad Nacional de La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; ArgentinaAsociación Argentina de Energías Renovables y Ambiente2020-12-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/140767Olivera, Lucas Maximiliano; Atia, Julissa; Amet, Leonardo Javier; Osio, Jorge Rafael; Morales, Martín; et al.; Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo; Asociación Argentina de Energías Renovables y Ambiente; Avances en Energías Renovables y Medio Ambiente; 24; 30-12-2020; 232-2430329-51842314-1433CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://avermaexa.unsa.edu.ar/index.php/averma/article/view/30info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:06:55Zoai:ri.conicet.gov.ar:11336/140767instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:06:55.93CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
title |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo |
spellingShingle |
Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo Olivera, Lucas Maximiliano Radiación Solar Redes neuronales artificiales Nubosidad |
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 |
dc.creator.none.fl_str_mv |
Olivera, Lucas Maximiliano Atia, Julissa Amet, Leonardo Javier Osio, Jorge Rafael Morales, Martín Cappelletti, Marcelo Ángel |
author |
Olivera, Lucas Maximiliano |
author_facet |
Olivera, Lucas Maximiliano Atia, Julissa Amet, Leonardo Javier Osio, Jorge Rafael Morales, Martín Cappelletti, Marcelo Ángel |
author_role |
author |
author2 |
Atia, Julissa Amet, Leonardo Javier Osio, Jorge Rafael Morales, Martín Cappelletti, Marcelo Ángel |
author2_role |
author author author author author |
dc.subject.none.fl_str_mv |
Radiación Solar Redes neuronales artificiales Nubosidad |
topic |
Radiación Solar Redes neuronales artificiales Nubosidad |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/2.2 https://purl.org/becyt/ford/2 |
dc.description.none.fl_txt_mv |
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 comparativeanalysis of artificial neural network modelsfor estimating the hourly global solarradiationin Florencio Varela, province of Buenos Aires, from easilyobtainedmeteorologicaldata (temperature and relativehumidity). 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 wheremeasured solar radiation values are unavailable. Fil: Olivera, Lucas Maximiliano. Universidad Nacional Arturo Jauretche; Argentina. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina Fil: Atia, Julissa. Universidad Nacional Arturo Jauretche; Argentina. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina Fil: Amet, Leonardo Javier. Universidad Nacional Arturo Jauretche; Argentina Fil: Osio, Jorge Rafael. Universidad Nacional Arturo Jauretche; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales. Universidad Nacional de La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina Fil: Morales, Martín. Universidad Nacional Arturo Jauretche; Argentina. Universidad Tecnológica Nacional; Argentina Fil: Cappelletti, Marcelo Ángel. Universidad Nacional Arturo Jauretche; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales. Universidad Nacional de La Plata. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales; Argentina |
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. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-12-30 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/140767 Olivera, Lucas Maximiliano; Atia, Julissa; Amet, Leonardo Javier; Osio, Jorge Rafael; Morales, Martín; et al.; Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo; Asociación Argentina de Energías Renovables y Ambiente; Avances en Energías Renovables y Medio Ambiente; 24; 30-12-2020; 232-243 0329-5184 2314-1433 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/140767 |
identifier_str_mv |
Olivera, Lucas Maximiliano; Atia, Julissa; Amet, Leonardo Javier; Osio, Jorge Rafael; Morales, Martín; et al.; Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo; Asociación Argentina de Energías Renovables y Ambiente; Avances en Energías Renovables y Medio Ambiente; 24; 30-12-2020; 232-243 0329-5184 2314-1433 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://avermaexa.unsa.edu.ar/index.php/averma/article/view/30 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Asociación Argentina de Energías Renovables y Ambiente |
publisher.none.fl_str_mv |
Asociación Argentina de Energías Renovables y Ambiente |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613923674783744 |
score |
13.070432 |