Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales

Autores
Jimenez, Victor Adrian; Will, Adrian L. E.; Rodriguez, Sebastian Alberto
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo,adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoría utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0% (Root Mean Squared Error) con regresión lineal y 7.84% con redes neuronales.
Solar radiation is one of the most important parameter for application, development and research related to renewable energy. However, the solar radiation measurements acquisition is not always possible for many reasons, and it is necessary to have models to estimate it. Mostly, these models use climatic variables that are difficult to measure and are not always available in all sites. The aim of this paper is to estimate hourly solar radiation, based on neural networks, using solar radiation estimates obtained by a simple mathematical model and climatic variables easy to acquire as input variables: Temperature, pressure and humidity. In addition, to verify that neural networks are most appropriate in these cases, a comparison with linear regression estimates was made. The models were adjusted and validated with data from five weather stations of the province of Tucuman, Argentina, achieving on average a Root Mean Squared Error value of 11.0% for linear regression and 7.84% for neural networks.
Fil: Jimenez, Victor Adrian. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Will, Adrian L. E.. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Rodriguez, Sebastian Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tucumán; Argentina. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Materia
RADIACIÓN SOLAR HORARIA
MODELOS EMPÍRICOS
REDES NEURONALES FEEDFORWARD
REGRESIÓN LINEAL
ENERGÍA RENOVABLE
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/127736
Acceder
id CONICETDig_5c4dc90966646718d43d51f3c6df9e51
oai_identifier_str oai:ri.conicet.gov.ar:11336/127736
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificialesJimenez, Victor AdrianWill, Adrian L. E.Rodriguez, Sebastian AlbertoRADIACIÓN SOLAR HORARIAMODELOS EMPÍRICOSREDES NEURONALES FEEDFORWARDREGRESIÓN LINEALENERGÍA RENOVABLEhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo,adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoría utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0% (Root Mean Squared Error) con regresión lineal y 7.84% con redes neuronales.Solar radiation is one of the most important parameter for application, development and research related to renewable energy. However, the solar radiation measurements acquisition is not always possible for many reasons, and it is necessary to have models to estimate it. Mostly, these models use climatic variables that are difficult to measure and are not always available in all sites. The aim of this paper is to estimate hourly solar radiation, based on neural networks, using solar radiation estimates obtained by a simple mathematical model and climatic variables easy to acquire as input variables: Temperature, pressure and humidity. In addition, to verify that neural networks are most appropriate in these cases, a comparison with linear regression estimates was made. The models were adjusted and validated with data from five weather stations of the province of Tucuman, Argentina, achieving on average a Root Mean Squared Error value of 11.0% for linear regression and 7.84% for neural networks.Fil: Jimenez, Victor Adrian. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; ArgentinaFil: Will, Adrian L. E.. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; ArgentinaFil: Rodriguez, Sebastian Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tucumán; Argentina. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; ArgentinaUniversidad de Palermo2017-10info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/127736Jimenez, Victor Adrian; Will, Adrian L. E.; Rodriguez, Sebastian Alberto; Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales; Universidad de Palermo; Ciencia y Tecnología; 17; 10-2017; 29-431850-08702344-9217CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://www.palermo.edu/ingenieria/pdf2017/CyT_17_02.pdfinfo:eu-repo/semantics/altIdentifier/url/http://dspace.palermo.edu/dspace/handle/10226/1886info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-10T13:00:42Zoai:ri.conicet.gov.ar:11336/127736instacron: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:34982025-09-10 13:00:42.839CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
title Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
spellingShingle Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
Jimenez, Victor Adrian
RADIACIÓN SOLAR HORARIA
MODELOS EMPÍRICOS
REDES NEURONALES FEEDFORWARD
REGRESIÓN LINEAL
ENERGÍA RENOVABLE
title_short Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
title_full Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
title_fullStr Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
title_full_unstemmed Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
title_sort Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
dc.creator.none.fl_str_mv Jimenez, Victor Adrian
Will, Adrian L. E.
Rodriguez, Sebastian Alberto
author Jimenez, Victor Adrian
author_facet Jimenez, Victor Adrian
Will, Adrian L. E.
Rodriguez, Sebastian Alberto
author_role author
author2 Will, Adrian L. E.
Rodriguez, Sebastian Alberto
author2_role author
author
dc.subject.none.fl_str_mv RADIACIÓN SOLAR HORARIA
MODELOS EMPÍRICOS
REDES NEURONALES FEEDFORWARD
REGRESIÓN LINEAL
ENERGÍA RENOVABLE
topic RADIACIÓN SOLAR HORARIA
MODELOS EMPÍRICOS
REDES NEURONALES FEEDFORWARD
REGRESIÓN LINEAL
ENERGÍA RENOVABLE
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo,adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoría utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0% (Root Mean Squared Error) con regresión lineal y 7.84% con redes neuronales.
Solar radiation is one of the most important parameter for application, development and research related to renewable energy. However, the solar radiation measurements acquisition is not always possible for many reasons, and it is necessary to have models to estimate it. Mostly, these models use climatic variables that are difficult to measure and are not always available in all sites. The aim of this paper is to estimate hourly solar radiation, based on neural networks, using solar radiation estimates obtained by a simple mathematical model and climatic variables easy to acquire as input variables: Temperature, pressure and humidity. In addition, to verify that neural networks are most appropriate in these cases, a comparison with linear regression estimates was made. The models were adjusted and validated with data from five weather stations of the province of Tucuman, Argentina, achieving on average a Root Mean Squared Error value of 11.0% for linear regression and 7.84% for neural networks.
Fil: Jimenez, Victor Adrian. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Will, Adrian L. E.. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
Fil: Rodriguez, Sebastian Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tucumán; Argentina. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
description La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo,adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoría utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0% (Root Mean Squared Error) con regresión lineal y 7.84% con redes neuronales.
publishDate 2017
dc.date.none.fl_str_mv 2017-10
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/11336/127736
Jimenez, Victor Adrian; Will, Adrian L. E.; Rodriguez, Sebastian Alberto; Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales; Universidad de Palermo; Ciencia y Tecnología; 17; 10-2017; 29-43
1850-0870
2344-9217
CONICET Digital
CONICET
url http://hdl.handle.net/11336/127736
identifier_str_mv Jimenez, Victor Adrian; Will, Adrian L. E.; Rodriguez, Sebastian Alberto; Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales; Universidad de Palermo; Ciencia y Tecnología; 17; 10-2017; 29-43
1850-0870
2344-9217
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.palermo.edu/ingenieria/pdf2017/CyT_17_02.pdf
info:eu-repo/semantics/altIdentifier/url/http://dspace.palermo.edu/dspace/handle/10226/1886
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
application/pdf
dc.publisher.none.fl_str_mv Universidad de Palermo
publisher.none.fl_str_mv Universidad de Palermo
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_ 1842979899803959296
score 12.48226

Publicaciones similares