Estimativa da fração transmitida da irradiação difusa horária por meio de modelo estátistico e rede neural do tipo regressão generalizada (GRNN)

• Autores: Bassetto, Edson Luis; Escobedo, João Francisco; Dal Pai, Alexandre
• Año de publicación: 2017
• Idioma: portugués
• Tipo de recurso: artículo
• Materia: Ingeniería; Ciencias Exactas; radiação solar; radiação difusa; rede neural de regressão generalizada; solar radiation; diffuse radiation; generalized regression neural network
• Institución: Universidad Nacional de La Plata

É proposto no trabalho dois modelos de estimativas para fração transmitida da irradiação difusa (K_d) em função da transmissividade da irradiação global (K_t) na partição horária: estatístico e a técnica de Redes Neurais Artificias do tipo Regressão Generalizada (GRNN). O primeiro, usando somente K_t como referência e o segundo, uma combinação de seis variáveis astronômicas e meteorológicas. A base dos dados, medida no período de 2000 a 2006, foi utilizada para a obtenção da equação estatística e no treinamento da rede GRNN nas combinações propostas. Na validação dos modelos, foram utilizadas duas bases de dados da irradiação solar difusa, denominadas de anos típico (AT) e atípico (AAT), ambas obtidas a partir da base de dados total de anos. A equação de estimativa foi obtida por regressão polinomial de 4° ordem com coeficiente de correlação r = 0,90. Na comparação entre a estimativa e a medida do modelo estatístico, obteve-se os indicativos estatísticos das duas condições de validação: r_AT=0.90 e r_AAT=0.89 ; rRMSE_AT = 30.55% e rRMSE_AAT = 27.97%, respectivamente. O desempenho da rede GRNN foi melhor nas combinações 2 a 6 em função da entrada de cada variável astronômica e meteorológica, obtendo-se os indicativos estatísticos r_AT=0.92 e r_AAT=0.91; rRMSE_AT = 28.04% e rRMSE_AAT = 26.00% para combinação 2, até os valores de r_AT=0.99 e r_AAT=0.99; rRMSE_AT = 7.85% e rRMSE_AAT = 8.21% para combinação 6, nas duas condições de validação, respectivamente. A comparação dos indicativos estatísticos mostram que a rede GRNN a partir da combinação 2 que tem K_t e a irradiação de topo (H₀) como entrada, possui melhor desempenho que o modelo estatistico em estimar K_d.
Two models of estimates for diffused radiation fraction (K_d) as a function of the transmissivity of global radiation (K_t) in the hourly partition: statistical and the technique of Artificial Neural Networks of the Generalized Regression type (GRNN) are proposed. The first, using only K_t as a reference and the second, a combination of six astronomical and meteorological variables. The data base, measured between 2000 and 2006, was used to obtain the statistical equation and GRNN training in the proposed combinations. In the validation of the models, two diffuse solar irradiation databases, called typical (AT) and atypical (AAT) years, were used, both obtained from the total database of years. The estimation equation was obtained by a 4 th order polynomial regression with a correlation if coefficient r = 0.89. In the comparison between the estimation and the measurement of the statistical model, we obtained the statistical indicatives of the two validation conditions: r_AT = 0.90 and r_AAT = 0.89; rRMSE_AT = 30.55% and rRMSE_AAT = 27.97%, respectively. The performance of the GRNN network was better in combinations 2 to 6 as a function of the input of each astronomical and meteorological variable, obtaining the statistical indicatives r_AT = 0.92 and r_AAT = 0.91; rRMSE_AT = 28.04% and rRMSE_AAT = 26.00% for combination 2, up to the values of r_AT = 0.99 and r_AAT = 0.99; rRMSE_AT = 7.85% and rRMSE_AAT = 8.21% for combination 6, under the two validation conditions, respectively. The comparison of the statistical indicatives shows that the GRNN network from the combination 2 that has K_t and the top (H₀) irradiation as input, performs better than the statistical model in estimating K_d.
Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES)