Adaptación al sitio de irradiancia solar global usando aprendizaje automático : Caso de estudio: Cota Cota y Chivay (Perú)

• Autores: Manrique, Miriam; Ledesma, Rubén; Rivera-Lera, Nicolás; Salazar, Germán Ariel
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Arquitectura; Ingeniería; Irradiancia solar global; Adaptación al sitio; Aprendizaje automático; Perú; Global solar irradiance; Site adaptation
• Institución: Universidad Nacional de La Plata

En este estudio aplicamos la técnica de Adaptación al Sitio (AaS) para mejorar la estimación de la irradiancia global horizontal (GHI) de la base de datos satelital National Solar Radiation Database (NSRDB) en dos estaciones radiométricas del sur del Perú (Cota Cota y Chivay), para los años 2021 y 2022, con una frecuencia temporal horaria. Se evaluaron diferentes funciones adaptivas mediante modelos estadísticos, como la Regresión Lineal Simple (SLR), Regresión Lineal Múltiple (MLR) y un modelo de aprendizaje automático, (Perceptrón Multicapa, MLP). Las métricas utilizadas para evaluar el performance de estas funciones fueron el error medio de sesgo (rMBE) y el error cuadrático medio (rRMSE) porcentuales, así como sus versiones absolutas. Los resultados muestran que SLR y MLR corrigen el sesgo (rMBE ≈ 0), pero no los desvíos de las estimaciones (rRMSE), mientras que el MLP la reduce en aproximadamente un 4% en Chivay y en casi un 0,5% en Cota Cota. Esta mínima diferencia para Cota Cota podría deberse a que la base de datos satelital NSRDB tendría una buena correlación con los datos medidos, lo que no ocurría en Chivay.
In this study, we applied the Site Adaptation (AaS) technique to improve the estimation of global horizontal irradiance (GHI) from the National Solar Radiation Database (NSRDB) at two radiometric stations in southern Peru (Cota Cota and Chivay) for the years 2021 and 2022, with hourly temporal frequency. Different adaptive functions were evaluated using statistical models, such as Simple Linear Regression (SLR), Multiple Linear Regression (MLR), and a machine learning model (Multilayer Perceptron, MLP). The metrics used to evaluate the performance of these functions were the mean bias error (rMBE) and the mean square error (rRMSE) in percentage terms, as well as their absolute versions. The results show that SLR and MLR correct the bias (rMBE ≈ 0), but not the deviations from the estimates (rRMSE), while MLP reduces it by approximately 4% in Chivay and by almost 0.5% in Cota Cota. This minimal difference for Cota Cota could be due to the fact that the NSRDB satellite database has a good correlation with the measured data, which was not the case in Chivay.
Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES)