Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas

Autores
Sayago, Silvina; Bocco, Mónica; Ovando, Gustavo; Willington, Enrique A.
Año de publicación
2011
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Estimar la radiación solar que incide en la superficie terrestre es de gran importancia, por ser ésta la principal fuente de energía renovable en la naturaleza y por ser su medición complicada y costosa. Para estimarla se han desarrollado numerosos modelos; entre éstos las redes neuronales presentan una alternativa superadora de los enfoques convencionales. El objetivo del trabajo fue desarrollar redes neuronales capaces de estimar radiación solar horaria utilizando variables meteorológicas de sencilla adquisición. Se construyeron seis modelos cuyos datos de entrada fueron: temperatura, humedad relativa, velocidad del viento y lluvia, obtenidos con una estación meteorológica automática en la provincia de Córdoba. Los resultados mostraron un buen desempeño de los modelos realizados en la estimación de la radiación solar horaria, con coeficientes de determinación entre 0,80 y 0,86, y valores de RMSE% entre 25% y 48%. Se puede concluir que las redes neuronales permiten realizar aceptables estimaciones de la radiación solar.
Estimating incident Earth's surface solar radiation is very important, since it is the main source of renewable energy in nature and because its measurement is difficult and costly. Numerous estimation models have been developed, including neural networks that present an alternative that overcomes conventional approaches. The aim of this work was to develop neural networks capable to estimate hourly solar radiation using hourly meteorological variables of easy measure. For this, six neural network models were built whose input data were: temperature, relative humidity, wind speed and rainfall, obtained using an automatic weather station in the province of Cordoba. The results showed a good networks´ performance in the estimation of radiation, with determination coefficients between 0.80 and 0.86, and RMSE% values between 25% and 48% for a particular model. It can be concluded that neural networks allow good estimates of hourly solar radiation.
Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES)
Materia
Ciencias Agrarias
redes neuronales
Energía solar
Energía Renovable
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/102488

id SEDICI_86bfed1af3a72e192ef6c7ecc8b8517e
oai_identifier_str oai:sedici.unlp.edu.ar:10915/102488
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicasSayago, SilvinaBocco, MónicaOvando, GustavoWillington, Enrique A.Ciencias Agrariasredes neuronalesEnergía solarEnergía RenovableEstimar la radiación solar que incide en la superficie terrestre es de gran importancia, por ser ésta la principal fuente de energía renovable en la naturaleza y por ser su medición complicada y costosa. Para estimarla se han desarrollado numerosos modelos; entre éstos las redes neuronales presentan una alternativa superadora de los enfoques convencionales. El objetivo del trabajo fue desarrollar redes neuronales capaces de estimar radiación solar horaria utilizando variables meteorológicas de sencilla adquisición. Se construyeron seis modelos cuyos datos de entrada fueron: temperatura, humedad relativa, velocidad del viento y lluvia, obtenidos con una estación meteorológica automática en la provincia de Córdoba. Los resultados mostraron un buen desempeño de los modelos realizados en la estimación de la radiación solar horaria, con coeficientes de determinación entre 0,80 y 0,86, y valores de RMSE% entre 25% y 48%. Se puede concluir que las redes neuronales permiten realizar aceptables estimaciones de la radiación solar.Estimating incident Earth's surface solar radiation is very important, since it is the main source of renewable energy in nature and because its measurement is difficult and costly. Numerous estimation models have been developed, including neural networks that present an alternative that overcomes conventional approaches. The aim of this work was to develop neural networks capable to estimate hourly solar radiation using hourly meteorological variables of easy measure. For this, six neural network models were built whose input data were: temperature, relative humidity, wind speed and rainfall, obtained using an automatic weather station in the province of Cordoba. The results showed a good networks´ performance in the estimation of radiation, with determination coefficients between 0.80 and 0.86, and RMSE% values between 25% and 48% for a particular model. It can be concluded that neural networks allow good estimates of hourly solar radiation.Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES)2011info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf51-57http://sedici.unlp.edu.ar/handle/10915/102488spainfo:eu-repo/semantics/altIdentifier/issn/0329-5184info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:22:14Zoai:sedici.unlp.edu.ar:10915/102488Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:22:14.666SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
title Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
spellingShingle Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
Sayago, Silvina
Ciencias Agrarias
redes neuronales
Energía solar
Energía Renovable
title_short Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
title_full Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
title_fullStr Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
title_full_unstemmed Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
title_sort Radiación solar horaria: modelos de estimación a partir de variables meteorológicas básicas
dc.creator.none.fl_str_mv Sayago, Silvina
Bocco, Mónica
Ovando, Gustavo
Willington, Enrique A.
author Sayago, Silvina
author_facet Sayago, Silvina
Bocco, Mónica
Ovando, Gustavo
Willington, Enrique A.
author_role author
author2 Bocco, Mónica
Ovando, Gustavo
Willington, Enrique A.
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Agrarias
redes neuronales
Energía solar
Energía Renovable
topic Ciencias Agrarias
redes neuronales
Energía solar
Energía Renovable
dc.description.none.fl_txt_mv Estimar la radiación solar que incide en la superficie terrestre es de gran importancia, por ser ésta la principal fuente de energía renovable en la naturaleza y por ser su medición complicada y costosa. Para estimarla se han desarrollado numerosos modelos; entre éstos las redes neuronales presentan una alternativa superadora de los enfoques convencionales. El objetivo del trabajo fue desarrollar redes neuronales capaces de estimar radiación solar horaria utilizando variables meteorológicas de sencilla adquisición. Se construyeron seis modelos cuyos datos de entrada fueron: temperatura, humedad relativa, velocidad del viento y lluvia, obtenidos con una estación meteorológica automática en la provincia de Córdoba. Los resultados mostraron un buen desempeño de los modelos realizados en la estimación de la radiación solar horaria, con coeficientes de determinación entre 0,80 y 0,86, y valores de RMSE% entre 25% y 48%. Se puede concluir que las redes neuronales permiten realizar aceptables estimaciones de la radiación solar.
Estimating incident Earth's surface solar radiation is very important, since it is the main source of renewable energy in nature and because its measurement is difficult and costly. Numerous estimation models have been developed, including neural networks that present an alternative that overcomes conventional approaches. The aim of this work was to develop neural networks capable to estimate hourly solar radiation using hourly meteorological variables of easy measure. For this, six neural network models were built whose input data were: temperature, relative humidity, wind speed and rainfall, obtained using an automatic weather station in the province of Cordoba. The results showed a good networks´ performance in the estimation of radiation, with determination coefficients between 0.80 and 0.86, and RMSE% values between 25% and 48% for a particular model. It can be concluded that neural networks allow good estimates of hourly solar radiation.
Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES)
description Estimar la radiación solar que incide en la superficie terrestre es de gran importancia, por ser ésta la principal fuente de energía renovable en la naturaleza y por ser su medición complicada y costosa. Para estimarla se han desarrollado numerosos modelos; entre éstos las redes neuronales presentan una alternativa superadora de los enfoques convencionales. El objetivo del trabajo fue desarrollar redes neuronales capaces de estimar radiación solar horaria utilizando variables meteorológicas de sencilla adquisición. Se construyeron seis modelos cuyos datos de entrada fueron: temperatura, humedad relativa, velocidad del viento y lluvia, obtenidos con una estación meteorológica automática en la provincia de Córdoba. Los resultados mostraron un buen desempeño de los modelos realizados en la estimación de la radiación solar horaria, con coeficientes de determinación entre 0,80 y 0,86, y valores de RMSE% entre 25% y 48%. Se puede concluir que las redes neuronales permiten realizar aceptables estimaciones de la radiación solar.
publishDate 2011
dc.date.none.fl_str_mv 2011
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
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://sedici.unlp.edu.ar/handle/10915/102488
url http://sedici.unlp.edu.ar/handle/10915/102488
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/0329-5184
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
dc.format.none.fl_str_mv application/pdf
51-57
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616098302918656
score 13.070432