Uso de redes neuronales artificiales para la estimación de la radiación solar horaria bajo diferentes condiciones de cielo

Resumen

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.