Modelización y predicción espacio-tiempo de la irradiancia solar global a corto plazo mediante redes neuronales artificiales y geoestadística

• Main Authors: Federico Vladimir Gutiérrez-Corea, Miguel Ángel Manso-Callejo, Francisco Serradilla-García
• Format: Article
• Language: English
• Published: Instituto Panamericano de Geografía e Historia 2020-05-01
• Series: Revista Cartográfica
• Subjects: Redes neuronales artificiales; geoestadística; pronóstico.
• Online Access: https://revistasipgh.org/index.php/rcar/article/view/699

Mejorar el conocimiento de la Irradiancia Solar (IS) sobre la superficie terrestre, así como su predicción (pronóstico), cobra especial interés por su importancia para las energías renovables, a como lo son los sistemas basados en Energía Solar (ES), y para distintas aplicaciones industriales o ecológicas.  En la presente investigación se ha experimentado con cinco técnicas de estimación espacial de la IS a intervalos de 15 minutos, en el territorio peninsular español, con distintas configuraciones espaciales. Encontrándose que la geoestadística mediante el Kriging con Regresión, usando variables auxiliares -una de ellas la IS estimada a partir de imágenes satelitales- permite estimar espacialmente la IS más allá de los 25 km, identificados en las investigación científicas previas, como límite de distancia máxima al punto de estimación. Se ha experimentado con el modelado de Redes Neuronales Artificiales (RNA) para la predicción en tiempo futuro (temporal) -a corto plazo- de la IS utilizando observaciones próximas (componentes espaciales) en sus entradas y los resultados son prometedores. Así los niveles de errores disminuyen, en relación a investigaciones relacionadas, bajo las siguientes condiciones: cuando el horizonte temporal de predicción es inferior o igual a 3 horas, las estaciones vecinas que se incluyen en los modelos deben encentrarse a una distancia máxima aproximada de 55 km.