Resumen

Este artículo presenta un método de predicción de la energía solar mediante redes neuronales artificiales (RNA). Una RNA predice un índice de claridad que se utiliza para calcular las irradiaciones solares global y difusa. El modelo de RNA se basa en el modelo de percepción multicapa feed forward con cuatro entradas y una salida. Las entradas son la latitud, la longitud, el número de días y el índice de insolación; la salida es el índice de claridad. En esta investigación se utilizaron datos de 28 estaciones meteorológicas, 23 para entrenar la red y 5 para probarla. Además, las irradiaciones solares medidas en los emplazamientos se utilizaron para derivar una ecuación para calcular la irradiación solar difusa, una función de la irradiación solar global y el índice de claridad. La ecuación propuesta ha reducido el error medio porcentual absoluto (MAPE) en la estimación de la irradiación solar difusa en comparación con la ecuación convencional. Según los resultados, el MAPE medio, el error de sesgo medio y el error cuadrático medio para la irradiación solar global predicha son 5,92%, 1,46% y 7,96%. El MAPE en la estimación de la irradiación solar difusa es del 9,8%. Se ha realizado una comparación con trabajos anteriores y se ha comprobado que el enfoque propuesto es más eficaz y preciso que los métodos anteriores.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Biofotónica
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Biophotonics
• Palabras claves:irradiación solar difusa, irradiación solar global, índice de claridad, irradiaciones solares, modelo de percepción multicapa feed forward, error medio porcentual absoluto, método de predicción de la energía solar, redes neuronales artificiales, mape, ecuación
• Keywords:diffused solar irradiation, global solar irradiation, clearness index, solar irradiations, feed forward multilayer perception model, mean absolute percentage error, solar energy prediction method, artificial neural networks, mape, equation