| Journal: | Revista cartográfica |
| Database: | PERIÓDICA |
| System number: | 000451016 |
| ISSN: | 0080-2085 |
| Authors: | Gutiérrez Correa, Federico Vladimir1 Manso Callejo, Miguel Angel1 Serradilla García, Francisco1 |
| Institutions: | 1Universidad Politécnica de Madrid, Madrid. España |
| Year: | 2020 |
| Season: | Ene-Jun |
| Number: | 100 |
| Pages: | 13-40 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Analítico, descriptivo |
| Spanish abstract | 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 tres horas, las estaciones vecinas que se incluyen en los modelos deben encentrarse a una distancia máxima aproximada de 55 km |
| English abstract | The enrichment of knowledge about solar irradiance (SI) on the Earth’s surface and its prediction (forecast) has a great interest in renewable energy (RE), such as systems based on solar energy (SE) and for different applications industrial and environmental. At the present research it has been investigated five techniques of spatial estimation of the SI in 15 minutes of temporal resolutions for the Spanish mainland, with several spatial configurations. It’s been found that the Geostatistics through Regression Kriging, using auxiliary variables -one of this: the SI estimated from Satellite Images- allows spatially estimates the SI beyond the 25 km identified by the related research as the maximum distance limit to the estimation point. It has been experimented with the Artificial Neural Networks (ANN) modelling for the short-term forecasting of the SI, using close observations (spatial component) as part of its inputs, and the results are promising. In this way the error levels diminish, regarding to the related researches, under the following conditions: when the temporal horizons of the forecast is lower or equal to 3 hours, the neighbors stations to be included as input to the models should be at a 55 km of maximum distance |
| Disciplines: | Geociencias |
| Keyword: | Ciencias de la atmósfera, Redes neuronales artificiales, Geoestadística, Irradiancia solar |
| Keyword: | Atmospheric sciences, Artificial neural networks, Geostatistics, Solar irradiance |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
