Entrenamiento de una red neuronal artificial para la predicción de la radiación solar

MORALES, D. MARTÍN; CAPPELLETTI, MARCELO; HASPERUÉ, WALDO; LEANDRO CHARLIER

Bahía Blanca

Congreso; II Congreso Argentino de Energía Sustentables (CES 2016); 2016

Facultad Regional Bahía Blanca, Universidad Tecnológica Nacional. Universidad Nacional del Sur

La conversión de energía a través de fuentes de energía renovable y no contaminante se hatornado un tema trascendente para la humanidad, dado que la evolución y progreso del hombreestá ligado a su uso. La principal fuente de energía renovable disponible en la naturaleza es laradiación solar incidente, la cual se presenta como el recurso más promisorio tendiente a sustituirlas fuentes de energía no renovables y reducir las emisiones de gases a la atmósfera, dado quepermite diversas formas de captación y transformación, principalmente a través de sistemasfotovoltaicos y fototérmicos. Para tener un aprovechamiento óptimo de la energía solar se requierede un amplio conocimiento acerca de la irradiancia solar incidente a nivel de la superficie terrestre,pero esta magnitud es variable con el tiempo de manera instantánea, horaria, diaria y estacional,con la latitud y con los microclimas locales del sitio. En este trabajo, se presenta el entrenamientode una red neuronal artificial multicapa para predecir a corto plazo la irradiancia solar en unalocalidad de la provincia de Córdoba, Argentina. Específicamente, el objetivo del trabajo esanalizar diferentes modelos de redes neuronales artificiales capaces de estimar la radiación solarglobal diaria en dicha localidad. Los modelos considerados difieren entre sí, en la cantidad deneuronas en la capa oculta, en las variables meteorológicas utilizadas como datos de entrada y enel orden cronológico de los datos utilizados para la fase de entrenamiento. En general, losresultados obtenidos han mostrado un aceptable desempeño de la red neuronal artificial en laestimación de la radiación solar, pero con posibilidades ciertas de ser mejorados.