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

Abstract

La conversión de energía a través de fuentes de energía renovable y no contaminante se ha tornado un tema trascendente para la humanidad, dado que la evolución y progreso del hombre está ligado a su uso. La principal fuente de energía renovable disponible en la naturaleza es la radiación solar incidente, la cual se presenta como el recurso más promisorio tendiente a sustituir las fuentes de energía no renovables y reducir las emisiones de gases a la atmósfera, dado que permite diversas formas de captación y transformación, principalmente a través de sistemas fotovoltaicos y fototérmicos. Para tener un aprovechamiento óptimo de la energía solar se requiere de 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 entrenamiento de una red neuronal artificial multicapa para predecir a corto plazo la irradiancia solar en una localidad de la provincia de Córdoba, Argentina. Específicamente, el objetivo del trabajo es analizar diferentes modelos de redes neuronales artificiales capaces de estimar la radiación solar global diaria en dicha localidad. Los modelos considerados difieren entre sí, en la cantidad de neuronas en la capa oculta, en las variables meteorológicas utilizadas como datos de entrada y en el orden cronológico de los datos utilizados para la fase de entrenamiento. En general, los resultados obtenidos han mostrado un aceptable desempeño de la red neuronal artificial en la estimación de la radiación solar, pero con posibilidades ciertas de ser mejorados.