Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica

Abstract

RESUMEN : El pronóstico de la energía solar fotovoltaica es cada vez más importante para los operadores de los sistemas eléctricos, dada la naturaleza incierta de la fuente primaria y su continua integración en estos. Por tanto, para una correcta operación de los sistemas eléctricos es necesario contar con pronósticos de la producción de la energía solar, lo más precisos posibles. Este trabajo se enfocará en predicciones para un horizonte de tiempo de corto plazo (24 horas). Estos pronósticos tienen una aplicación directa en los mercados de energía eléctrica del tipo diario e intradiarios, para la estimación de reservas secundarias y terciarias, entre otros aspectos importantes de la operación de los sistemas eléctricos que incluyan fuentes de energía solar. Actualmente, existe una tendencia hacia el uso de métodos de pronóstico basados en analitica de datos avanzada. Por lo tanto, el presente trabajo hace una comparación entre diferentes métodos de aprendizaje de máquina. La comparación consiste en entrenar y comparar diferentes modelos capaces de proporcionar series de tiempo de la radiación solar con un día de anticipación. Para estos experimentos se hace uso de un conjunto de datos abiertos proporcionado por el proyecto SolarMap. El conjunto de datos comprende diferentes variables climáticas y abarca un período que va desde el 6 de abril de 2010 hasta el 3 de abril de 2012. Después de los experimentos realizados, se encontró que los modelos con redes neuronales Convolutional Neural Network combinados con Long short-term memory (CNN-LSTM) son los que lograron mejor desempeño comparadas con el resto de modelos implementados y probados.