Contexto:

Este trabajo presenta diferentes modelos basados en redes neuronales artificiales, entre ellas las NNARX, para la estimación de la radiación solar global a partir de mediciones del índice UV. El objetivo es determinar la eficiencia de los modelos estudiados para estimar la radiación solar global en términos del coeficiente de determinación (R2), la raíz del error medio cuadrático (RMSE) y el error absoluto medio (MAE).

Metodología:

Se divide en cuatro etapas: i) conformación del set de datos de entrenamiento (en este caso se utiliza un set de entrenamiento de 213.019 datos recolectados durante 5 años en la ciudad de Pasto, Colombia, con la estación Davis Vantage Pro 2.0); ii) pre-procesamiento de los datos para remover datos erróneos e inusuales; iii) definición de modelos basados en redes neuronales artificiales recurrentes y convencionales basándose en un análisis de topologías, e.g. NNFIR y NNARX; iv) entrenamiento de los modelos y evaluación de la eficiencia de la estimación por medio de métricas como R2, RMSE y MAE. Para validar el modelo se utilizaron datos recolectados durante el último año, los cuales no se incluyeron en el entrenamiento.

Resultados:

Los modelos de estimación de radiación solar global basados en NNARX presentan la mejor eficiencia en la estimación en comparación con redes neuronales convencionales. El modelo NNARX221 presenta un RMSE de 54,32 y un MAE de 18,06 w/m2.

Conclusiones:

Los modelos NNARX tienen una gran eficiencia para estimar la radiación solar global, en el mejor de los casos con un coeficiente de determinación de 0,9697. Los modelos más eficientes se caracterizan por utilizar dos instantes pasados y el instante actual de índice UV y realimentar dos instantes pasados de su propia salida de radiación estimada. Además, los resultados numéricos muestran que la contribución de la temperatura y humedad relativa no es relevante para mejorar la eficiencia de la estimación de la radiación solar global. Estos modelos pueden ser particularmente importantes dado que solamente utilizan mediciones realizadas con sensores de índice UV que son menos costosos que los sensores de radiación solar.