Estudio comparativo de la estimación solar en un área determinada utilizando los resultados de una red neuronal artificial no supervisada

Abstract

Desde el Protocolo de Kyoto en el año 1997 hasta nuestros días, se han realizado diferentes estrategias, tanto legales como obligatorias, para hacer frente al cambio climático y minimizar sus impactos en la naturaleza y en la sociedad. Las energías renovables y diferentes tecnologías de mayor eficiencia energética nacen para hacer frente a este fenómeno. Este trabajo se enmarca en el universo de la energía solar. En grandes campos o plantas solares, es fundamental conocer los valores de la radiación solar en el área completa de estudio para así optimizar el futuro control distribuido de la planta solar. Por ello, en el presente trabajo se han llevado a cabo investigaciones para el análisis y estimación de la radiación solar utilizando el método de interpolación IDW, de sus siglas en inglés Inverse Distance Weighting. Para este estudio, se ha simulado una red de sensores distribuidos en una hipótetica planta solar ubicada en el entorno de las Tablas de Daimiel (Ciudad Real). Partiendo del escenario anterior y conocida la radiación solar en cada sensor a través de los datos provenientes de satélites de la Unión Europea, dentro del programa Copernicus, obtenemos nuevos escenarios con sensores distribuidos. Estos escenarios se obtienen mediante una red neuronal artificial no supervisada conocida como mapa autoorganizativo SOM, de sus siglas en inglés Self-Organizing Map. El procedimiento que seguirá la red es, de manera autoorganizada, agrupar o mapear rasgos comunes e incorporarlos a su estructura interna de conexiones. La comparativa realizada de la estimación de la radiación solar entre los escenarios propuestos, permite comprobar que el uso de la red neuronal es una buena alternativa aplicable en la interpolación espacial de variables en áreas extensas.

From the Kyoto Protocol in 1997 to the present day, different strategies, both legal and mandatory, have been carried out to face climate change and minimize its impacts on nature and society. Renewable energies and different technologies with greater energy efficiency are born to face this phenomenon. This work is framed in the universe of solar energy. In large fields or solar plants, it is essencial to know the values of solar radiation in the entire study area to optimize future distributed control of the solar plant. Therefore, in the present work, investigations have been carried out for the analysis, optimization and estimation of solar radiation using the IDW (Inverse Distance Weighting) method. For this study, a network of sensors distributed in a hypothetical solar plant located in Tablas de Daimiel (Ciudad Real) has been simulated. Starting from the previous scenario and known the solar radiation in each sensor through the data from satellites of the European Union, within the Copernicus program, we obtain new scenarios with distributed sensors. These scenarios are the outputs of an unsupervised competitive artificial neural network known as a Self-Organizing Map (SOM). The obtjetive of the work is to compare the estimation of solar radiation between the proposed scenarios and to check if the use of the neuronal network is optimal.