Post on 10-Jun-2015
Presentado por:
LUIS MARTÍN POMARES
DEPARTAMENTO DE ENERGÍADivisión de Energías Renovables
XIV Congreso Ibérico y IX Iberoamericano
de Energía SolarVigo
17 - 21 de junio de 2008CIES 2008
13 de abril de 2023
COMPARACIÓN DE TÉCNICAS PREDICTIVAS BASADAS EN SERIES TEMPORALES APLICADAS
AL ÍNDICE DE CLARIDAD SEMIDIARIO
Martín L., Zarzalejo L.F., Polo J., Navarro A., Marchante R.
2
ÍNDICE
1. INTRODUCCIÓN
3. METEODOLOGÍAS PREDICCIÓN
4. RESULTADOS
5. CONCLUSIONES
6. FUTUROS TRABAJOS
3
ÍNDICE DE CLARIDAD
0I
bIDI
Componentes de la radiación solar sobre superficie horizontal cosG b DI I I
Índice de claridad ó transparencia atmosférica 0
Gt
Ik
I
RADIACIÓN REFLEJADA
POR LAS NUBES Ios
RADIACIÓN DIFUSA
RADIACIÓN DIRECTA
SCATTERINGABSORCIÓN
Ea
RADIACIÓN REFLEJADA
POR EL ALBEDO TERRESTRE Its
RADIACIÓN EXTRATERRESTRE
Índice de cielo claro
Gcs
cs sky
Ik
I
Es
4
PREDICCIÓN: DEFINICIONES PREVIAS
Necesidad de caracterizar y predecir la radiación solar para ser usada como recurso energético (RD 436/2004, 661/2007).
Técnicas de Predicción:
1. Modelos de predicción numérica (NWP)2. Predicción basada en métodos estadísticos
Horizonte de Predicción Nowcasting: menos de una hora Corto plazo: 1 hora – 1 semana Medio plazo: 1 semana – 1 año Largo Plazo: más de un año. Estudios climáticos
5
Madrid RRN AEMet
Murcia RRN AEMet
2.5 W
CONJUNTO DE DATOS SEMIDIARIOS
Murcia: 13882 semidías1 Agosto de 1975
hasta 31 Diciembre 2003
Madrid: 17376 semidíasEnero de 1979 hasta
31 Diciembre de 2003
Red Radiométrica Nacional (RRN) Agencia Española de Meteorología (AEMet)
Piranómetros CM11 Kipp&Zonen
6
0 0.2 0.4 0.6 0.8 10
1
2
3
4
5
6
Kt Semidiario
0 0.2 0.4 0.6 0.8 10
1
2
3
4
5
6
Nú
me
ro d
e m
ue
str
as
Kt Semidiario
PROPIEDADES ESTADÍSTICAS SERIE TEMPORAL Kt SEMIDIARIO
MADRID RRN AEMet MURCIA RRN AEMet
0 1 2 3 4 5 6 7 8 9 10-0.2
0
0.2
0.4
0.6
0.8
Retardo0 1 2 3 4 5 6 7 8 9 10
-0.2
0
0.2
0.4
0.6
0.8
Retardo
7
METODOLOGÍA
1
t t t
pS S S
t i t i ti
x a x
Método de intercambio de modelos autorregresivos en base a cadenas de Markov MS(K)-AR(p):
Red Neuronal:
Adaptative Network based Fuzzy Inference System (ANFIS)
8
RESULTADOS
MADRID RRN AEMet MURCIA RRN AEMet
1 2 3 4 5 66
8
10
12
14
16
18
20
22
24
Horizonte Predicción (Semidías)
Mej
ora
% R
MSD
Madrid: Mejora frente Persistencia
MS(2)-AR(1)/PersistenciaNN(10)/PersistenciaANFIS(6)/Persistencia
1 2 3 4 5 66
8
10
12
14
16
18
20
22
24
Horizonte Predicción (Semidías)
Murcia: Mejora frente Persistencia
MS(2)-AR(1)/PersistenciaNN(10)/PersistenciaANFIS(6)/Persistencia
2
1
1ˆ , 1
Nm
i ii p
i errorRMSD x x mejora
N i error
9
RESULTADOS
1 2 3 4 5 622
24
26
28
30
32
34
36
38
40
Horizonte Predicción (Semidías)
%RM
SD P
redi
cció
n Se
mid
iaria
Kt
NN(1)NN(2)NN(3)NN(4)NN(5)NN(6)NN(7)NN(8)NN(9)NN(10)PER
MADRID RRN AEMet MURCIA RRN AEMet
1 2 3 4 5 622
24
26
28
30
32
34
36
38
40
Horizonte Predicción (Semidías)
NN(1)NN(2)NN(3)NN(4)NN(5)NN(6)NN(7)NN(8)NN(9)NN(10)PER
RMSD PARA EL MEJOR MODELO: NN(10)
10
RESULTADOS
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
KT Semidiario Observado
KT
Se
mid
iari
o P
rev
isto
0 0.2 0.4 0.6 0.8 10
1
2
3
4
5
6
Kt Semidiario
11
Métodos nolineales presentan mejores resultados.
El modelo MS-AR presenta mejores resultados utilizando un retardo de un semidía.
Métodos no lineales presentan una pequeña mejora al aumentar el número de semidías de entrada.
Todos los métodos ensayados presentan mejores resultados para la estación de Murcia ya que para ambas estaciones al entrenar los métodos, los días claros adquieren un mayor peso en los parámetros de cada uno de los modelos.
CONCLUSIONES
12
EUROSUN2008, October 7-10, Lisbon (Portugal)
Differencing day by day
LOST COMPONENT
FUTUROS TRABAJOS
0 100 200 300 400 500 600 7000
1000
2000
3000
4000
5000
6000
Half Day
Wh
/m2
13
AEMet Synoptic Predictions by Site
Total Cloud CoverECMWF
HIRLAM/AEMetPROMETEOWRF/MM5….
EUROSUN2008, October 7-10, Lisbon (Portugal)
Energy Values
14
EUROSUN2008, October 7-10, Lisbon (Portugal)
LOST COMPONENT + QUALITATIVE PREDICTIONS
MADRID RRN AEMet
1 2 3 4 5 6
10
15
20
25
30
35
40
Prediction Horizon Half Daily
%R
MS
D
1 2 3 4 5 6
10
15
20
25
30
35
40
Prediction Horizon Half Daily
%R
MS
D
LC sin información de estado del cielo
LC con información de estado del cielo