Modelado de la Radiación Solar Global Horaria Sobre Superficie Inclinada Mediante Redes Neuronales Artificiales

Resumen

La disponibilidad de datos de radiación solar sobre superficies inclinadas resulta de gran importancia cuando se pretende diseñar sistemas solares tanto pasivos como activos. Sin embargo, dichos datos no se suelen encontrar disponibles en la localización a estudiar; e incluso cuando se encuentra presente una estación radiométrica, suele ser la radiación sobre superficie horizontal la única medida. Las Redes Neuronales Artificiales representan una poderosa herramienta, que puede ser utilizada como alternativa en el modelado de la radiación. En este trabajo, se utiliza un Perceptrón Multicapa (MLP, Multi-Layer Perceptron) para estimar la radiación solar global horaria en una superficie inclinada y, en base a un estudio anterior, se discute la aplicación del método bayesiano de Determinación Automática de la Relevancia (ARD, Automatic Relevance Determination) para el estudio de las variables implicadas. Para llevar a cabo este modelo se ha utilizado un año de datos meteorológicos y de radiación sobre superficie horizontal e inclinada de una estación radiométrica ubicada en Valladolid. Se ha estudiado la importancia relativa de las diversas variables radiométricas y meteorológicas, derivándose de dicho estudio la selección de las variables de entrada al MLP. Se han probado y comparado los resultados de distintas topologías del perceptrón modificando el número de neuronas en la capa de entrada y en la capa oculta.