Modelos híbridos para la evaluación diaria de la radiación solar global

Resumen

La previsión diaria de la radiación solar se ha vuelto fundamental recientemente en el desarrollo de la energía solar y su integración en los sistemas de red. A pesar de la gran cantidad de técnicas de pronóstico propuestas, una estimación precisa sigue siendo un desafío importante debido a la variación no estacionaria de los componentes de la radiación solar debido a las condiciones climáticas en constante cambio. Por lo general, se utilizan varios predictores de datos de entrada para el proceso de pronóstico, lo que puede causar redundancia y correlación entre las características de los datos. Este trabajo evalúa un conjunto de técnicas de selección de características para verificar su capacidad para seleccionar los predictores relevantes y reducir la información redundante e irrelevante. Se utiliza una red neuronal artificial para ajustar la radiación solar medida en función de las características seleccionadas. El modelo desarrollado se evalúa a través de varias métricas de evaluación objetiva utilizando datos históricos de tres años medidos en la región de Ghardaia en Argelia. Los resultados muestran la efectividad del método propuesto, donde se han encontrado valores de 0,0189, 0,0286, 5,4387 y 98,28% como MABE, RMSE, nRMSE y r, respectivamente.