Estimación de radiación solar para el cargo por confiabilidad de sistemas fotovoltaicos usando redes neuronales


Autores/as

DOI:

https://doi.org/10.22517/23447214.16481

Palabras clave:

Cargo por confiabilidad, energia firme, plantas solares fotovoltaicas

Resumen

La Comisión de Energía y Gas (CREG) estableció a finales del 2016 una metodología para el cálculo del Cargo por Confiabilidad de plantas solares fotovoltaicas. En esta se establece que se requieren series históricas de más de diez años de irradiación solar y temperatura ambiente en el sitio de instalación de la planta para el cálculo de dicho cargo, sin embargo, en Colombia no se cuenta con datos históricos con dicha información, por lo que se requiere de estrategias que permitan la estimación de dichas series a partir de otras variables de entrada. El presente artículo emplea Redes Neuronales Artificiales para estimar datos de radicación solar requeridos utilizando como datos de entrada la humedad relativa, temperatura ambiente y mes del año.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Valentina Triviño Castañeda, Universidad Tecnologica de Pereira

Ingeniera Electricista

Andres Escobar Mejía, Universidad Tecnológica de Pereira

Ingeniero Electricista

Henry Giovanny Valdes Jaramillo, Empresa de Energía de Pereira

Ingeniero Electricista

Citas

[1] SIMEC, “Informe Mensual de Variables de Generación Mercado Eléctrico Colombiano, diciembre de 2016,” [Online]. Consultado: 22/03/2018. Available: http://www.siel.gov.co/portals/0/generacion/2016/Segui_ variables_dic_2016.pdf

[2] UPME. “Integración de las energías renovables no convencionales en Colombia,” 2015. [Online]. Consultado: 22/03/2018. Available: http://www.upme.gov.co/Estudios/2015/Integracion_Ene rgias_Renovables/INTEGRACION_ENERGIAS_RENOVANLES_WEB.pdf

[3] Ley 1715, 2014. “Por medio de la cual se regula la integración de las energías renovables no convencionales al sistema energético nacional”. [Online]. Consultado: 23/03/2018. Available: http://www.upme.gov.co/Normatividad/Nacional/2014/L EY_1715_2014.pdf.

[4] IDEAM “Atlas de Radiación Solar, Ultravioleta y Ozono de Colombia,” [Online]. Consultado: 22/03/2018. Available: http://atlas.ideam.gov.co/visorAtlasRadiacion.html.

[5] Superintendencia de Servicios Públicos, Comité de Seguimiento del Mercado Mayorista de Energía Eléctrica, “Competitividad de la Energía Eólica y Solar en el Mercado de Energía Mayorista,” Junio, 2016.

[6] CREG, Resolución 148 de 2011, “Por la cual se define la metodología para determinar la energía firme de plantas eólicas,” [Online]. Consultado: 22/03/2018. Available: http://servicios.minminas.gov.co/compilacionnormativa/docs/resolucion_creg_0148_2011.htm

[7] CREG, Resolución 061 de 2015, “Por la cual se modifica la metodología para determinar la energía firme de plantas eólicas,” [Online]. Consultado: 23/03/2018.

Available: http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b

eee00709c02/a4170681d70b32f905257e4a006d8d 5a/$FILE/Creg061-2015.pdf.

[8] CREG, Proyecto de Resolución 227 de 2015, “Por la cual se define la metodología para determinar la energía firme de plantas solares fotovoltaicas,” [Online].

Consultado: 22/03/2018. Available: http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b

eee00709c02/59aa7fe361aca6c405257f39007956f e/$FILE/Creg227-2015.pdf.

[9] CREG, Resolución 243 de 2016, “Por la cual se define la metodología para determinar la energía firme para el cargo por confiabilidad, ENFICC, de plantas solares

fotovoltaicas,” [Online]. Consultado: 23/03/2018. Available: http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b 05256eee00709c02/82606579833fa7d3052580c0004f7b 6a/$FILE/Creg243-2016.pdf.

[10] Clima Pereira / Matecaña”. [Online].Consultado: 22/03/2018. Available: http://www.tutiempo.net/clima/Pereira_Matecana/01-

/802100.htm.

[11] Red Hidroclimatológica, “Clima Pereira/Matecaña”. [Online].Consultado: 23/03/2018. Available: http://redhidro.org/home/.

[12] F.N. Chowdhury, P. Wahi, R. Raina, S. Kaminedi, “A survey of neural networks applications in automatic control,” in proc. of the 33rd Southeastern Symposium on System Theory, Athens, OH, pp. 349–353, 2001.

[13] M. Hassoun, Fundamentals of Artificial Neural Networks, MIT Press, 2003.

[14] R. Perdomo, E. Banguero, G. Gordillo, “Statistical modeling for global solar radiation forecasting in Bogotá,” in Proceedings of the 35th IEEE Photovoltaic Specialists Conference, (PVSC), pp. 1–6, June, 2010.

[15] Y. Jiang, “Estimation of monthly mean hourly diffuse solar radiation,” in Proceedings of the World Non-GridConnected Wind Power and Energy Conference, pp. 1– 4, September, 2009.

[16] A. Moreno-Munoz, J.J.G. de la Rosa, R. Posadillo, F. Bellido, “Very short term forecasting of solar radiation,”

in Proc. of the 33rd IEEE Conference on Photovoltaic Specialists, San Diego, CA, USA, pp. 1–5, May, 2008.

[17] A. Ghanbarzadeh, A.R. Noghrehabadi, E. Assareh and

M. A. Behrang, “Solar radiation forecasting based on meteorological data using artificial neural networks,” in Proceedings of the 7th IEEE International Conference on

Industrial Informatics, Cardiff, Wales, pp. 227–231, June, 2009.

[18] L.A. Rosario, E.J. Pereyra M., J.C. Vielma S., “Estimación de temperatura y humedad relativa en Venezuela mediante redes neuronales”. [Online].

Consultado: 22/03/2018. Available: http://erevistas.saber.ula.ve/index.php/cienciaeingenieria

/article/viewFile/405/420.

[19] A.D. Orjuela-Cañón, J. Hernández, C.R. Rivero, “Very short term forecasting in global solar irradiance using linear and nonlinear models,” in Proc. of the IEEE Workshop on Power Electronics and Power Quality Applications, (PEPQA), Bogota, pp. 1–5, July, 2017.

[20] L. Marchal Wathen, Estadística aplicada a los negocios y la economía. Décimo sexta edición, 2015, MCGRAWHILL.

[21] A. Barnes, J. Hayes, J.C. Balda, A. Escobar, “PV Data,” [Online]. Consultado: 23/03/2018. Available: https://sustainable-energy.uark.edu/pv/

Descargas

Publicado

2018-03-30

Cómo citar

Castañeda, V. T., Escobar Mejía, A., & Valdes Jaramillo, H. G. (2018). Estimación de radiación solar para el cargo por confiabilidad de sistemas fotovoltaicos usando redes neuronales. Scientia Et Technica, 23(1), 11–17. https://doi.org/10.22517/23447214.16481

Número

Sección

Eléctrica