Cies 2008 luis martín

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


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


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


%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


1 2 3 4 5 622

24

26

28

30

32

34

36

38

40


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….


Energy Values

14


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

Cies 2008 luis martín

Documents

Transcript of Cies 2008 luis martín