No abstract

This study was motivated by the need to improve densification of Global Horizontal Irradiance (GHI) observations, increasing the number of surface weather stations that observe it, using sensors with a sub-hour periodicity and examining the methods of spatial GHI estimation (by interpolation) with that periodicity in other locations. The aim of the present research project is to analyze the goodness of 15-minute GHI spatial estimations for five methods in the territory of Spain (three geo-statistical interpolation methods, one deterministic method and the HelioSat2 method, which is based on satellite images). The research concludes that, when the work area has adequate station density, the best method for estimating GHI every 15 min is Regression Kriging interpolation using GHI estimated from satellite images as one of the input variables. On the contrary, when station density is low, the best method is estimating GHI directly from satellite images. A comparison between the GHI observed by volunteer stations and the estimation model applied concludes that 67% of the volunteer stations analyzed present values within the margin of error (average of ±2 standard deviations).

No abstract

Mejorar el conocimiento de la Irradiancia Solar (IS) sobre la superficie terrestre, así como su predicción (pronóstico), cobra especial interés por su importancia para las energías renovables, a como lo son los sistemas basados en Energía Solar (ES), y para distintas aplicaciones industriales o ecológicas.  En la presente investigación se ha experimentado con cinco técnicas de estimación espacial de la IS a intervalos de 15 minutos, en el territorio peninsular español, con distintas configuraciones espaciales. Encontrándose que la geoestadística mediante el Kriging con Regresión, usando variables auxiliares -una de ellas la IS estimada a partir de imágenes satelitales- permite estimar espacialmente la IS más allá de los 25 km, identificados en las investigación científicas previas, como límite de distancia máxima al punto de estimación. Se ha experimentado con el modelado de Redes Neuronales Artificiales (RNA) para la predicción en tiempo futuro (temporal) -a corto plazo- de la IS utilizando observaciones próximas (componentes espaciales) en sus entradas y los resultados son prometedores. Así los niveles de errores disminuyen, en relación a investigaciones relacionadas, bajo las siguientes condiciones: cuando el horizonte temporal de predicción es inferior o igual a 3 horas, las estaciones vecinas que se incluyen en los modelos deben encentrarse a una distancia máxima aproximada de 55 km.

Mejorar el conocimiento de la Irradiancia Solar (IS) sobre la superficie terrestre, así como su predicción (pronóstico), cobra especial interés por su importancia para las energías renovables, a como lo son los sistemas basados en Energía Solar (ES), y para distintas aplicaciones industriales o ecológicas.  En la presente investigación se ha experimentado con cinco técnicas de estimación espacial de la IS a intervalos de 15 minutos, en el territorio peninsular español, con distintas configuraciones espaciales. Encontrándose que la geoestadística mediante el Kriging con Regresión, usando variables auxiliares -una de ellas la IS estimada a partir de imágenes satelitales- permite estimar espacialmente la IS más allá de los 25 km, identificados en las investigación científicas previas, como límite de distancia máxima al punto de estimación. Se ha experimentado con el modelado de Redes Neuronales Artificiales (RNA) para la predicción en tiempo futuro (temporal) -a corto plazo- de la IS utilizando observaciones próximas (componentes espaciales) en sus entradas y los resultados son prometedores. Así los niveles de errores disminuyen, en relación a investigaciones relacionadas, bajo las siguientes condiciones: cuando el horizonte temporal de predicción es inferior o igual a 3 horas, las estaciones vecinas que se incluyen en los modelos deben encentrarse a una distancia máxima aproximada de 55 km.