Adaptación al sitio de irradiancia solar global usando aprendizaje automático.

Caso de estudio: Cota Cota y Chivay (Perú)

Abstract

En este estudio aplicamos la técnica de Adaptación al Sitio (AaS) para mejorar la estimación de la irradiancia global horizontal (GHI) de la base de datos satelital National Solar Radiation Database (NSRDB) en dos estaciones radiométricas del sur del Perú (Cota Cota y Chivay), para los años 2021 y 2022, con una frecuencia temporal horaria. Se evaluaron diferentes funciones adaptivas mediante modelos estadísticos, como la Regresión Lineal Simple (SLR), Regresión Lineal Múltiple (MLR) y un modelo de aprendizaje automático, (Perceptrón Multicapa, MLP). Las métricas utilizadas para evaluar el performance de estas funciones fueron el error medio de sesgo (rMBE) y el error cuadrático medio (rRMSE) porcentuales, así como sus versiones absolutas. Los resultados muestran que SLR y MLR corrigen el sesgo (rMBE ≈ 0), pero no los desvíos de las estimaciones (rRMSE), mientras que el MLP la reduce en aproximadamente un 4% en Chivay y en casi un 0,5% en Cota Cota. Esta mínima diferencia para Cota Cota podría deberse a que la base de datos satelital NSRDB tendría una buena correlación con los datos medidos, lo que no ocurría en Chivay.