Análisis del recurso solar mediante modelos de predicción de corto plazo en la sabana de Bogotá

Abstract

En las últimas décadas debido al cambio climático, se han incrementado los esfuerzos para la reducción del uso de combustibles fósiles y las emisiones de gases de efecto invernadero. Las fuentes renovables de energía han incrementado su participación en la matriz de generación de energía eléctrica, impulsadas por una reducción sensible de los costos de instalación y operación gracias a los nuevos desarrollos tecnológicos. No obstante, estas fuentes presentan grandes retos para su integración en las redes eléctricas, particularmente por ser consideradas como fuentes no gestionables por su naturaleza variable. En este trabajo se implementa una metodología de predicción para generar pronósticos a corto plazo (predicción para el día siguiente) de la irradiación solar promedio horaria en superficie. El método de predicción se construye y valida con información de estaciones meteorológicas de la Red de Monitoreo de Calidad del Aire de la Secretaría de Ambiente de Bogotá. La precisión del modelo fue evaluada a través del error medio cuadrático (RMSE) y el error medio absoluto (MAE).

In recent years due to the emergence of climate change problem efforts have been increased to reduce fossil fuel consumption and greenhouse gasses emissions. Renewable energy sources have increased their participation in the electric power generation matrix, driven by a significant reduction in installation and operating costs through to new technological developments. However, these sources have great challenges for its integration into electricity grids, particularly since they are considered as non-manageable sources because of their variable nature. In this work a prediction methodology is implemented to generate short-term forecasts (day ahead predictions) of hourly average solar irradiation at surface. The forecasting method is built and validated with information from meteorological station of the Red de Monitoreo de Calidad del Aire de Bogotá. The precision of the model was evaluated through the root mean square error (RMSE) and mean absolute error (MAE).