Sistema adaptativo de inferencia neuro-difusa (ANFIS) para la estimación de la radiación solar global

• Bastos Guerrero, Diana Carolina ^[1] ; Illera Bustos, Mario Joaquín ^[1] ; Sepúlveda Mora, Sergio Basilio ^[1]
  1. [1] Universidad Francisco de Paula Santander

     Universidad Francisco de Paula Santander

     Colombia

     
• Localización: Investigación e Innovación en Ingenierías, ISSN-e 2344-8652, Vol. 9, Nº. 1 (Enero-Junio), 2021, págs. 34-49
• Idioma: español
• Títulos paralelos:
  • Adaptive Neuro-Fuzzy Inference System (ANFIS) for the estimation of global solar radiation
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: Proponer un sistema adaptativo de inferencia neuro-difusa (ANFIS) para la estimación de la radiación solar global en la ciudad de Cúcuta (Norte de Santander, Colombia) Metodología: A partir de registros históricos del IDEAM se obtuvieron las variables: temperatura ambiente, brillo solar, velocidad del viento, humedad relativa, hora de medición y radiación solar global entre los años 2005 y 2015. Usando la herramienta Fuzzy Logic Toolbox de Matlab y los datos del IDEAM se crearon redes ANFIS con diferentes configuraciones. Después de comparar los errores estadísticos, se escogió el modelo ANFIS que minimizara el RMSE.

    Resultados: Los errores estadísticos del modelo son: R2 = 0.9115, RMSE = 124,23 Wh/m2 y MAPE = 27,8 %, evidenciando una alta precisión para la estimación de la radiación solar global en el territorio seleccionado.

    Conclusiones: La red ANFIS propuesta es un modelo basado en inteligencia artificial con precisión suficiente para ser usado en el diseño de sistemas fotovoltaicos en la región, que no cuenta con una amplia red de piranómetros para medir el recurso solar.

  • English

    Objective: To propose an Adaptive Neuro-Fuzzy Inference System (ANFIS) for the estimation of global solar radiation in the city of Cúcuta (Norte de Santander, Colombia).

    Methodology: Historical records of ambient temperature, solar brightness, wind speed, relative humidity, hour, and global solar radiation from 2005 to 2015 were obtained from IDEAM database. ANFIS networks with different configurations were created using the data from IDEAM and Fuzzy Logic Toolbox in Matlab. After comparing statistical errors, the ANFIS model with the minimum RMSE was selected.

    Results: The statistical errors of the model are: R2 = 0.9115, RMSE = 124,23 Wh/m2, and MAPE = 27,8 %, which show high accuracy for the estimation of global solar radiation in the city of Cúcuta.

    Conclusions: The proposed ANFIS network is a model based on artificial intelligence with enough accuracy to design photovoltaic systems in the region under study, where there is a lack of pyranometers to constantly measure the solar resource.