Resumen de Estimación de la radiación solar global utilizando redes neuronales NNARX basadas en el índice UV

John Barco Jiménez, Francisco Eraso Checa, Andrés Pantoja, Eduardo F. Caicedo

• español

  Contexto: Este trabajo presenta diferentes modelos basados en redes neuronales artificiales, entre ellas las NNARX, para la estimación de la radiación solar global a partir de mediciones del índice UV. El objetivo es determinar la eficiencia de los modelos estudiados para estimar la radiación solar global en términos del coeficiente de determinación (R2), la raíz del error medio cuadrático (RMSE) y el error absoluto medio (MAE).

  Metodología: Se divide en cuatro etapas: i) conformación del set de datos de entrenamiento (en este caso se utiliza un set de entrenamiento de 213.019 datos recolectados durante 5 años en la ciudad de Pasto, Colombia, con la estación Davis Vantage Pro 2.0); ii) pre-procesamiento de los datos para remover datos erróneos e inusuales; iii) definición de modelos basados en redes neuronales artificiales recurrentes y convencionales basándose en un análisis de topologías, e.g. NNFIR y NNARX; iv) entrenamiento de los modelos y evaluación de la eficiencia de la estimación por medio de métricas como R2, RMSE y MAE. Para validar el modelo se utilizaron datos recolectados durante el último año, los cuales no se incluyeron en el entrenamiento.

  Resultados: Los modelos de estimación de radiación solar global basados en NNARX presentan la mejor eficiencia en la estimación en comparación con redes neuronales convencionales. El modelo NNARX221 presenta un RMSE de 54,32 y un MAE de 18,06 w/m2.

  Conclusiones: Los modelos NNARX tienen una gran eficiencia para estimar la radiación solar global, en el mejor de los casos con un coeficiente de determinación de 0,9697. Los modelos más eficientes se caracterizan por utilizar dos instantes pasados y el instante actual de índice UV y realimentar dos instantes pasados de su propia salida de radiación estimada. Además, los resultados numéricos muestran que la contribución de la temperatura y humedad relativa no es relevante para mejorar la eficiencia de la estimación de la radiación solar global. Estos modelos pueden ser particularmente importantes dado que solamente utilizan mediciones realizadas con sensores de índice UV que son menos costosos que los sensores de radiación solar.

• English

  Context: This work presents different models based on artificial neural networks, among them NNARX, for estimating global solar radiation from UV index measurements. The objective is to determine the efficiency of the models studied to estimate global solar radiation in terms of the coefficient of determination (R2), the root-mean-square error (RMSE), and the mean absolute error (MAE).

  Methodology: It is divided into four stages: i) conformation of the training dataset (in this case, it uses a training set of 213.019 data collected over five years in the city of Pasto, Colombia, with the Davis Vantage Pro 2.0 station); ii) pre-processing of data to remove erroneous and unusual data; iii) definition of models based on recurrent and conventional artificial neural networks according to an analysis of topologies, e.g. NNFIR and NNARX; iv) training of the models and evaluation of the estimation efficiency through metrics such as R2, RMSE, and MAE. To validate the model, a new dataset collected during the last year was used, which was not included in the data training.

  Results: The global solar radiation estimation models based on NNARX show the best estimation efficiency compared to conventional neural networks. The NNARX221 model has an RMSE of 54,32 and a MAE of 18,06 w/m2.

  Conclusions: NNARX models are highly efficient at estimating global solar radiation, with a coefficient of determination of 0,9697 in the best of cases. The most efficient models are characterized by using two past times and the current UV index instant, and they feed from two past times of their own estimated radiation output. Furthermore, the numerical results show that the contribution of temperature and relative humidity is not relevant to improving the efficiency of the estimation of global solar radiation. These models can be particularly important since they only use measurements made with UV index sensors, which are less expensive than solar radiation ones.