Resumen de Evaluation of solar radiation obtained from NASA and satellite imagery-based prediction models adjusted for microgrid sizing in Homer Pro

Luis Eduardo Ordoñez Palacios, Víctor Andrés Bucheli Guerrero, Eduardo Caicedo Bravo

• español

  Introducción: La optimización de los recursos de energía renovable es trascendental para satisfacer la demanda energética mundial y para evitar los efectos adversos producidos por la quema de combustibles fósiles. Por lo tanto, existen distintos estudios que procuran estimar la capacidad de las fuentes de energía renovable en una ubicación geográfica. Asimismo, existen diversas aplicaciones de software que buscan un equilibrio entre la inversión y la capacidad instalada de una central generadora de energía eléctrica.

  Objetivo: Este trabajo utiliza los resultados del algoritmo Random Forest para predecir la radiación solar a partir de imágenes satelitales. Esta técnica alcanzó un desempeño en R2 de 0.82 y en RMSE de 107.05. El objeto de este estudio es evaluar los resultados de 2 modelos de sistemas fotovoltaicos diseñados para 10 lugares distintos del territorio colombiano. El modelo M1 utiliza datos de radiación solar de la NASA. El modelo M2 utiliza datos de radiación solar generados por Random Forest.

  Metodología: La evaluación de la radiación solar proveniente de la NASA y del algoritmo Random Forest está basada en las simulaciones proporcionadas por la herramienta de optimización de recursos energéticos Homer Pro.

  Resultados: Las simulaciones de ambos modelos en Homer Pro, arrojan una diferencia en la capacidad de los componentes del sistema de entre 0.0% y 47.31%. La diferencia entre la generación de energía eléctrica oscila entre 0.0% y 11.99%. De igual manera, la diferencia entre los costos del sistema está entre 1.34% y 23.64% respectivamente.

  Conclusiones: Los datos de radiación solar estimados por Random Forest se constituyen como una alternativa a los datos de radiación solar proporcionados por la NASA, dado que las diferencias en la capacidad de los componentes del sistema, la generación de energía eléctrica y los costos totales del sistema están en promedio, en alrededor del 27%.

• English

  Introduction: The optimization of renewable energy resources is transcendental to satisfy the world energy demand and to avoid the adverse effects produced by the burning of fossil fuels. Therefore, there are several studies that seek to estimate the capacity of renewable energy sources in a geographical location. Likewise, there are several software applications that seek a balance between the investment and the installed capacity of an electric power generating plant.

  Objective: This work uses the results of the Random Forest algorithm to predict solar radiation from satellite images. This technique achieved a performance in R2 of 0.82 and in RMSE of 107.05. The purpose of this study is to evaluate the results of 2 models of photovoltaic systems designed for 10 different locations in the Colombian territory. Model M1 uses solar radiation data from NASA. The M2 model uses solar radiation data generated by Random Forest.

  Methodology: The evaluation of solar radiation from NASA and the Random Forest algorithm is based on simulations provided by the energy resource optimization tool Homer Pro.

  Results: The simulations of both models in Homer Pro show a difference in the capacity of the system components of between 0.0% and 47.31%. The difference between electric power generation ranges from 0.0% to 11.99%. Similarly, the difference between system costs is between 1.34% and 23.64% respectively.

  Conclusions: The solar radiation data estimated by Random Forest is constituted as an alternative to the solar radiation data provided by NASA, given that the differences in the capacity of system components, electric power generation and total system costs are on average at around 27%.