Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala
La falta de precisión en los datos de radiación solar puede tener un gran impacto en la rentabilidad de los proyectos de energía solar. Las redes de medición terrestre ofrecen información limitada por su distribución esparza en el territorio. Esto lleva a desarrollar modelos de estimación por imágen...
| Autores principales: | , , , , , , , , |
|---|---|
| Formato: | Articulo |
| Lenguaje: | Español |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/172343 |
| Aporte de: |
| id |
I19-R120-10915-172343 |
|---|---|
| record_format |
dspace |
| spelling |
I19-R120-10915-1723432024-10-31T20:04:05Z http://sedici.unlp.edu.ar/handle/10915/172343 Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala Machine learning models for estimating solar radiation on the horizontal plane using multiscale satellite information Iturbide, Paula Orsi, Ximena Denegri, María José Fioretti, Santiago Ruiz, Pablo Luza, Sergio Stern, Valeria Alonso-Suárez, Rodrigo Ronchetti, Franco 2024-09-18 2024-10-31T13:59:08Z es Ciencias Exactas Ciencias Informáticas Radiación solar aprendizaje automático Imágenes satelitales GOES16 GHI Solar radiation Machine Learning Satellite images La falta de precisión en los datos de radiación solar puede tener un gran impacto en la rentabilidad de los proyectos de energía solar. Las redes de medición terrestre ofrecen información limitada por su distribución esparza en el territorio. Esto lleva a desarrollar modelos de estimación por imágenes satelitales, los cuales resuelven la espacialidad si son ajustados a mediciones terrestres de calidad. En este estudio, se desarrollan y validan modelos empíricos de aprendizaje automático para la estimación por satélite de radiación solar global horizontal, demostrando su utilidad y precisión en la región analizada. Estos modelos se alimentan con variables provenientes de imágenes satelitales GOES- 16 y variables geométricas. Los resultados sugieren que para ciertas combinaciones de variables satelitales de entrada, la información geométrica puede ser utilizada en forma implícita para realizar estimaciones precisas de la radiación solar. Debido al volumen de la información satelital disponible, desarrollamos un análisis de componentes principales para reducir la dimensionalidad. Para comparar el modelo propuesto adaptamos localmente las estimaciones del Heliosat-4 y del CIM-ESRA al sitio, y también implementamos el modelo CIM-McClear. Los resultados muestran una superioridad de desempeño del modelo de aprendizaje automático propuesto, demostrando que es capaz de extraer información de la multiescala espacial satelital. Por otro lado, la mejora de desempeño obtenida es leve, lo que muestra la dificultad en seguir mejorando el desempeño de la estimación satelital de radiación solar. The lack of precision in solar radiation data impacts the solar energy projects risk. Ground measurement networks provide limited information due to their sparse spatial distribution. This leads to estimation models based on satellite imagery, solving the spatial issue if carefully adjusted to quality ground measurements. In this article, we develop and validate an empirical Machine Learning (ML) model for satellite-based solar radiation estimation, demonstrating its usefulness and accuracy in the studied region. The models are fed with variables from GOES-16 satellite imagery, McClear model estimates, and geometric data. Our results suggest that for certain proposed models, satellite information is sufficient for accurately estimating solar radiation, by obtaining the temporal reference from implicit relationships between the considered satellite variables. Given the size of the data set, we propose a principal component analysis to reduce dimensionality. In order to compare the proposed model, we adapt Heliosat-4 and CIM-ESRA estimates to the site and implement the CIM-McClear model. The results indicate that the proposed model outperforms others, although slightly, showing how difficult it is to further improve solar radiation satellite-based estimation. Asociación Argentina de Energía Solar Articulo Articulo http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 462-473 |
| institution |
Universidad Nacional de La Plata |
| institution_str |
I-19 |
| repository_str |
R-120 |
| collection |
SEDICI (UNLP) |
| language |
Español |
| topic |
Ciencias Exactas Ciencias Informáticas Radiación solar aprendizaje automático Imágenes satelitales GOES16 GHI Solar radiation Machine Learning Satellite images |
| spellingShingle |
Ciencias Exactas Ciencias Informáticas Radiación solar aprendizaje automático Imágenes satelitales GOES16 GHI Solar radiation Machine Learning Satellite images Iturbide, Paula Orsi, Ximena Denegri, María José Fioretti, Santiago Ruiz, Pablo Luza, Sergio Stern, Valeria Alonso-Suárez, Rodrigo Ronchetti, Franco Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala |
| topic_facet |
Ciencias Exactas Ciencias Informáticas Radiación solar aprendizaje automático Imágenes satelitales GOES16 GHI Solar radiation Machine Learning Satellite images |
| description |
La falta de precisión en los datos de radiación solar puede tener un gran impacto en la rentabilidad de los proyectos de energía solar. Las redes de medición terrestre ofrecen información limitada por su distribución esparza en el territorio. Esto lleva a desarrollar modelos de estimación por imágenes satelitales, los cuales resuelven la espacialidad si son ajustados a mediciones terrestres de calidad. En este estudio, se desarrollan y validan modelos empíricos de aprendizaje automático para la estimación por satélite de radiación solar global horizontal, demostrando su utilidad y precisión en la región analizada. Estos modelos se alimentan con variables provenientes de imágenes satelitales GOES- 16 y variables geométricas. Los resultados sugieren que para ciertas combinaciones de variables satelitales de entrada, la información geométrica puede ser utilizada en forma implícita para realizar estimaciones precisas de la radiación solar. Debido al volumen de la información satelital disponible, desarrollamos un análisis de componentes principales para reducir la dimensionalidad. Para comparar el modelo propuesto adaptamos localmente las estimaciones del Heliosat-4 y del CIM-ESRA al sitio, y también implementamos el modelo CIM-McClear. Los resultados muestran una superioridad de desempeño del modelo de aprendizaje automático propuesto, demostrando que es capaz de extraer información de la multiescala espacial satelital. Por otro lado, la mejora de desempeño obtenida es leve, lo que muestra la dificultad en seguir mejorando el desempeño de la estimación satelital de radiación solar. |
| format |
Articulo Articulo |
| author |
Iturbide, Paula Orsi, Ximena Denegri, María José Fioretti, Santiago Ruiz, Pablo Luza, Sergio Stern, Valeria Alonso-Suárez, Rodrigo Ronchetti, Franco |
| author_facet |
Iturbide, Paula Orsi, Ximena Denegri, María José Fioretti, Santiago Ruiz, Pablo Luza, Sergio Stern, Valeria Alonso-Suárez, Rodrigo Ronchetti, Franco |
| author_sort |
Iturbide, Paula |
| title |
Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala |
| title_short |
Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala |
| title_full |
Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala |
| title_fullStr |
Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala |
| title_full_unstemmed |
Modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala |
| title_sort |
modelos de machine learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala |
| publishDate |
2024 |
| url |
http://sedici.unlp.edu.ar/handle/10915/172343 |
| work_keys_str_mv |
AT iturbidepaula modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT orsiximena modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT denegrimariajose modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT fiorettisantiago modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT ruizpablo modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT luzasergio modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT sternvaleria modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT alonsosuarezrodrigo modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT ronchettifranco modelosdemachinelearningparaestimarlaradiacionsolarenplanohorizontalutilizandoinformacionsatelitalmultiescala AT iturbidepaula machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT orsiximena machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT denegrimariajose machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT fiorettisantiago machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT ruizpablo machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT luzasergio machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT sternvaleria machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT alonsosuarezrodrigo machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation AT ronchettifranco machinelearningmodelsforestimatingsolarradiationonthehorizontalplaneusingmultiscalesatelliteinformation |
| _version_ |
1826544500290355200 |