Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro

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 fuen...

Full description

Autores:: Ordoñez Palacios, Luis Eduardo
Bucheli Gerrero, Víctor Andrés
Caicedo Bravo, Eduardo Francisco

Tipo de recurso:: Article of journal

Fecha de publicación:: 2024

Institución:: Corporación Universidad de la Costa

Repositorio:: REDICUC - Repositorio CUC

Idioma:: spa

id	RCUC2_1e6deadc16fb4078564b661e5df6dd59
oai_identifier_str	oai:repositorio.cuc.edu.co:11323/13747
network_acronym_str	RCUC2
network_name_str	REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro
dc.title.translated.eng.fl_str_mv	Evaluation of solar radiation obtained from NASA and satellite imagery-based prediction models adjusted for microgrid sizing in Homer Pro
title	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro
spellingShingle	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro Microrredes eléctricas Homer Pro Energía renovable Energía Solar Sistemas fotovoltaicos Electrical microgrids Homer Pro Renewable energy Solar energy Photovoltaic systems
title_short	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro
title_full	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro
title_fullStr	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro
title_full_unstemmed	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro
title_sort	Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro
dc.creator.fl_str_mv	Ordoñez Palacios, Luis Eduardo Bucheli Gerrero, Víctor Andrés Caicedo Bravo, Eduardo Francisco
dc.contributor.author.spa.fl_str_mv	Ordoñez Palacios, Luis Eduardo Bucheli Gerrero, Víctor Andrés Caicedo Bravo, Eduardo Francisco
dc.subject.spa.fl_str_mv	Microrredes eléctricas Homer Pro Energía renovable Energía Solar Sistemas fotovoltaicos
topic	Microrredes eléctricas Homer Pro Energía renovable Energía Solar Sistemas fotovoltaicos Electrical microgrids Homer Pro Renewable energy Solar energy Photovoltaic systems
dc.subject.eng.fl_str_mv	Electrical microgrids Homer Pro Renewable energy Solar energy Photovoltaic systems
description	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%.
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-05-22 13:20:08
dc.date.available.none.fl_str_mv	2024-05-22 13:20:08
dc.date.issued.none.fl_str_mv	2024-05-22
dc.type.spa.fl_str_mv	Artículo de revista
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.content.spa.fl_str_mv	Text
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv	Journal article
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/ART
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/publishedVersion
dc.type.coarversion.spa.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
format	http://purl.org/coar/resource_type/c_6501
status_str	publishedVersion
dc.identifier.issn.none.fl_str_mv	0122-6517
dc.identifier.url.none.fl_str_mv	https://doi.org/10.17981/ingecuc.20.1.2024.13
dc.identifier.doi.none.fl_str_mv	10.17981/ingecuc.20.1.2024.13
dc.identifier.eissn.none.fl_str_mv	2382-4700
identifier_str_mv	0122-6517 10.17981/ingecuc.20.1.2024.13 2382-4700
url	https://doi.org/10.17981/ingecuc.20.1.2024.13
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.ispartofjournal.spa.fl_str_mv	Inge CuC
dc.relation.references.spa.fl_str_mv	OLADE, «Panorama Energético de América Latina y el Caribe». 2019. [Online]. Available in: http://biblioteca.olade.org/opac-tmpl/Documentos/old0434b.pdf [2] X. Zheng, D. Streimikiene, T. Balezentis, A. Mardani, F. Cavallaro, and H. Liao, «A review of greenhouse gas emission profiles, dynamics, and climate change mitigation efforts across the key climate change players», Journal of Cleaner Production, vol. 234, pp. 1113-1133, Oct. 2019, doi: 10.1016/j.jclepro.2019.06.140. [3] Energy Journal, «Energías Renovables No Convencionales (ERNC)», Energy Journal, August 10, 2012. https://www.revistaenergia.com/1135/ (Accessed April 27, 2021). [4] CONPES, «Documento CONPES 3969». 2019. [Online]. Available in: https://colaboracion.dnp.gov.co/CDT/Conpes/Econ%C3%B3micos/3969.pdf [5] UPME, «Integración de las energías renovables no convencionales en Colombia». 2015. [Online]. Available in: http://www.upme.gov.co/Estudios/2015/Integracion_Energias_Renovables/INTEGRACION_ENERGIAS_RENOVANLES_WEB.pdf [6] M. Fernandez, «Energías Renovables: qué son y tipos», Otovo Blog, May 25, 2021. https://www.otovo.es/blog/energia/que-son-las-energias-renovables/ (Accessed June 7, 2021). [7] D. Yang, W. Wang, and X. Xia, «A Concise Overview on Solar Resource Assessment and Forecasting», Adv. Atmos. Sci., Jan. 2022, doi: 10.1007/s00376-021-1372-8. [8] S. Pereira, E. F. M. Abreu, M. Iakunin, A. Cavaco, R. Salgado, and P. Canhoto, «Method for solar resource assessment using numerical weather prediction and artificial neural network models based on typical meteorological data: Application to the south of Portugal», Solar Energy, vol. 236, pp. 225-238, Apr. 2022, doi: 10.1016/j.solener.2022.03.003. [9] L. E. Ordoñez-Palacios, D. A. León-Vargas, V. A. Bucheli-Guerrero, and H. A. Ordoñez-Eraso, «Predicción de radiación solar en sistemas fotovoltaicos utilizando técnicas de aprendizaje automático», Journal Facultad de Ingeniería, vol. 29, n.o 54, Art. n.o 54, Sep. 2020, doi: 10.19053/01211129.v29.n54.2020.11751. [10] A. Geetha et al., «Prediction of hourly solar radiation in Tamil Nadu using ANN model with different learning algorithms», Energy Reports, vol. 8, pp. 664-671, abr. 2022, doi: 10.1016/j.egyr.2021.11.190. [11] L. E. Ordoñez Palacios, V. Bucheli Guerrero, and H. Ordoñez, «Machine Learning for Solar Resource Assessment Using Satellite Images», Energies, vol. 15, n.o 11, Art. n.o 11, ene. 2022, doi: 10.3390/en15113985. [12] Syafaruddin, «Review on Multi-Objectives Optimization Methods in Hybrid Power Generation», Journal of Engineering Science and Technology Review, vol. 12, pp. 143-152, Feb. 2019, doi: 10.25103/jestr.121.17. [13] OffGridEnergy, «OffGridEnergy/offgrid-solar-power-system». January 23, 2018. Accessed: June 7, 2021. [Online]. Available in: https://github.com/OffGridEnergy/offgrid-solar-power-system [14] SiyueZoe, «SiyueZoe/FYP-Project». May 17, 2018. Accessed: June 7, 2021. [Online]. Available in: https://github.com/SiyueZoe/FYP-Project [15] jgarcia2411, «jgarcia2411/Energy-Supply-Smart-Home». May 14, 2021. Accessed: June 7, 2021. [Online]. Available in: https://github.com/jgarcia2411/Energy-Supply-Smart-Home [16] grhervas, «grhervas/Energy-production-Spain». June 22, 2020. Accessed: June 7, 2021. [Online]. Available in: https://github.com/grhervas/Energy-production-Spain [17] RETScreen, «RETScreen», March 10, 2010. https://www.nrcan.gc.ca/maps-tools-and-publications/tools/modelling-tools/retscreen/7465 (accessed on June 9th, 2021). [18] HOMER, «HOMER Pro - Microgrid Software for Designing Optimized Hybrid Microgrids», 2021. https://www.homerenergy.com/products/pro/index.html (accessed on June 9th, 2021). [19] ESMAP, «Model for Electricity Technology Assessment (META) \| ESMAP», 2021. https://www.esmap.org/node/3051 (accessed on June 9th, 2021). [20] Argonne, «Energy Systems - Energy and Power Evaluation Program (ENPEP-BALANCE)», 2021. https://ceeesa.es.anl.gov/projects/Enpepwin.html (accessed on June 9th, 2021). [21] F. Ali, M. Ahmar, Y. Jiang, y M. AlAhmad, «A techno-economic assessment of hybrid energy systems in rural Pakistan», Energy, vol. 215, p. 119103, Jan. 2021, doi: 10.1016/j.energy.2020.119103. [22] L. Khalil, K. Liaquat Bhatti, M. Arslan Iqbal Awan, M. Riaz, K. Khalil, y N. Alwaz, «Optimization and designing of hybrid power system using HOMER pro», Materials Today: Proceedings, vol. 47, pp. S110-S115, Jan. 2021, doi: 10.1016/j.matpr.2020.06.054. [23] M. K. Deshmukh y A. B. Singh, «Modeling of Energy Performance of Stand-Alone SPV System Using HOMER Pro», Energy Procedia, vol. 156, pp. 90-94, Jan. 2019, doi: 10.1016/j.egypro.2018.11.100. [24] A. Singh, P. Baredar, y B. Gupta, «Computational Simulation & Optimization of a Solar, Fuel Cell and Biomass Hybrid Energy System Using HOMER Pro Software», Procedia Engineering, vol. 127, pp. 743-750, Jan. 2015, doi: 10.1016/j.proeng.2015.11.408. [25] Ordoñez Palacios, «Notebook en Python y datos utilizados en el modelo de evaluación de los resultados de las simulaciones en Homer Pro, basados en dos fuentes de datos de radiación solar.» Accessed: April 24, 2023. [Online]. Available in: https://github.com/luise-phd/evalDatosAjustadosDimenMicrogids [26] Editorial La República, «Colombia cierra 2021 con inflación de 5,62%, la más alta registrada en cinco años», Diario La República, January 5, 2022. https://www.larepublica.co/economia/colombia-cierra-2021-con-inflacion-de-5-62-la-mas-alta-registrada-en-cinco-anos-3283454 (Accessed on November 21, 2022). [27] Solartex, «Calculadora de Consumo Eléctrico», Solartex Colombia, 2021. https://www.solartex.co/calculadora-de-consumo-electrico/ (Accessed on August 29, 2022). [28] L. Mouthón, «La Costa Caribe, estratégica para desarrollar la generación solar», EL HERALDO, November 22, 2020. https://www.elheraldo.co/economia/la-costa-caribe-estrategica-para-desarrollar-la-generacion-solar-775110 (Accessed on September 1, 2022).
dc.relation.citationendpage.none.fl_str_mv	50
dc.relation.citationstartpage.none.fl_str_mv	38
dc.relation.citationissue.spa.fl_str_mv	1
dc.relation.citationvolume.spa.fl_str_mv	20
dc.relation.bitstream.none.fl_str_mv	https://revistascientificas.cuc.edu.co/ingecuc/article/download/4720/5365
dc.relation.citationedition.spa.fl_str_mv	Núm. 1 , Año 2024 : (Enero - Junio)
dc.rights.spa.fl_str_mv	Inge Cuc - 2024
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Inge Cuc - 2024 http://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad de la Costa
dc.source.spa.fl_str_mv	https://revistascientificas.cuc.edu.co/ingecuc/article/view/4720
institution	Corporación Universidad de la Costa
bitstream.url.fl_str_mv	https://repositorio.cuc.edu.co/bitstreams/7aa6cca6-1920-4572-802a-2a11bc030ba2/download
bitstream.checksum.fl_str_mv	b687760590a9fde001bef793c01f5a47
bitstream.checksumAlgorithm.fl_str_mv	MD5
repository.name.fl_str_mv	Repositorio de la Universidad de la Costa CUC
repository.mail.fl_str_mv	repdigital@cuc.edu.co
_version_	1828166568595423232
spelling	Ordoñez Palacios, Luis EduardoBucheli Gerrero, Víctor AndrésCaicedo Bravo, Eduardo Francisco2024-05-22 13:20:082024-05-22 13:20:082024-05-220122-6517https://doi.org/10.17981/ingecuc.20.1.2024.1310.17981/ingecuc.20.1.2024.132382-4700Introducción: 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%.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%.application/pdfspaUniversidad de la CostaInge Cuc - 2024http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/4720Microrredes eléctricasHomer ProEnergía renovableEnergía SolarSistemas fotovoltaicosElectrical microgridsHomer ProRenewable energySolar energyPhotovoltaic systemsEvaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer ProEvaluation of solar radiation obtained from NASA and satellite imagery-based prediction models adjusted for microgrid sizing in Homer ProArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge CuCOLADE, «Panorama Energético de América Latina y el Caribe». 2019. [Online]. Available in: http://biblioteca.olade.org/opac-tmpl/Documentos/old0434b.pdf [2] X. Zheng, D. Streimikiene, T. Balezentis, A. Mardani, F. Cavallaro, and H. Liao, «A review of greenhouse gas emission profiles, dynamics, and climate change mitigation efforts across the key climate change players», Journal of Cleaner Production, vol. 234, pp. 1113-1133, Oct. 2019, doi: 10.1016/j.jclepro.2019.06.140. [3] Energy Journal, «Energías Renovables No Convencionales (ERNC)», Energy Journal, August 10, 2012. https://www.revistaenergia.com/1135/ (Accessed April 27, 2021). [4] CONPES, «Documento CONPES 3969». 2019. [Online]. Available in: https://colaboracion.dnp.gov.co/CDT/Conpes/Econ%C3%B3micos/3969.pdf [5] UPME, «Integración de las energías renovables no convencionales en Colombia». 2015. [Online]. Available in: http://www.upme.gov.co/Estudios/2015/Integracion_Energias_Renovables/INTEGRACION_ENERGIAS_RENOVANLES_WEB.pdf [6] M. Fernandez, «Energías Renovables: qué son y tipos», Otovo Blog, May 25, 2021. https://www.otovo.es/blog/energia/que-son-las-energias-renovables/ (Accessed June 7, 2021). [7] D. Yang, W. Wang, and X. Xia, «A Concise Overview on Solar Resource Assessment and Forecasting», Adv. Atmos. Sci., Jan. 2022, doi: 10.1007/s00376-021-1372-8. [8] S. Pereira, E. F. M. Abreu, M. Iakunin, A. Cavaco, R. Salgado, and P. Canhoto, «Method for solar resource assessment using numerical weather prediction and artificial neural network models based on typical meteorological data: Application to the south of Portugal», Solar Energy, vol. 236, pp. 225-238, Apr. 2022, doi: 10.1016/j.solener.2022.03.003. [9] L. E. Ordoñez-Palacios, D. A. León-Vargas, V. A. Bucheli-Guerrero, and H. A. Ordoñez-Eraso, «Predicción de radiación solar en sistemas fotovoltaicos utilizando técnicas de aprendizaje automático», Journal Facultad de Ingeniería, vol. 29, n.o 54, Art. n.o 54, Sep. 2020, doi: 10.19053/01211129.v29.n54.2020.11751. [10] A. Geetha et al., «Prediction of hourly solar radiation in Tamil Nadu using ANN model with different learning algorithms», Energy Reports, vol. 8, pp. 664-671, abr. 2022, doi: 10.1016/j.egyr.2021.11.190. [11] L. E. Ordoñez Palacios, V. Bucheli Guerrero, and H. Ordoñez, «Machine Learning for Solar Resource Assessment Using Satellite Images», Energies, vol. 15, n.o 11, Art. n.o 11, ene. 2022, doi: 10.3390/en15113985. [12] Syafaruddin, «Review on Multi-Objectives Optimization Methods in Hybrid Power Generation», Journal of Engineering Science and Technology Review, vol. 12, pp. 143-152, Feb. 2019, doi: 10.25103/jestr.121.17. [13] OffGridEnergy, «OffGridEnergy/offgrid-solar-power-system». January 23, 2018. Accessed: June 7, 2021. [Online]. Available in: https://github.com/OffGridEnergy/offgrid-solar-power-system [14] SiyueZoe, «SiyueZoe/FYP-Project». May 17, 2018. Accessed: June 7, 2021. [Online]. Available in: https://github.com/SiyueZoe/FYP-Project [15] jgarcia2411, «jgarcia2411/Energy-Supply-Smart-Home». May 14, 2021. Accessed: June 7, 2021. [Online]. Available in: https://github.com/jgarcia2411/Energy-Supply-Smart-Home [16] grhervas, «grhervas/Energy-production-Spain». June 22, 2020. Accessed: June 7, 2021. [Online]. Available in: https://github.com/grhervas/Energy-production-Spain [17] RETScreen, «RETScreen», March 10, 2010. https://www.nrcan.gc.ca/maps-tools-and-publications/tools/modelling-tools/retscreen/7465 (accessed on June 9th, 2021). [18] HOMER, «HOMER Pro - Microgrid Software for Designing Optimized Hybrid Microgrids», 2021. https://www.homerenergy.com/products/pro/index.html (accessed on June 9th, 2021). [19] ESMAP, «Model for Electricity Technology Assessment (META) \| ESMAP», 2021. https://www.esmap.org/node/3051 (accessed on June 9th, 2021). [20] Argonne, «Energy Systems - Energy and Power Evaluation Program (ENPEP-BALANCE)», 2021. https://ceeesa.es.anl.gov/projects/Enpepwin.html (accessed on June 9th, 2021). [21] F. Ali, M. Ahmar, Y. Jiang, y M. AlAhmad, «A techno-economic assessment of hybrid energy systems in rural Pakistan», Energy, vol. 215, p. 119103, Jan. 2021, doi: 10.1016/j.energy.2020.119103. [22] L. Khalil, K. Liaquat Bhatti, M. Arslan Iqbal Awan, M. Riaz, K. Khalil, y N. Alwaz, «Optimization and designing of hybrid power system using HOMER pro», Materials Today: Proceedings, vol. 47, pp. S110-S115, Jan. 2021, doi: 10.1016/j.matpr.2020.06.054. [23] M. K. Deshmukh y A. B. Singh, «Modeling of Energy Performance of Stand-Alone SPV System Using HOMER Pro», Energy Procedia, vol. 156, pp. 90-94, Jan. 2019, doi: 10.1016/j.egypro.2018.11.100. [24] A. Singh, P. Baredar, y B. Gupta, «Computational Simulation & Optimization of a Solar, Fuel Cell and Biomass Hybrid Energy System Using HOMER Pro Software», Procedia Engineering, vol. 127, pp. 743-750, Jan. 2015, doi: 10.1016/j.proeng.2015.11.408. [25] Ordoñez Palacios, «Notebook en Python y datos utilizados en el modelo de evaluación de los resultados de las simulaciones en Homer Pro, basados en dos fuentes de datos de radiación solar.» Accessed: April 24, 2023. [Online]. Available in: https://github.com/luise-phd/evalDatosAjustadosDimenMicrogids [26] Editorial La República, «Colombia cierra 2021 con inflación de 5,62%, la más alta registrada en cinco años», Diario La República, January 5, 2022. https://www.larepublica.co/economia/colombia-cierra-2021-con-inflacion-de-5-62-la-mas-alta-registrada-en-cinco-anos-3283454 (Accessed on November 21, 2022). [27] Solartex, «Calculadora de Consumo Eléctrico», Solartex Colombia, 2021. https://www.solartex.co/calculadora-de-consumo-electrico/ (Accessed on August 29, 2022). [28] L. Mouthón, «La Costa Caribe, estratégica para desarrollar la generación solar», EL HERALDO, November 22, 2020. https://www.elheraldo.co/economia/la-costa-caribe-estrategica-para-desarrollar-la-generacion-solar-775110 (Accessed on September 1, 2022).5038120https://revistascientificas.cuc.edu.co/ingecuc/article/download/4720/5365Núm. 1 , Año 2024 : (Enero - Junio)OREORE.xmltext/xml2848https://repositorio.cuc.edu.co/bitstreams/7aa6cca6-1920-4572-802a-2a11bc030ba2/downloadb687760590a9fde001bef793c01f5a47MD5111323/13747oai:repositorio.cuc.edu.co:11323/137472025-01-21 03:30:30.408http://creativecommons.org/licenses/by-nc-nd/4.0Inge Cuc - 2024metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co

Evaluación de la radiación solar obtenida de la NASA y de modelos de predicción basados en imágenes satelitales ajustados para el dimensionamiento de microrredes en Homer Pro

Publicaciones similares