Aplicativo para el pronóstico de generación solar

Las aplicaciones para el pronóstico de generación con fuentes intermitentes permiten prever la producción futura en una planta de generación. Este pronóstico ayuda con la estabilidad del sistema interconectado nacional al mantener el balance entre la energía producida y la consumida de los agentes conectados al sistema. En el caso de la generación eléctrica basada en fuentes de energía renovables como la energía solar, el recurso requerido para la producción energética cambia de forma constante por la variación de las condiciones climáticas, lo cual presenta un reto importante para la implementación a gran escala de las fuentes de energías limpias, que son muy necesarias para la sostenibilidad ambiental. Es por esto que se propone realizar una aplicación de pronóstico de generación solar, desde el punto de vista de un generador que busca diferenciarse de la competencia realizando sus propios pronósticos. Se entrenó una red neuronal que relaciona la generación para las próximas 40 horas de un panel solar de 30W ubicado en la ciudad de Barranquilla, con los datos de variables meteorológicas de la estación meteorológica ubicada en el barrio Las Flores (Barranquilla), mapas de predicciones meteorológicas generados con modelos GFS por la NOAA (National Oceanic and Atmospheric Administration) y variables astronómicas. El modelo fue evaluado bajo condiciones más estrictas que las definidas en la Resolución CREG 060 del 2019, debido a que las pérdidas se contabilizaron al precio de oferta y no al precio de oferta menos el precio de bolsa. El aplicativo muestra un rendimiento para el despacho en el intervalo 0-24 horas del 88,60% y para el intervalo 24-48 horas es de 83,86%. Si solo se consideran los casos en los cuales la planta de generación obtuvo pérdidas por producir menos de lo declarado, el rendimiento del algoritmo asciende al 94,40% en el intervalo de 0-24 y 91,29% en el intervalo de 24-48 horas, en los dos casos cuando se realiza el despacho.

• Autores: Pedroza Chamorro, David Elías
• Fecha de publicación: 2020
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/8909
• Acceso en línea: http://hdl.handle.net/10584/8909
• Palabra clave: Predicción; Generación; Sol; Solar; Renovables; Fuentes; Industria 4.0; Red Neuronal; Artificial intelligence; IA; Forecast; Generation; Sun; Renewables; Sources; Neural Network; Industry 4.0
• License: Universidad del Norte