Evaluación de los recursos energéticos solares en zonas de topografía compleja mediante imágenes de satélite y redes neuronales artificiales

Resumen

Uno de los factores determinantes para el desarrollo económico e industrial de un país es poder compatibilizar el abastecimiento energético con la necesidad de cumplir con unos requerimientos medioambientales cada vez más restringidos. En este sentido las energías renovables cuentan con una importante ventaja competitiva como es la de aprovechar los recursos propios inagotables, además de la ausencia de emisiones de dióxido de carbono a la atmósfera. Dentro de las energías renovables la energía solar térmica y la energía solar fotovoltaica juegan un papel fundamental. Dichas energías se basan en el aprovechamiento directo de la radiación solar. Una adecuada comprensión y modelización de la radiación solar es fundamental en la evaluación de los recursos energéticos renovables, en los modelos climáticos e hidrológicos. Es necesaria una estimación precisa de la radiación solar no solo en áreas donde existen estaciones radiométricas y donde consecuentemente se puede disponer de medidas sino en cualquier otra localización. En estos casos, la técnica utilizada es la de interpolación y/o extrapolación. Sin embargo, este método suele ser poco preciso si la variabilidad en los valores de radiación es grande como ocurre en zonas de topografía compleja. En los últimos años se han desarrollado técnicas que permiten estimar radiación solar teniendo en cuenta los efectos de la topografía a través del uso de Modelos Digitales del Terreno. Por otro lado, diferentes estudios han puesto de manifiesto que la utilización de las imágenes de satélite en la estimación de la radiación solar mejora sustancialmente los resultados con respecto a las técnicas de interpolación y/o extrapolación. La evaluación de los recursos energéticos solares requiere observaciones continuas debido a las variaciones que experimenta la intensidad del flujo radiante que se recibe en la superficie, tanto por motivos estacionales como de variabilidad climática. Los satélites geoestacionarios, como por ejemplo Meteosat, mantienen permanentemente su campo de visión sobre la misma zona de la tierra, con una frecuencia de varias imágenes por hora. Por este motivo son los más indicados para estimar la radiación solar incidente y evaluar su potencial energético. Otros estudios demuestran que el uso de Redes Neuronales Artificiales puede proporcionar buenos resultados en la estimación de radiación solar ofreciendo una alternativa a las técnicas que utilizan Modelos Digitales del Terreno y a las imágenes de satélite. En esta línea, el presente trabajo persigue como objetivo fundamental estimar la radiación solar diaria en zonas de topología compleja utilizando tres metodologías: una basada en Modelos Digitales del Terreno, otra utilizando imágenes de satélite y por último mediante redes neuronales artificiales. Para conseguir dicho objetivo será necesario: - Analizar el comportamiento de algoritmos que permiten estimar la radiación global diaria, basados en modelos digitales del terreno y en condiciones de cielo despejado. - Determinar aquellos parámetros atmosféricos que nos permitan caracterizar el estado de la atmósfera en todo tipo de condiciones. - Analizar el comportamiento de algoritmos que permiten estimar la radiación global diaria, basados en modelos digitales del terreno y en todo tipo de condiciones de cielo. - Analizar el modelo Heliosat-2 para obtener la radiación global diaria a partir de imágenes de satélite. - Estudiar la red neuronal artificial más adecuada para estimar la radiación global diaria proponiendo la arquitectura y el algoritmo de aprendizaje más adecuados. - Comparar los resultados obtenidos en la estimación de la radiación global diaria mediante modelos digitales del terreno e imágenes de satélite en todo tipo de condiciones de cielo. - Comparar los resultados obtenidos en la estimación de la radiación global diaria mediante modelos digitales del terreno y redes neuronales artificiales en condiciones de cielo despejado.