Pronóstico a muy corto plazo para parques solares fotovoltaicos conectados a la Red Eléctrica Nacional
Barra lateral del artículo
Contenido principal del artículo
Resumen
Se presenta un pronóstico a muy corto plazo (15 min) de generación fotovoltaica a partir de parques solares conectados al Sistema Eléctrico Nacional en Cuba. El enfoque aquí descrito se basa, por un lado, en el método Heliosat II para la estimación de la radiación solar a partir de imágenes visibles de satélites meteorológicos y, por otro, en el algoritmo Cloud Motion Vectors, que permite producir una imagen extrapolable en el futuro próximo basado en dos imágenes consecutivas. Ambos métodos se combinan para producir un pronóstico de irradiancia que se utiliza para estimar la generación de energía para un lugar determinado. En este caso, una muestra de los parques disponibles. Con las imágenes satelitales disponibles y la potencia de procesamiento, esta implementación permite producir un pronóstico de 15 minutos cada 5 minutos logrando una correlación de 0,835 entre los valores predichos y reportados en los parques y un error cuadrático medio de 0,51 MW.
Descargas
Detalles del artículo
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes de la Licencia CC Reconocimiento-NoComercial 4.0 Internacional (CC BY-NC 4.0):
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia.
Bajo las condiciones siguientes:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
La revista no se responsabiliza con las opiniones y conceptos emitidos en los trabajos, son de exclusiva responsabilidad de los autores. El Editor, con la asistencia del Comité de Editorial, se reserva el derecho de sugerir o solicitar modificaciones aconsejables o necesarias. Son aceptados para publicar trabajos científico originales, resultados de investigaciones de interés que no hayan sido publicados ni enviados a otra revista para ese mismo fin.
La mención de marcas comerciales de equipos, instrumentos o materiales específicos obedece a propósitos de identificación, no existiendo ningún compromiso promocional con relación a los mismos, ni por los autores ni por el editor.
Citas
Perez R., Kivalov S., Schlemmer J., Hemker K., Renné D., Hoff T. E., 2010. “Validation of short and medium term operational solar radiation forecasts in the US”, Solar Energy, Volume 84, Issue 12, 2010, Pages 2161-2172,ISSN 0038-092X, https://doi.org/10.1016/j.solener.2010.08.014.
Mathiesen P, Collier C, Kleissl J, 2013. "A high-resolution, cloud-assimilating numerical weather prediction model for solar irradiance forecasting", Solar Energy,Volume 92, 2013, Pages 47-1, ISSN 0038-092X, https://doi.org/10.1016/j.solener.2013.02.018.
Hao Huang, Jin Xu, Zhenzhou Peng, Shinjae Yoo, Dantong Yu, Dong Huang Hong Qin, 2013. “Cloud Motion Estimation for Short Term Solar Irradiation Prediction”, 2013 IEEE International Conference on Smart Grid Communications (SmartGridComm), Vancouver, BC, Canada, 2013, pp. 696-701, doi: 10.1109/SmartGridComm.2013.6688040.
Tiwari S. ,Sabzehgar R. and Rasouli M., 2019. "Short Term Solar Irradiance Forecast based on Image Processing and Cloud Motion Detection," 2019 IEEE Texas Power and Energy Conference (TPEC), College Station, TX, USA, 2019, pp. 1-6, doi: 10.1109/TPEC.2019.8662134.
H. Escrig, F.J. Batlles, J. Alonso, F.M. Baena, J.L. Bosch, I.B. Salbidegoitia, J.I. Burgaleta, 2013. "Cloud detection, classification and motion estimation using geostationary satellite imagery for cloud cover forecast", Energy, Volume 55, 2013, Pages 853-859, ISSN 0360-5442, https://doi.org/10.1016/j.energy.2013.01.054.
Zaher, A. Y., & Ghanem, A. (2018). Clouds Motion Estimation from Ground-Based Sky Camera and Satellite Images. InTech. doi:10.5772/intechopen.71263
Cano, D., Monget, J. M., Alnursson, M., & Guillard, H. (1986). A method for the determination of the global solar radiation from meteorological satellite. Solar Energy, 37(1), 31–39.
Albarelo, T., Marie-Joseph, I, and Primerose, A 2014. “Optimizing the Heliosat-II Method for Surface Solar Irradiation Estimation with GOES Images”.” Canadian Journal of Remote Sensing.2014. Manuscript ID CJRS-14-0088.
Hammer A., Heinemann D., Lorenz E. and Luckehed B. “Short-Term Forecasting Of Solar Radiation: A Statistical Approach Using Satellite Data”, Solar Energy Vol. 67, Nos. 1–3, pp. 139–150, 1999,
Farneback, G. 2003. “Two-Frame Motion Estimation Based on Polynomial Expansion.” Image Analysis, 2003. pp. 363–70
Lucas, B, and Kanade, T. 1981. “An Iterative Image Registration Technique with an Application to Stereo Vision.”