Modelo empírico de Angström-Prescott para estimar la radiación solar en Norte de Santander, Colombia
Resumen
El documento muestra la aplicación del modelo empírico de Angström-Prescott en diferentes lugares de Norte de Santander, Colombia. El modelo estima la radiación solar a partir de las horas de brillo solar, en un sitio donde se miden el brillo y la radiación solar. Los datos se obtuvieron del Instituto de Hidrología, Meteorología y Estudios Ambientales, IDEAM; se desarrollaron algoritmos en RStudio para procesar y analizar la información. El modelo establece una relación lineal entre la radiación solar y las horas de brillo solar, en un lugar geográfico específico. Por ello, se realizaron análisis de regresión para tres sitios diferentes, usando registros históricos de brillo y radiación solar, obteniendo los coeficientes R-cuadrado de: 0.73, 0.78, y 0.42. Luego, los modelos fueron extrapolados a regiones cercanas con registros de brillo solar, pero sin datos de radiación solar, para obtener una estimación de la radiación en estos lugares. Finalmente, se creó una base de datos con información promedio mensual de radiación solar para varias subregiones de Norte de Santander, que puede utilizarse para el diseño e implementación de sistemas fotovoltaicos.
Palabras clave
radiación solar;, ecuación de Angström-Prescott;, modelo empírico;, brillo solar
Biografía del autor/a
Wilmer Contreras-Sepúlveda
Ingeniero Electrónico
Migan Giuseppe Galban-Pineda
Ingeniero Electrónico
Luis Fernando Bustos-Márquez
Ingeniero Electrónico, Especialista en Práctica Pedagógica Universitaria
Sergio Basilio Sepúlveda-Mora
Ingeniero Electrónico, Master of Science in Electrical and Computer Engineering
Jhon Jairo Ramírez-Mateus
Ingeniero Electrónico
Referencias
Akinoǧlu, B. G., & Ecevit, A. (1990). A further comparison and discussion of sunshine-based models to estimate global solar radiation. Energy, 15 (10), 865–872. https://doi.org/10.1016/0360-5442(90)90068-D
Almorox, J., Benito, M., & Hontoria, C. (2005). Estimation of monthly Angström-Prescott equation coefficients from measured daily data in Toledo, Spain. Renewable Energy, 30 (6), 931–936. https://doi.org/10.1016/j.renene.2004.08.002
Asilevi, P. J., Quansah, E., Amekudzi, L. K., Annor, T., & Klutse, N. A. B. (2019). Modeling the spatial distribution of Global Solar Radiation (GSR) over Ghana using the Ångström-Prescott sunshine duration model. Scientific African, 4, e00094. https://doi.org/10.1016/j.sciaf.2019.e00094
Basaran, K., Özçift, A., & Kılınç, D. (2019). A New Approach for Prediction of Solar Radiation with Using Ensemble Learning Algorithm. Arabian Journal for Science and Engineering, 44 (8), 7159–7171. https://doi.org/10.1007/s13369-019-03841-7
Chelbi, M., Gagnon, Y., & Waewsak, J. (2015). Solar radiation mapping using sunshine duration-based models and interpolation techniques: Application to Tunisia. Energy Conversion and Management, 101, 203–215. https://doi.org/10.1016/j.enconman.2015.04.052
Dumas, A., Andrisani, A., Bonnici, M., Graditi, G., Leanza, G., Madonia, M., & Trancossi, M. (2015). A new correlation between global solar energy radiation and daily temperature variations. Solar Energy, 116, 117–124. https://doi.org/10.1016/j.solener.2015.04.002
Hough, T. P. (Ed.). (2007). Recent developments in solar energy. Nova Science Publishers, Inc.
Hulstrom, R. L. (Ed.). (1989). Solar Resources. The MIT press.
Jamil, B., & Bellos, E. (2019). Development of empirical models for estimation of global solar radiation exergy in India. Journal of Cleaner Production, 207, 1–16. https://doi.org/10.1016/j.jclepro.2018.09.246
Luna-Carlosama, C., Jiménez-García, F., Moreno-Chuquen, R., & Mulcué-Nieto, L. (2020). Potencial de irradiación solar para generar electricidad en el departamento del Putumayo de Colombia. Revista UIS Ingenierías, 19 (3), 153–161. https://doi.org/10.18273/revuin.v19n3-2020015
Maechler, M., Stahel, W., Ruckstuhl, A., Keller, C., Halvorsen, K., Houser, A., Buser, C., Gygax, L., Venables, B., Plate, T., Flckiger, I., Wolbers, M., Keller, M., & Dudoit, S. (2016). sfsmisc: Utilities from “Seminar fuer Statistik” ETH Zurich R package version 1.1-0. doi: https://cran.r-project.org/package=sfsmisc
Mirai Solutions GmbH. (2017). XLConnect: Excel Connector for R (R package version 0.2-13).
Noriega-Angarita, E., Sousa-Santos, V., Quintero-Duran, M., & Gil-Arrieta, C. (2016). Solar radiation prediction for dimensioning photovoltaic systems using artificial neural networks. International Journal of Engineering and Technology, 8 (4), 1817–1825. https://doi.org/10.21817/ijet/2016/v8i4/160804234
Paulescu, M., Stefu, N., Calinoiu, D., Paulescu, E., Pop, N., Boata, R., & Mares, O. (2016). Ångström-Prescott equation: Physical basis, empirical models and sensitivity analysis. Renewable and Sustainable Energy Reviews, 62, 495–506. https://doi.org/10.1016/j.rser.2016.04.012
Quej, V. H., Almorox, J., Ibrakhimov, M., & Saito, L. (2016). Empirical models for estimating daily global solar radiation in Yucatán Peninsula, Mexico. Energy Conversion and Management, 110, 448–456. https://doi.org/10.1016/j.enconman.2015.12.050
Smets, A., Jäger, K., Isabella, O., VanSwaaij, R., & Zeman, M. (2016). Solar Energy: The Physics and Engineering of Photovoltaic Conversion, Technologies and Systems 1st ed. UIT Cambridge Ltd.
Unidad de Planeación Minero Energética, UPME. (2015). Integración de las energías renovables no convencionales en Colombia. Recuperado de: http://www.upme.gov.co/Estudios/2015/Integracion_Energias_Renovables/INTEGRACION_ENERGIAS_RENOVANLES_WEB.pdf
Urrego-Ortiz, J., Martínez, J. A., Arias, P. A., & Jaramillo-Duque, Á. (2019). Assessment and day-ahead forecasting of hourly solar radiation in Medellín, Colombia. Energies, 12 (22), 4402. https://doi.org/10.3390/en12224402
Vélez-Pereira, A. M., Vergara-Vásquez, E. L., Barraza-Coronell, W. D., & Agudelo-Yepes, D. C. (2015). Evaluación de un modelo estadístico para estimar la radiación solar en Magdalena, Colombia. TecnoLógicas, 18 (35), 35–44. https://doi.org/10.22430/22565337.196
Wang, J., Wang, E., Yin, H., Feng, L., & Zhao, Y. (2015). Differences between observed and calculated solar radiations and their impact on simulated crop yields. Field Crops Research, 176, 1–10. https://doi.org/10.1016/j.fcr.2015.02.014
Yaniktepe, B., & Genc, Y. A. (2015). Establishing new model for predicting the global solar radiation on horizontal surface. International Journal of Hydrogen Energy, 40 (44), 15278–15283. https://doi.org/10.1016/j.ijhydene.2015.02.064
Zeileis, A., & Grothendieck, G. (2005). zoo: S3 Infrastructure for Regular and Irregular Time Series. Journal of Statistical Software, 14 (6), 1–27. http://arxiv.org/abs/math/0505527