Soluciones basadas en
datos
Propuesta de trabajo de titulación
Alex Chancúsig
Tema

Análisis y predicción de la capacidad de irradiación solar mediante técnicas
de aprendizaje automático
Descripción del problema

El uso constante de combustibles de origen fósil como el carbón, el petróleo y el
gas han aportado al incremento del nivel de contaminación y al ser energías no
renovables con yacimientos limitados, sumado al incremento de la demanda
energética se requiere optar por nuevas alternativas.

El avance tecnológico en las últimas décadas ha aportado al incremento de la
eficiencia energética de los paneles solares, sumado a los bajos costos de
producción

De acuerdo al Atlas del sector eléctrico ecuatoriano elaborado por la Agencia de
Regulación y Control de Energía y Recursos Naturales No Renovables (2020), la
capacidad de generación eléctrica del país en el año 2020 fue 8712.29 MW de los
cuales, la energía solar aportó con 27.63 MW que representa apenas el 0.32% de la
energía total.

Pese a registrar niveles elevados de captación de irradiación solar en toda la
superficie país, son pocos los proyectos impulsados para generar electricidad a
partir de la luz solar, una de las limitantes es la ausencia de registros de
irradiación que permitan dimensionar adecuadamente un sistema
Justificación

En la actualidad existe una amplia fuente de información satelital que
proporciona registros de diferentes variables ambientales, además de la
cantidad de irradiación en cualquier ubicación en el mundo que han sido de
utilidad para desarrollar exploradores solares que son herramientas dedicadas
al análisis histórico de luz solar en zonas determinadas.

La importancia de este tipo de exploradores radica en la necesidad de
identificar los periodos con menor aporte solar en un lugar donde se requiera
una instalación fotovoltaica y de esta forma, calcular la cantidad de paneles
solares necesaria para asegurar un correcto funcionamiento del proyecto.

En Ecuador no existe ninguna herramienta similar que permita realizar un
estudio a profundidad de la cantidad de irradiación solar y generar
estimaciones futuras confiables para gestionar eficientemente una instalación
solar a pequeña escala o en plantas de mayor producción.
Objetivos

General


Evaluar el potencial de irradiación solar captado en una superficie terrestre mediante
técnicas de aprendizaje automático para la elaboración de un explorador solar
interactivo como herramienta preliminar al diseño de sistemas fotovoltaicos.
Específicos

Extraer información para la construcción de un conjunto de datos necesario para el
análisis de la irradiación solar utilizando repositorios de libre acceso.

Identificar técnicas de aprendizaje automático afines al pronóstico de irradiación solar
para la selección del mejor modelo predictor en función de métricas de evaluación.

Desarrollar una interfaz interactiva para la visualización de la predicción de irradiación
solar en una ubicación determinada mediante la implementación de un modelo basado
en aprendizaje automático.
Metodología
• Identificación
fuentes de
información
Fase 1
Fase 2
• Análisis
exploratorio y
enriquecimiento
de dataset
• Creación del
modelo de
pronóstico
Fase 3
Fase 4
• Desarrollo de
una interfaz
interactiva
Resultados esperados
Conjunto de datos generado a través de la compilación de diferentes
fuentes de información para el análisis de irradiación solar.
• Dataset con integración de fuentes de estaciones meteorológicos locales e información
satelital geográfica
Modelo de predicción de irradiación como producto del empleo de un
conjunto de algoritmos de aprendizaje automático.
• Modelo de machine learning o Deep learning partiendo del ajuste y la capacidad de
predicción
Interfaz didáctica para la visualización de los resultados del modelo
implementado en una ubicación determinada.
• Página web
• App desarrollada mediante PyQt5 e integración con python
Dataset
Característica
Tipo de
dato
Fecha
Temporal
Radiación Global
Numérica
Nivel de radiación
promedio (W*h/m2).
Humedad
Numérica
Humedad relativa promedio
medida en porcentaje.
Presión
Numérica
Presión
promedio (hPa).
Temperatura
Numérica
Velocidad
Numérica
Velocidad
del
instantánea (m/s).
viento
Dirección
Numérica
Dirección
del
instantánea (°).
viento
Descripción
Fecha y hora del registro.
solar
atmosférica
Temperatura ambiental (°
C).
Análisis exploratorio
Detección de outliers
Visualización de datos
Análisis exploratorio
Distribución de datos
Correlación de variables
Análisis exploratorio
Componentes principales
(Influencia de variables)
Porcentaje de varianza
explicada por cada componente
Prototipo
51.34
W/m2
Prototipo: Modelo de referencia