Científicos argentinos trabajan en eliminar las incertidumbres de la radiación solar

1 December, 2012 | By More

CIENTÍFICOS ARGENTINOS TRABAJAN EN ELIMINAR LAS INCERTIDUMBRES DE LA RADIACIÓN SOLAR

English

Por Illán Arribas M.Sc.; Editado por Dora de Alonzo, Ph.D.; 30 de Noviembre de 2012

Las tecnologías de generación de energía limpia, tales como parques solares o eólicos son en esencia extracción de energía de las variables climáticas, en este caso, la radiación solar y la velocidad del viento, respectivamente. Estos dos, además de estar relacionadas entre sí, dependen a su vez de muchos otros factores tales como humedad, temperatura y nubosidad.

Investigadores de diferentes universidades en la Argentina, están llevando a cabo estudios sobre las relaciones de las variables climáticas, con el fin de proporcionar herramientas y modelos matemáticos y estadísticos que se correlacionen con la realidad. Una estimación detallada de la radiación solar fue elaborada con los así llamados “algoritmos genéticos anidados” [1].

Este interesante trabajo desarrollado en la zona Tucumán, al Norte de Argentina consiste en la formulación y aplicación de algoritmos anidados para la predicción de las variables climáticas [1]. El método también permite la predicción de las variables climáticas a partir de conjuntos de datos incompletos, donde el propio algoritmo estima los datos que faltan.

Los algoritmos anidados son capaces de trabajar en un espacio de 2 a la 239 respuestas posibles y pueden trabajar con múltiples variables con el fin de establecer relaciones entre ellas. Han sido ampliamente utilizados para la investigación en energía [2-3]. La característica principal de estos algoritmos se basa en el peso final de cada variable, y la capacidad de eliminar algunas de ellas con el fin de hacer los cálculos menos complejos.

El trabajo se puso a prueba calculando la radiación solar en El Colmenar (Tucumán, Argentina) empleando 14 estaciones meteorológicas, separadas por más de 700 kilómetros entre sí. Luego de la aplicación del algoritmo, una cantidad total de 329 variables se redujo a 54 (velocidad del viento, la nubosidad, la temperatura, horas de sol, entre otras). De hecho, el algoritmo caracteriza algunas de estas, como variables críticas en función del parámetro buscado. Esto permite al usuario reconocer las variables que se consideran más importantes en la predicción de otras variables climáticas.

REFERENCIAS

[1] A. Will, J. Bustos, M. Bocco, J. Gotay, C. Lamelas, On the use of niching genetic algorithms for variable selection in solar radiation estimation, Renewable Energy, Volume 50, February 2013, Pages 168-176, ISSN 0960-1481, 10.1016/j.renene.2012.06.039. (http://www.sciencedirect.com/science/article/pii/S0960148112003904)

[2] W.F. Sacco, Celso M.F. Lapa, C.M.N.A. Pereira, C.R.E. de Oliveira, A niching genetic algorithm applied to a nuclear power plant auxiliary feedwater system surveillance tests policy optimization, Annals of Nuclear Energy, Volume 33, Issue 9, June 2006, Pages 753-759, ISSN 0306-4549, 10.1016/j.anucene.2006.03.010. (http://www.sciencedirect.com/science/article/pii/S0306454906000636)

[3] Feng Ye, Weimin Qi, Jie Xiao, Research of Niching Genetic Algorithms for Optimization in Electromagnetics, Procedia Engineering, Volume 16, 2011, Pages 383-389, ISSN 1877-7058, 10.1016/j.proeng.2011.08.1099. (http://www.sciencedirect.com/science/article/pii/S1877705811026002)

………………………………………………………………………………………………………………………………………….

ARGENTINEAN SCIENTISTS WORK ON ELIMINATING THE UNCERTAINTIES IN SOLAR RADIATION

By Illán Arribas M.Sc.; Edited by Dora de Alonzo, Ph.D.; November 30, 2012

Clean energy generation systems such as solar or wind parks are in essence extracting energy from climate variables, in this case, solar radiation and wind speed, respectively. These two, besides being related among themselves, are both function of many other factors such as, humidity, temperature and cloudiness.

Researchers from different universities in Argentina are carrying out studies about climate variables relationships in order to provide tools and methods to correlate reality with mathematical and statistical models. A detailed estimation of solar radiation was carried out with the so called “niching genetic algorithms” [1].

 This exciting study developed in Argentina consists of the formulation and application of niching algorithms to the prediction of climate variables [1]. The method also enables predicting climate variables from incomplete data sets, as the algorithm estimates the missing data.

 Niching algorithms are able to work in a space of 2 to the 239 possible answers and can deal with multiple variables, in order to establish relationships among them. They have been widely used for research in energy [2-3]. The main characteristic of these algorithms relies on weighting each variable, and the ability to eliminate some of them in order to make less complicated calculations.

 The work was tested calculating the solar radiation at El Colmenar (Tucumán, Argentina) employing 14 weather stations, some of which were more than 700 km apart. After applying the algorithm, a total of 329 variables were reduced to 54 (wind speed, cloudiness, temperature, sunshine hours, among others). In addition, the algorithm characterizes some of these as critical variables depending on the searched parameter. This allows the user to easily point to the variables that are considered more important in the prediction of another climate variables.

 

REFERENCES

[1] A. Will, J. Bustos, M. Bocco, J. Gotay, C. Lamelas, On the use of niching genetic algorithms for variable selection in solar radiation estimation, Renewable Energy, Volume 50, February 2013, Pages 168-176, ISSN 0960-1481, 10.1016/j.renene.2012.06.039. (http://www.sciencedirect.com/science/article/pii/S0960148112003904)

[2] W.F. Sacco, Celso M.F. Lapa, C.M.N.A. Pereira, C.R.E. de Oliveira, A niching genetic algorithm applied to a nuclear power plant auxiliary feedwater system surveillance tests policy optimization, Annals of Nuclear Energy, Volume 33, Issue 9, June 2006, Pages 753-759, ISSN 0306-4549, 10.1016/j.anucene.2006.03.010. (http://www.sciencedirect.com/science/article/pii/S0306454906000636)

[3] Feng Ye, Weimin Qi, Jie Xiao, Research of Niching Genetic Algorithms for Optimization in Electromagnetics, Procedia Engineering, Volume 16, 2011, Pages 383-389, ISSN 1877-7058, 10.1016/j.proeng.2011.08.1099. (http://www.sciencedirect.com/science/article/pii/S1877705811026002)

Tags: ,

Category: Energía Solar

Comments are closed.