Metodología de comparación de técnicas de corto plazo para el pronóstico de la producción de energía eléctrica de plantas solares fotovoltaicas

Resumen

Cada vez hay más conciencia acerca de la necesidad de la utilización de fuentes de energía renovables para la producción de electricidad. Entre estas fuentes, resalta la energía solar fotovoltaica por su gran crecimiento en los últimos años, y por la posibilidad que tienen las plantas solares fotovoltaicas de funcionar en las modalidades on-grid y off-grid. En cualquiera de los dos casos, es importante tener un pronóstico de la producción de energía eléctrica de la planta. En esta investigación se propone una metodología para comparar los pronósticos de corto plazo de la energía eléctrica producida por una planta solar fotovoltaica, utilizando algoritmos de aprendizaje automático, el análisis de series de tiempo, y haciendo uso de los datos históricos de la producción de la planta y de las variables climáticas. Se obtuvieron modelos de pronósticos con datos tanto en resolución temporal horaria como con resolución temporal de quince minutos. Las métricas de desempeño utilizadas en la evaluación de los modelos fueron: R², RMSE, MAE, y MAPE. Para la resolución de quince minutos, ambos modelos, red neuronal artificial y K vecinos más cercanos, cumplieron con los supuestos estadísticos, pero el modelo de red tuvo los valores más bajos de las métricas. Para la resolución horaria, de nuevo el modelo de red neuronal artificial tuvo el mejor desempeño sobre el modelo ARIMA del análisis de series de tiempo.