Resumen—
La Comisión de Energía y Gas (CREG) estableció a finales del 2016 una metodología para el cálculo del Cargo por Confiabilidad de plantas solares fotovoltaicas. En esta se establece que se requieren series históricas de más de diez años de irradiación solar y temperatura ambiente en el sitio de instalación de la planta para el cálculo de dicho cargo, sin embargo, en Colombia no se cuenta con datos históricos con dicha información, por lo que se requiere de estrategias que permitan la estimación de dichas series a partir de otras variables de entrada. El presente artículo emplea Redes Neuronales Artificiales para estimar datos de radicación solar requeridos utilizando como datos de entrada la humedad relativa, temperatura ambiente y mes del año.
Palabras clave— Cargo por Confiabilidad, Energía Firme, Plantas Solares Fotovoltaicas, Redes Neuronales Artificiales.
Abstract—
The Comisión de Energía y Gas (CREG) published in 2016 the guidelines to calculate the reliability charge for solar plants. The methodology indicates that in order to calculate the base load power for the reliability charge, it is required ten years of information with solar radiation and ambient temperature. In Colombia there is not such information, thus it is required to use strategies to estimate the required information from available data. In this paper Artificial Neutral Networks are used to estimate solar radiation considering ambient temperature, relative humidity and month of the year.
Key Word — Artificial Neural Networks, Base Load Power Reliability Charge, Photovoltaic Systems.
Autores: Valentina Triviño Castañeda1, Andrés Escobar Mejía2, Henry Giovanny Valdés.
Artículo tomado de la Revista Scientia et Technica Año XXII, Vol. 23, No. 01, marzo de 2018. Universidad Tecnológica de Pereira. ISSN 0122-1701
Para descargar el artículo entero, visita el siguiente enlace: