Recurso Solar

La realización de estas actividades se ha llevado a cabo por

Dra. Sayra Lissette Orozco Cerros (CONAHCYT - Universidad Michoacana de San Nicolás de Hidalgo)

Dr. Luis Bernardo López Sosa (Universidad Intercultural Indígena de Michoacán)

Dr. Heberto Ferreira Medina (IIES - UNAM)

Dr. Carlos Alberto García Bustamante (ENES Morelia - UNAM, Responsable técnico del proyecto PRONACES)

Dr. Michel Rivero (Responsable)

(1) Estimación  del potencial solar en San Francisco Pichátaro, Michoacán

La irradiancia solar es se ve afectada por varios factores, como la hora del día (siendo máxima un poco después del medio día), la estación del año (mayor en verano que en invierno), la latitud geográfica (mayor entre más cercanos al ecuador nos encontremos), la altitud, la presencia de nubes (que se peude apreciar claramente en la gráfica) u otros obstáculos en la atmósfera (como partículas de polvo) y la orientación de la superficie receptora. La irradiancia solar se puede clasificar como:

• • Irradiancia Solar Directa (DNI): Representa la parte de la radiación solar que llega a la superficie terrestre sin dispersión en la atmósfera, es decir, la radiación directa del sol. Se mide en un plano normal (perpendicular) a los rayos solares.

  • Irradiancia Solar Difusa (DHI): Es la radiación solar que llega a la superficie terrestre después de ser dispersada en la atmósfera debido a nubes, partículas en suspensión y otros obstáculos. Se mide en todas las direcciones y proviene de todas las partes del cielo.

  • Irradiancia Solar Global (GHI): Es la suma de la radiación solar directa e irradiación solar difusa en una superficie horizontal. Representa la radiación solar total que llega a una ubicación y se mide en un plano horizontal.

La medición de la irradiancia solar se realiza utilizando instrumentos llamados piranómetros y pirheliómetros, que son dispositivos diseñados específicamente para captar y registrar la radiación solar incidente. Estos datos se utilizan para crear mapas de irradiación solar, ayudando a identificar las áreas con mayor potencial solar para aplicaciones energéticas y ambientales. En la gráfica superior se presenta la irradiancia global medida por un piranómetro. La irradiancia solar es una variable relevante para diferetnes aplicaciones como: diseño de sistemas solares (térmicos y fotovoltáicos), evaluación de la viabilidad de proyectos solares, predicción del rendimiento energético, análisis climático y meteorológico, entre otros.

Adicionalemnte, se cuenta con mediciones de temperatura y humedad relativa que nos permitirán implementar los modelos de aprendizaje de máquina (trabajo en proceso). A continuación se muestran ambas variables durante el periodo de medición.

Este proyecto es financiado con fondos del CONAHCYT, por lo que los datos recabados pueden obtenerse a través de una requisición formal dirigida a los administradores del proyecto. La solicitud de acceso a estos datos es un procedimiento estándar que asegura la transparencia y la disponibilidad de la información relevante para cualquier parte interesada, incluyendo investigadores, agencias reguladoras y el público en general. Este enfoque garantiza que los datos generados y recopilados como parte del proyecto estén a disposición de aquellos que buscan comprender, evaluar o utilizar los resultados y hallazgos obtenidos con fondos públicos.

(2) Implementación de un modelo de aprendizaje de máquina

Para la implementación de los modelos de aprendizaje de máquina es necesario buscar otras fuentes de información que se pueda utilizar para entrenar los modelos. En nuestro caso, las fuentes de datos son bases de datos internacionales de reanálisis y datos obtenidos de las redes de estaciones meteorológicas del Servicio Meteorológico Nacional. Puesto que la instalación de estaciones meteorológicas implica un costo elevado, la idea es estimar el potencial solar a partir de datos de facil acceso y veriables que se puedan medir de manera rutinaria y a un costo asequible. Estas variables incluyen la temperatura y la humedad relativa.

A continuación se muestras algunas gráficas de datos de reanálisis que se han obtenido hasta el momento, y que se están trabajando para la implementación de los modelos de aprendizaje de máquina. Estas gráficas correspondes a variables como la radiación solar directa (DNI) o el índice de claridad (clear sky), cuyos datos están disponibles para diversos periodos y años.

Actualmente estamos trabajando en la implementación de los modelos de ML para la estimación, por lo que en las próximas semanas subiremos los resultados correspondientes.