MSc Thesis presentation - Vladimir Gutierrez - Spain 2011JUNE

1. Máster en Ciencias (MSc)
Diploma de Estudios Avanzados
Federico Vladimir Gutiérrez Corea
Directores:
Prof. Dr. Miguel Ángel Manso Callejo
Prof. Dr. Miguel Ángel Bernabé Poveda
Junio de 2011
Análisis de las Observaciones sub-hora de la Radiación Solar registrada
por las Estaciones Meteorológicas Voluntarias de la red MeteoClimatic

2. ÍNDICE
Curriculum vitae
Programa de Doctorado
Período de docencia
Período de investigación
- Primer Trabajo Tutelado
- Segundo Trabajo Tutelado
Futuras líneas de investigación

3. CURRICULUM VITAE
2003 2004 2005 2006 2007 2008 2009 2010 2011
- Actividades Académico-Profesional
DEA
Ingeniero
en Computación
Corp. Terán
Universidad
Nacional de
Ingeniería

4. PROGRAMA DE DOCTORADO
- Período de investigación:
2º Trabajo Tutelado
Revisión bibliográfica:
Obtención de valores de
Radiación Solar en la
Superficie Terrestre y la
Importancia en el Ámbito de
las Energías Renovables.
1º Trabajo Tutelado
Investigación de la
Aplicabilidad de
Observaciones de Radiación
Solar Procedentes de
Estaciones Meteorológicas
Voluntarias.
Futura líneas de investigación
Superados 20 créditos al cursar 6 asignaturas en el período de docencia.
- Período de docencia:

5. PROGRAMA DE DOCTORADO
- Período de investigación
OBJETIVO:
Proponer fuentes de observaciones de Radiación Solar en
la superficie terrestre validas y alternativas a las oficiales
mediante el análisis de los valores sub-hora registrados
por estaciones meteorológicas voluntarias.
MOTIVACIÓN:
Aportar al conocimiento de las observaciones de la RS
por estaciones en tierra y estimaciones de la RS por
satélite.

6. TRABAJO TUTELADO Nº 1
Revisión bibliográfica: Obtención de valores de Radiación
Solar en la Superficie Terrestre y la Importancia en el
Ámbito de las Energías Renovables

7. RADIACIÓN SOLAR (RS)
TRABAJO TUTELADO Nº 1

8. RADIACIÓN SOLAR (RS)
1367 W / m2 = Constante Solar (RS Extraterrestre )
TRABAJO TUTELADO Nº 1

9. Relación entre el uso de los recursos energéticos y el desarrollo sostenible (Hepbasli 2008)
Recursos de Energía Renovable (RERs) (solar, hidroeléctrica, eólica, geotérmica, etc.)
Soluciones sostenibles con mayor potencial a problemas ambientales (Kaya 2006)
•USA - 2030 el 20% (consumo) Eólica (Toole et al 2010)
•EUROPA - 2020 el 20% (consumo) de RERs (European Economy News 2010)
o ESPAÑA - 2020 el 43% (producción) de RERs (Eólica y solar fotovoltaica) (MITYC 2010)
- Importancia de la RS en el ámbito de las energías renovables

10. - Importancia de la RS en el ámbito de las energías renovables
Las RERs tienen dependencia de las condiciones atmosféricas
Uso simultaneo de RERs (Hoicka y Rowlands 2011), (Agelidis y Shrivastava 2009)

11. - Importancia de la RS en el ámbito de las energías renovables
Aplicaciones de la RS a nivel del suelo:
• Instalaciones solares fotovoltaicas (Sherwani, Usmani, Varun 2010).
• Energía termo solar (Chow 2010)(Apaza et al 2009).
• Diseño fotovoltaico integrado en edificios (Brescia 2010)(Chemisana 2010).
•Agricultura, silvicultura (Fu y Rich 2002).
•Automóviles alimentados por energía solar (Taha et al 2008).
El creciente número de aplicaciones de las RS como RERs está motivando un
incremento en la demanda de información de la RS a nivel del suelo.

12. - Fuentes de valores de RS a nivel del suelo:
1. Valores obtenidos por estaciones meteorológicas de RS en
Tierra:
• Son los mejores valores RS.
• Su cantidad y distribución
geográfica es poco densa.
(Polo, Zarzalejo, Ramírez 2008)
• En USA la razón entre RS y
Temperatura es 1:100
• En el mundo la razón es 1:500 (Badescu 2008)
• En España AEMET 23/258 a 10 minutos … razón de 1:11 (AEMET 2011)

13. 2. Interpolación espacial de la RS observada por estaciones en
tierra:
• Permite disponer de valores de RS de forma continua.
- Fuentes de valores de RS a nivel del suelo:

14. 2. Interpolación espacial de la RS observada por estaciones en
tierra:
• Permite disponer de valores de RS de forma continua.
• Los errores son tolerables en un área de influencia cuyo límite se fija en los
25 km de distancia (Zelenka et al 1999).
- Fuentes de valores de RS a nivel del suelo:

15. 3. Estimación/cálculo de la RS mediantes sensores remotos
utilizando imágenes de satélites:
• Fuente útil de información de RS a nivel del suelo (Polo, Zarzalejo, Ramírez 2008).
• Permite disponer de valores de RS de forma continua.
• Cubre grandes áreas de forma homogénea.
• Valores de la RS menos exactos que las observaciones en tierra y sus
interpolaciones a un rango de 25 km (Perez, Seals, Zelenka 1997).
• Es más adecuados para bajas resoluciones espacio-temporales
(Umer, Kulik, Tanin 2010).
- Fuentes de valores de RS a nivel del suelo:

16. 4. Otras variables meteorológicas y fuentes de datos para
simular los valores de la RS en lugares no observados.
Este es el caso del modelo METSTAT (Maxwell 1998), utilizado en la creación
de la Base de Datos Nacional de Radiación Solar en USA (NSRDB)
(NREL 1992).
- Fuentes de valores de RS a nivel del suelo:

17. TRABAJO TUTELADO Nº 1
Existen muchas aplicaciones de la RS como fuente de energía que han
incrementado la demanda de información de RS.
Los mejores valores de RS son los entregados por las observaciones de estaciones
en tierra . Por lo tanto lo recomendable es densificar las estaciones en tierra .
+
- Conclusiones
Una propuesta de Fuentes alternativas a las oficiales, es el uso de redes
meteorológicas por voluntarios (VGI) como MeteoClimatic que al ser fuentes VGI
se les debe estudiar su validez.

18. TRABAJO TUTELADO Nº 2
Investigación de la Aplicabilidad de Observaciones de
Radiación Solar Procedentes de Estaciones Meteorológicas
Voluntarias

19. TRABAJO TUTELADO Nº 2
(1) Recolección de series temporales de RS.
- Metodología
1
2
3
4
(2) Alineación temporal de las series y
carga en la Base de Datos de integración
de RS.
(3) Identificación de valores atípicos.
(4) Cálculo de Errores por distintos tipos de
agrupaciones.

20. TRABAJO TUTELADO Nº 2
- Metodología
1 42 3

21. 1 42 3
- Metodología
(1) Recolección y Carga de RS datos desde distintas fuentes.

22. AEMET: Estaciones de RS = 23, n = 181 432
- Metodología
(1) Recolección de series temporales de RS. Datos experimentales.

23. AEMET: Estaciones de RS = 23, n = 181 432
- Metodología
(1) Recolección de series temporales de RS. Datos experimentales.

24. MeteoClimatic: Estaciones de RS = 227, n = 2 936 998
- Metodología
(1) Recolección de series temporales de RS. Datos experimentales.

25. MeteoClimatic: Estaciones de RS = 227, n = 2 936 998
- Metodología
(1) Recolección de series temporales de RS. Datos experimentales.

26. HelioClim
www.SoDA-is.com
- Metodología
(1) Recolección de series temporales de RS. Datos experimentales.

27. HelioClim
www.SoDA-is.com
- Metodología
(1) Recolección de series temporales de RS. Datos experimentales.

28. 1 42 3
- Metodología
(2) Alineación temporal de las series y carga en la Base de Datos de integración de RS.

29. - Minutos sexagesimal.
- Hora UTC.
- Coincidencia en las Observaciones
(interpolaciones) y relleno de lagunas.
- Metodología
(2) Alineación temporal de las series y carga en la Base de Datos de integración de RS.

30. 1 42 3
- Metodología
(3) Identificación de valores atípicos.

31. 3.1) Selección de Valores Observados o interpolados en el tiempo a menos de
20 minutos.
3.2) Valores de la RS cuando el sol se encuentra sobre el horizonte.
Horarios de salida y puesta del sol para las capitales de provincia
(FOMENTO 2011).
3.3) Detección de valores atípicos:
- Todas las diferencias.
- Diferencias agrupadas por meses.
- Todas los Errores Relativos.
- Errores Relativo agrupado por meses.
- Metodología
(3) Identificación de valores atípicos.

32. Ea = EstimacionPorSatelite – ObservacionEnTierra
- Metodología
(3) Identificación de valores atípicos.

33. Er = (Ea * 100) / ObservacionEnTierra
- Metodología
(3) Identificación de valores atípicos.

34. - Metodología
(4) Cálculo de Errores por distintos tipos de agrupaciones.
1 42 3

35. - Metodología
(4) Cálculo de Errores por distintos tipos de agrupaciones.

36. - Metodología
(4) Cálculo de Errores por distintos tipos de agrupaciones.

37. - Metodología
(4) Cálculo de Errores por distintos tipos de agrupaciones.

38. RESULTADOS
Valores validos

39. RESULTADOS
Valores validos

40. RESULTADOS
Errores Relativos.

41. RESULTADOS
Errores Relativos.

42. RESULTADOS
Errores Relativos.

43. TRABAJO TUTELADO Nº 2
Errores Relativos.

44. TRABAJO TUTELADO Nº 2
Errores Relativos.

45. Conclusiones
1) Error entre las estimaciones de la RS por satélite y observaciones de la RS no es
constante a lo largo del ciclo solar.
CONCLUSIONES
2) Los valores de Error Cuadrático Medio (ECM) obtenidos permiten confirmar la
utilidad de MeteoClimatic como una fuente alternativa de observaciones de RS.
ECM de AEMET vs HelioClim = 26.22 y ECM MeteoClimatic vs HelioClim 29.48.

46. 3) Se densifica espacialmente las
regiones y contexto geográfico de las
observaciones de RS por estaciones en tierra.
Abarcando un 22% de la extensión geográfica
Española al considerar los 25 km de área de
influencia por la interpolación de sus valores.
4) Los resultados de la agrupación espacial por longitudes indican la existencia de una
relación entre las diferencias de los errores y la diferencia de las longitudes
implicadas.
CONCLUSIONES

47. 5) Agrupación espacial por cuasi-latitudes:
No indican ninguna relación/tendencia aparente entre sus errores..
6) Errores relativos en función a la distancia entre las estaciones meteorológicas y el
centro de observación del satélite en la tierra indica la existencia de una relación entre
dicha distancia y el error relativo.
7) A pesar de confirmarse la utilidad de la red MeteoClimatic, no se puede considerar la
red de estaciones voluntarias en su conjunto válida o inadecuada, sino que el análisis
se ha de realizar a nivel de estación. El estudio realizado proporciona un método para
estudiar las estaciones en función de la bondad sus observaciones.
8) En los primeros instantes de luz del día las estimaciones de la RS por satélite registran
valores de RS mayores a los que registran las estaciones meteorológicas en tierra.
CONCLUSIONES

48. FUTURAS LÍNEAS DE INVESTIGACIÓN
1) Analizar con más rigurosidad los posibles problemas derivados de la posible falta de
sincronismo en los relojes de las estaciones meteorológicas voluntarias y la
transformación de los tiempos de sus observaciones a Tiempo Solar Verdadero.
2) Mejorar la densificación espacial de las fuentes de observaciones por estaciones en
tierra agregando más redes de estaciones que ofrezcan valores de RS en tiempo cuasi-
real ( Weather Underground, Weather Link, CWOP, las comunidades autónomas, la
dirección general de tráfico, etc.), utilizando el método y programas desarrollados en
este estudio.
3) Crear superficies de RS que abarquen todo el territorio Español utilizando
como fuente la BD de integración de observaciones de RS generadas para este estudio.
4) Identificar el mejor método de interpolación de observaciones de RS.
5) Predecir la RS a corto plazo combinando la nubosidad mediante técnicas de
inteligencia artificial como la redes neuronales.

49. - Publicaciones y Contribuciones en congresos
1
1
+
1
5

50. Muchas gracias por su atención.
Vladimir Gutiérrez
fv.gutierrez@upm.es
www.vlado.es
Junio de 2011