Jornadas Sobre Recurso Solar 4

JORNADAS SOBRE RECURSO SOLAR, Junio 2010
1
Centro nacional de energas renovables
JORNADAS SOBRE RECURSO SOLAR
Junio 2010
2
1. Nociones bsicas de estadstica.
2. Modelos meteorolgicos numricos
3. Extensin de la metodologa de aos de
diseo
Jornada presencial 2
3
1. Nociones bsicas de estadstica. Introduccin.
Estadstica es la ciencia que se ocupa de la ordenacin y anlisis
de datos procedentes de muestras, y de la realizacin de
inferencias acerca de las poblaciones de las que proceden.
Poblacin estadstica es el conjunto de todos los elementos
que cumplen una o varias caractersticas comunes.
Una muestra es un subconjunto de los elementos de una
poblacin.
Una inferencia es una deduccin o conclusin acerca de algo.
Un parmetro es una caracterstica de los elementos de una
poblacin.
Un estadstico es una medida derivada de una muestra.
4
1. Nociones bsicas de estadstica. Introduccin.
Poblacin
Muestra Estadstico
Parmetro
Muestreo
Se desea conocer
Se calcula
Estimacin
5
1. Nociones bsicas de estadstica. Objetivos.
Descripcin de datos.
Limpieza y tratamiento de los datos.
Resumen de la informacin.
Representacin de los datos y sus caractersticas.
Anlisis de muestras.
Extraccin de muestras representativas.
Diseo de experimentos.
Contraste de hiptesis.
Justificacin o rechazo de hiptesis previas.
6
1. Nociones bsicas de estadstica. Objetivos
Medicin de relaciones.
Medicin de relaciones entre variables.
Regresin.
Prediccin
Extraccin de conclusiones para la toma de decisiones.
Clasificacin.
Series temporales.
7
1. Nociones bsicas de estadstica. Estadsticos.
Las medidas de posicin nos ayudan a saber dnde
estn los datos pero sin saber cmo se distribuyen.
La media aritmtica o simplemente media, es el nmero
obtenido al dividir la suma de todos los valores de la muestra por
el nmero total de observaciones.
Se expresa en las mismas unidades que la variable.
Es el centro de gravedad de los valores observados.
Es nica.
Utiliza todos los datos.
Se ve afectada por los valores extremadamente grandes o
pequeos.
N
x
X
N
i
i
=
=
1
N
x n
X
n
i
i i
=
=
1
8
1. Nociones bsicas de estadstica. Estadsticos
La media ponderada es una media aritmtica en la que cada
individuo tiene asociado un peso o ponderacin que indica la
importancia del dato respecto al resto.
=
=
=
n
i
i
n
i
i i
x
W
1
1
e
e
La mediana es un valor tal que ordenados los datos en
magnitud, el 50% es menor que ella y el 50% mayor.
Es fcil de calcular.
Slo influyen los valores centrales y es insensible a valores
extremos.
No utiliza todos los datos.
9
La moda es el valor ms frecuente
Su clculo y su interpretacin son sencillos
Puede obtenerse en datos de tipo cualitativo
No intervienen todos los datos
Los cuantiles son aquellos valores que, ordenados de menor a
mayor, dividen la muestra en partes de forma que cada una de
ellas contiene el mismo nmero de datos.
Los cuartiles (Qi) dividen la muestra en 4 partes con el 25% de
los datos
Los deciles (Di) dividen la muestra en 10 partes con el 10% de
los datos
Los percentiles (Pi) dividen la muestra en 100 partes con el 1%
de los datos
10
Las medidas de dispersin tratan de medir la dispersin de los
datos en torno a una medida de posicin, indicando lo
representativa que es dicha medida de posicin. As, a mayor
dispersin menor representatividad de la medida de posicin y
viceversa.
El recorrido se define como la diferencia entre el mximo valor y
el mnimo. Tambin suelen ser tiles los recorridos
intercuartlicos, esto es la diferencia entre un cuartil y el anterior
o entre un decil y el anterior etc.
11
La varianza mide la mayor o menor dispersin de los valores
respecto a la media aritmtica. Cuanto mayor sea la varianza
mayor dispersin existiry, por tanto, menor representatividad
tendrla media.
Siempre es positiva
Tiene las mismas unidades que la variable pero elevadas al
cuadrado
N
X x
S
N
i
i
=

=
1
2
2
) (
2
1
2
2
X
N
x
S
N
i
i
=
=
12
La desviacin tpica (o desviacin estndar) es la raz cuadrada
de la varianza con signo positivo
Tiene las mismas unidades que la variable
La interpretacin conjunta de la desviacin y de la media
puede precisarse de la forma:
Entre la media y k veces la desviacin existe al menos el
100(1-(1/k
2
))% de las observaciones. En particular, el 89%
de los datos se encuentran entre la media y la media ms-
menos tres veces la desviacin.
2
S S + =
13
El coeficiente de variacin de Pearson indica la relacin entre la
desviacin tpica de una muestra y su media.
Es un valor exento de unidad de medida.
Puede ser til para comparar la dispersin en distintos
conjuntos
Tiene el inconveniente de que si la media es cercana a cero
el CV tiende a infinito
X
S
CV =
14
1. Nociones bsicas de estadstica. Estadsticos
3
1
3
1
) (
NS
X x
g
N
i
i
=

=
Las medidas de forma aportan informacin sobre dos aspectos
importantes del modo en el que se distribuyen los datos: el
grado de asimetra y el grado de homogeneidad.
El coeficiente de asimetra de Fisher
Segn sea su signo la distribucin estardesplazada hacia la
derecha o la izquierda
15
El coeficiente de curtosis de Fisher con el que medimos el
grado de apuntamiento de la distribucin
Si se tiene que g2 es mayor que 3 la distribucin ser
apuntada (leptocrtica)
Si se tiene que g2 es menor que 3 la distribucin sermenos
apuntada que lo normal (platicrtica)
Si se tiene que g2 es igual a 3 la distribucin sernormal
(mesocrtica)
4
1
4
2
) (
NS
X x
g
N
i
i
=

=
16
Una de las tareas ms habituales en el tratamiento de datos es
la comparacin entre muestras.
La comparacin tiene, en muchas ocasiones, el objetivo de
estudiar la precisin de un aparato de medida, la fiabilidad de
una estimacin o la validacin de un modelo.
Tambin es habitual la comparacin entre muestras para
determinar si se trata de datos de la misma poblacin o de
orgenes diferentes.
La primera herramienta en la comparacin de series de datos o
pares de muestras son los ndices de error. Se trata de
estadsticos construidos a partir de los datos de las dos series a
comparar.
En las expresiones de estos coeficientes de error aparecen los
datos reales y los estimados, como norma las variables
correspondientes a datos estimados se sealan con un acento
circunflejo o una tilde.
17
La medida de errores sistemticos se recoge mediante el MBE o
bias medio:
( )
1
MBE
i i
N
i
y y
N
=
El error cuadrtico medio (RMSE) proporciona la medida de las

diferencias en promedio entre los valores estimados y los
observados.
( )
2
1
RMSE
i i
N
i
y y
N
=
=

18
El error medio absoluto (MAE) recoge el error absoluto cometido
independientemente del signo.
N
y y
MAE
N
i
i i
=

=
1

Estos indicadores suelen presentarse normalizados respecto a
la media de la variable observada.
1
MBE
MBE(%) 100
/
RMSE
RMSE(%) 100
i N
i
y
y
y
N
y
=
=
=
=

19
El grado de ajuste lineal entre dos serie se mide mediante el
denominado coeficiente de determinacin (R
2
). Suele utilizarse
en el anlisis de modelos de regresin y se calcula mediante el
cociente entre la variabilidad explicada y la variabilidad total:
( )
( )
2
2 1
2
1
R
N
i
i
N
i
i
y y
y y
=
=
El R
2
igual a uno refleja una relacin lineal perfecta entre las dos
variables.
20
1. Nociones bsicas de estadstica. Grficos.
La representacin grfica de los datos es una de las
herramientas ms tiles a la hora de realizar un anlisis
descriptivo.
Los histogramas y los diagramas de cajas son dos de las
representaciones ms habituales.
El histograma es un grfico que muestra las frecuencias de los
datos. El eje horizontal contiene las categoras o los intervalos
de clase mientras que el eje vertical muestra la frecuencia.
El grfico de cajas, o boxplot, es una representacin semigrfica
de una muestra construida para mostrar sus caractersticas
principales y detectar posibles datos atpicos.
Los grficos qqplot entre dos conjuntos de datos pueden ayudar
a estudiar la distribucin que los origina.
A veces es conveniente disear una representacin ad-hoc de
los datos para resaltar o vislumbrar caractersticas de inters.
21
22
23
1. Nociones bsicas de estadstica. Funciones de
distribucin.
Aquellas variables numricas cuyos valores vienen
determinados por el azar se denominan variables aleatorias
En todo proceso de observacin o experimento se define una
variable aleatoria asignando a cada observacin un nmero.
Una variable aleatoria se dice discreta si slo puede tomar
un nmero finito de valores.
Si el conjunto de valores posibles es infinito se trata de
variables aleatorias continuas.
La funcin de distribucin de una variable aleatoria, F(x) viene
definida en cada punto como la probabilidad de que la variable
tome valores menores o iguales a dicho punto.
) ( ) (
0 0
x x P x F s =
24
distribucin.
La funcin de densidad de una variable aleatoria continua es
una funcin positiva e integrable (con integral igual a uno) y que
describe la distribucin de la probabilidad.
La probabilidad de que la variable tome valores en un
intervalo es igual a la integral de la densidad en dicho
intervalo.
La funcin de densidad puede verse como el histograma
llevado al lmite.
25
distribucin.
26
distribucin.
Una variable aleatoria sigue una distribucin uniforme en un
intervalo si su funcin de densidad es constante en dicho
intervalo y nula fuera de l.
e
< <
=
) , ( 0
1
) (
b a x
b x a
a b
x f
La eleccin de puntos al azar en un intervalo es una distribucin
uniforme.
Media:
Varianza:
2
b a +
12
) (
2
a b
27
distribucin.
Una variable aleatoria sigue una distribucin normal si su
funcin de densidad es:
2
2
2
) (
2
1
) (
o
t o
=
x
e x f
Existe multitud de fenmenos que se adaptan al modelo de la
normal.
Errores de medida.
Efecto de frmacos en individuos.
Caracteres morfolgicos.
Esta funcin de densidad no tiene primitiva por lo que las
integrales tienen que realizarse por mtodos numricos.
Media:
Varianza:
2
o
28
distribucin.
29
distribucin.
Una variable aleatoria sigue una distribucin gamma de
parmetros y si su funcin de densidad es:
<
>
I
=

0 0
0
) (
) (
1
x
x e x
x f
x o |
|
|
o
Suele aplicarse bien en fenmenos del tipo tiempos de espera,
modelos de colas, tiempos de servicio etc.
Media:
Varianza:
o
|
2
o
|
30
distribucin.
31
distribucin.
Una variable aleatoria sigue una distribucin weibull de
parmetros y si su funcin de densidad es:
0 , 0 , 0 ) (
) (
1
> > < < =

| o
o
|
|
o
|
|
x e
x
x f
x
Suele aplicarse bien en estudios de fiabilidad, en modelizacin
de datos extremos etc.
Media:
Varianza:
)
1
(
| |
o
I
) ))
1
( ( )
2
( 2 (
2
2
2
| |
|
|
o
I I
32
distribucin.
33
1. Nociones bsicas de estadstica. Percentiles
34
1. Nociones bsicas de estadstica. Percentiles.
35
36
37
38
1. Nociones bsicas de estadstica. Ejemplo.
Temperatura media diaria en los meses de enero y agosto.
Datos de tres aos
Mediana Media Desviacin Varianza Recorrido Cv g1 g2
Enero 5. 38 5.39 3.82 14.57 16.89 0.71 0.24 1. 98
Agost o 13.11 14.48 9.81 96.16 24.51 0.68 0.05 1. 04
Estadsticos
10% 25% 50% 75% 90%
Enero 0. 95 1.65 5.38 8.45 10.50
Agost o 4. 73 4.93 13. 11 23.89 25.84
Percentiles
39
Datos de tres aos
40
Datos de tres aos
41
Procedimientos para aceptar o rechazar una hiptesis que se emite
acerca de un parmetro u otra caracterstica de la poblacin.
1. Nociones bsicas de estadstica. Contrastes de hiptesis.
El investigador formula una hiptesis sobre un parmetro
poblacional, por ejemplo que toma un determinado valor.
Selecciona una muestra de la poblacin.
Comprueba si los datos estn o no de acuerdo con la hiptesis
planteada, es decir compara la observacin con la teora.
Si lo observado es incompatible con lo terico entonces el
experimentador puede rechazar la hiptesis planteada y proponer
una nueva teora.
Si lo observado es compatible con lo terico entonces el
experimentador puede continuar como si la hiptesis fuera cierta.
ETAPAS DEL PROCESO
42
H0 : Hiptesis Nula es la hiptesis sobre la que se desea decidir.
H1 : Hiptesis Alternativa es la hiptesis que se acepta, si se
rechaza la hiptesis nula. Generalmente la hiptesis alternativa es
la negacin de la hiptesis nula.
TIPOS DE HIPTESIS
Error de Tipo I o error : Rechazar la hiptesis H0 cuando es
cierta.
Error de Tipo II o error : Aceptar la hiptesis H0 cuando es falsa.
TIPOS DE ERRORES
43
Regin Crtica o Regin de Rechazo: Los valores del estadstico
de contraste que nos conducen a rechazar la hiptesis H0 forman
la Regin Crtica o Regin de Rechazo del contraste.
Regin de Aceptacin: Los valores del estadstico de contraste
que nos conducen a decidir H0 forman la Regin de Aceptacin.
Nivel de significacin: Es el error , es decir la probabilidad de que
el estadstico de contraste caiga en la regin de rechazo.
TIPOS DE REGIONES
44
Calcular una cantidad experimental (Cexp) a partir de los datos.
Calcular una cantidad terica (C) a partir de las tablas o mediante
la integracin de la funcin de densidad.
Si Cexp < C Aceptar H0 ; Si Cexp C Rechazar H0
CRITERIOS GENERALES PARA LOS CONTRASTES
NIVEL MNIMO DE SIGNIFICACIN
Nivel crtico (valor P o P value o nivel mnimo de significacin): Es
el error de la primera regin crtica de rechazo. Es el rea que deja
a la derecha la Cexp.
Si < P Aceptar H0 ; Si P Rechazar H0
45
46
1. Nociones bsicas de estadstica. Referencias.
Cuadras, C. (1991): Mtodos de Anlisis Multivariante. PPU,
Barcelona.
Silvey, S. D. (1970): Statistical Inference. Chapman and Hall.
Berry, D.A. (1996): Statistics, a Bayesian Perspective. Duxbury
Press.
Mosteler, F. y Wallace, D.L. (1984): Applied Bayesian and Clasical
Inference. Springer-Verlag
Lindgren, B.W. (1971): Elements of Decision Theory. Mc Millan
Nueva York.
47
1. Nociones bsicas de estadstica. Referencias.
Pea, D. (2004): Fundamentos de Estadstica. Alianza Editorial.
Tukey, J. (1977): Exploratory Data Analysis. Addison-Wesley.
Larsen, R.J. y Marx, M.L. (2001): An Introduction to
Mathematical Statistics and its Aplications. Prentice-Hall.
De Groot, M.H. (1988): Probabilidades y Estadstica. Addison-
Wesley.
Maronna, R. (1995): Probabilidad y Estadstica elementales.
Exacta. Prentice-Hall.
Martn Pliego, J (1994): Introduccin a la Estadstica Econmica
y Empresarial. Editorial AC.
Trivedi, K. (2001): Probability and Statistics with reliability,
queuing and computerscience applications. Wiley.
48
diseo
49
2. Modelos meteorolgicos numricos. Introduccin
Glosario de trminos:
El horizonte de prediccin es la antelacin con la que se
conoce el pronstico respecto al momento predicho.
La frecuencia de prediccin es la unidad de tiempo en la
que se generan los pronsticos.
El dominio de prediccin es la zona geogrfica que cubren
las predicciones.
La resolucin espacial es el grosor que tiene la malla de
puntos con la que se cubre el dominio.
50
Los modelos numricos de prediccin del tiempo (NWP)
son abstracciones de representaciones del mundo real
aplicadas al tratamiento predictivo, que discretizan reas o
cuerpos en 2 o 3 dimensiones, aplicando funciones
aproximadas del comportamiento de las propiedades que se
quieren estudiar.
Resuelven las ecuaciones dinmicas y termodinmicas que
definen la evolucin de variables (temperatura, humedad,
presin, etc.) que describen el estado de la atmsfera.
Parten de la situacin atmosfrica en un instante como
condicin inicial para resolver las ecuaciones
Se clasifican en tres bloques, Globales, Regionales o de
Mesoscala y de Microscala dependiendo de la escala
espacial a la que se aplican.
51
Los modelos Globales se encargan de la prediccin a escala
planetaria. Los ms utilizados son el modelo GFS y el modelo
del Centro Europeo.
Los modelos de Mesoscala se utilizan para predecir el tiempo a
escala regional: MM5, Hirlam, Skiron, Worlf son algunos
ejemplos.
Los modelos de Microscala tratan de predecir fenmenos
turbulentos a escala local. Suelen estar basados en cfd y
requerir mucha capacidad de clculo.
52
Global
53
Mesoscala
Microscala
54
Condiciones
Iniciales: Descripcin
de la atmsfera
Resolucin de las ecuaciones
de estado y movimiento.
Termodinmica, dinmica de
fluidos
Predicciones
meteorolgicas
Observaciones
Predicciones a
menor resolucin
55
Geo-stationary
satellites
ERS-2
415,511
Polar-orbiting satellites
Cloud
motion
vector
SATOB
412,455
ATOVS 3,828,846
SSMI 52,680
TEMP
Land 1135
Ship 17
Pilot 878
Profiler
390
Buoys drifting 8,495
moored 287
SYNOP Ship 5064
AIREP 21,872
AMDAR 45,814
ACAR 15,145
SYNOP Land 49,440
24 hour summary of observations received at ECMWF, 18 March 2000
Origen de las medidas para la descripcin de la atmsfera
56
ECUACIONES:
Atmsfera (gas perfecto): densidad , presin p, temperatura T,
velocidad u
F g u
u
+ V = . O + p
dt
d
1
2
0 . = V + u
dt
d
Ecuacin de continuidad (conservacin de
la masa):
Ecuaciones del movimiento:
57
T R p =
Ecuacin de estado:
Conservacin de la
humedad:
dq/dt = Evaporacin - Precipitacin
0
1
= +
c
c
g
z
p
Aproximacin hidrosttica:
Q
dt
d
p
dt
dT
c +
|
|
.
|
\
|
=
1
v
Ecuacin termodinmica:
58
Las diferencias entre los diferentes modelos radican en:
La aproximacin de las ecuaciones.
La asimilacin y la calidad de los datos.
Las parametrizaciones del modelo, incluyendo informacin
topogrfica, tipos de suelo y ecuaciones para predecir
variables derivadas etc.
59
60
61
62
63
64
Parametrizaciones
65
2. Modelos meteorolgicos numricos. Ejemplos
Global Forecast System (GFS):
Modelo de prediccin global, se utiliza como dato de entrada
de muchos modelos de mesoscala.
Tiene una resolucin espacial de aproximadamente 1.
Tiene cuatro ejecuciones diarias: 00,06,12 y 18 horas.
Genera predicciones de hasta 16 das con diferente
resolucin y frecuencia
Las predicciones de los 7 primeros das tienen frecuencia
trihoraria.
Para los siguientes das se genera una prediccin cada 12
horas.
Tiene origen Norteamericano (NCEP) y es de acceso
gratuito.
66
67
ECMW. European Centre for Medium-Range Weather
Forecasts.
Es el modelo del Centro Europeo, se usa como modelo
global y de Mesoscala.
Tiene una resolucin espacial de 0.25x0.25.
Genera predicciones con frecuencia trihoraria.
Predicciones para 10 das.
No es de acceso gratuito.
68
69
Hirlam, High Resolution Limited Area Model :
Modelo de origen europeo desarrollado en colaboracin por
diferentes agencias nacionales de meteorologa europeas.
El modelo es utilizado como modelo de prediccin por los
institutos meteorolgicos de Dinamarca, Finlandia, Islandia,
Noruega y Espaa entre otros.
MM5, Fifth-Generation NCAR/Penn State Mesoscale Model:
Modelo de origen norteamericano.
Cdigo abierto.
Estsiendo sustituido por el WRF pero es ejecutado en local
por muchos grupos de investigacin.
70
WRF, Weather Research and Forecasting:
Modelo de origen estadounidense desarrollado por las
agencias NCAR, (National Center for Atmospheric
Research),NCEP (National Centers for Environmental
Prediction) y FSL the (Forecast Systems Laboratory).
El modelo es ejecutado por multitud de usuarios,
principalmente universidades, de modo local.
El cdigo es de carcter abierto.
71
SKIRON:
Modelo desarrollado en diferentes fases por la Universidad
de Atenas, NCEP y el Servicio Meteorolgico Nacional de
Grecia.
Se ejecuta operacionalmente en CENER desde finales del
2005.
Se ha adaptado para predecir en diferentes zonas del
mundo a diferentes resoluciones espaciales y temporales.
Diariamente predice el dominio de Europa con una
resolucin de 0.1.
72
2. Modelos meteorolgicos numricos. Uso y aplicaciones
Disponer internamente del modelo permite:
Desarrollo operativo, optimizacin computacional del cdigo
y respectivo ahorro de tiempo de ejecucin.
Adaptacin y manipulacin de las parametrizaciones del
modelo para los diferentes objetivos de uso.
Ejecucin del modelo en diferentes localizaciones de la
geografa terrestre.
Cambio de la resolucin espacial.
Alimentacin del modelo con diferentes datos de entrada.
Inclusin de las predicciones meteorolgicas en el sistema
de prediccin local.
73
Textura del suelo
Tipo de vegetacin
74
75
76
77
78
79
80
Los modelos meteorolgicos simulan el comportamiento de la
atmsfera y, por tanto, pueden usarse con diferentes fines.
Podemos destacar dos modalidades de uso:
Modo prediccin, es el uso habitual de los modelos. Se
utilizan las previsiones meteorolgicas para las prximas
horas o los prximos das de las variables de inters.
Modo estimacin, se utiliza el modelo para reproducir la
meteorologa de una zona en tiempo pretrito. Necesita
histrico de datos globales, o similares, para su ejecucin.
81
2. Modelos meteorolgicos numricos. Prediccin
La necesidad de predecir la radiacin surge con la implantacin
de plantas Termosolares en la red de generacin de
electricidad.
Necesidad de adelantar la produccin para entrar en el
sistema de mercados elctricos.
Apoyo a la gestin y mantenimiento de las plantas.
Seguridad.
82
Las predicciones pueden clasificarse de muchas formas
dependiendo de sus caractersticas: metodologa, frecuencia,
horizonte de prediccin etc.
Predicciones a medio plazo son aquellas que se generan
con un horizonte de un da.
Predicciones a corto plazo son aquellas que se generan
con horizontes de 3 a 8 horas.
Predicciones a muy corto plazo o nowcasting son aquellas
que se generan con horizontes de hasta una hora.
83
Dependiendo del horizonte o del objetivo de las predicciones
necesitarn una informacin u otra:
Predicciones meteorolgicas.
Informacin de medidas reales.
Informacin procedente de satlite.
84
NWP
GFS
Histrico de medidas
Postproceso Matemtico
Medidas online
Imgenes de Satlite
Prediccin diaria
Modelos de series temporales
Prediccin intradiaria y nowcasting
Prediccin meteorolgica
Esquema tpico de prediccin
85
2. Modelos meteorolgicos numricos. Estimacin
El uso de modelos meteorolgicos para reproducir la
meteorologa de una zona en un periodo de tiempo genera
diversas aplicaciones:
Construccin de mapas meteorolgicos.
Generacin de series histricas de datos en puntos de
inters y de diferentes variables
Anlisis de las variaciones meteorolgicas a medio y largo
plazo.
86
La construccin de series histricas de radiacin a partir del
modelo meteorolgico consta de los siguientes pasos:
Parametrizacin adecuada del modelo y seleccin del
dominio.
Ejecucin del histrico de predicciones meteorolgicas a
partir de los datos GFS (o re-anlisis) disponibles. Estas
ejecuciones cubren periodos de tres a 10 aos.
Estudio de las salidas y uso de informacin de medidas
reales para corregir errores sistemticos.
87
Histrico generado por Skiron
Medidas reales
Informacin Local
Post-proceso
Serie histrica en el emplazamiento
de inters
88
Ejecucin del histrico
del modelo
meteorolgico
Histrico de datos de
entrada al modelo.
(GFS u otros)
Informacin local.
Post-proceso de la salida
meteorolgica. Modelo
matemtico
Serie histrica de
radiacin en el
punto. Frecuencia
horaria
89
2. Modelos meteorolgicos numricos. Referencias
[1] I.T.Jolliffe and D.B. Stephenson : Forecast Verification: A
Practitioners Guide in Atmospheric science. John Wiley and
Sons, Ltd, 2003.
[2] J.-J. Mocrette, H. W. Barker,M.J. Iancono, G. Mozdzynski,R.
Pincus, D. Salmond, S. Serrar: A new radiation package.
McRad. ECMWF_Newsletter 112, Summer 2007
[3] D. Dumortier: Modelling global and diffuse horizontal
irradiances under cloudless skies with different turbidities.
Daylight II, JOU2-CT92-0144, Final Report Vol. 2, 1995.
[4] E. Lorenz, J. Hurka, D. Heinemann, and H.G. Beyer:
Irradiance Forecasting for the Power Prediction of Grid-
connected Photovoltaic Systems IEEE Journal of Selected
Topics in Applied Earth Observations and remote sensing, Vol.
2, No. 1, March 2009
90
2. Modelos meteorolgicos numricos. Referencias
[5] Kallos, G.: The Regional weather forecasting system
SKIRON. Proceedings, Symposium on Regional Weather
Prediction on Parallel Computer Environments, 15-17 October
1997, Athens, Greece
[6] Papadopoulos A, Katsafados P, and Kallos G.: Regional
weather forecasting for marine application. Global Atmosphere
Ocean Systems 2001; 8: 219-237
[7] V. Vapnik: The Nature of Statistical Learning Theory.
Springer, N.Y., 1995.
[8] A. Kemper, E. Lorenz, A. Hammer and D. Heinemann:
Evaluation of a new model to calculate direct normal irradiance
based on satellite images of Meteosat Second Generation.
Eurosun 2008, 7.10.2008- 10.10.2008, Lisbon, Portugal.
91
diseo
92
3. Extensin de la metodologa de aos de diseo
El objetivo es construir series anuales de radiacin coherentes con
los valores de los percentiles de directa anual.
En primer lugar necesitamos una distribucin de probabilidad que
nos proporcione los valores de los percentiles.
Suponemos que la directa anual en los diferentes emplazamientos
se distribuye con funciones de la misma familia.
Buscamos la familia de distribuciones con la que trabajar a partir
de una serie de datos medidos de directa de unos 25 aos.
93
Analizamos la serie de datos:
Calculamos los estadsticos tpicos.
Construimos los grficos descriptivos.
Identificamos la distribucin como una weibull.
1886 Mediana
148 Desviacin
1875 Media
94
Calculamos los parmetros de la weibull a partir de los datos
medidos
Forma = 20
Escala = 1950
Contrastamos la eleccin de la distribucin mediante el contraste
de Kolmogorov-Smirnoff.
P-valor = 0.236, no hay evidencias significativas para no
aceptar esta distribucin.
El grfico qq-plot entre los datos originales y una muestra aleatoria
de datos con esta distribucin tambin apoya la hiptesis de la
distribucin.
95
96
Una vez tenemos asumida la familia de funciones que rigen la
directa anual, buscamos qudistribucin ajustamos a nuestro
emplazamiento de estudio.
Suponemos que el factor de forma de la weibull no cambia de
unos sitios a otros, mientras que adaptamos el parmetro de la
escala de la weibull.
Asumimos del dato del valor ms probable calculado en el
procedimiento del ao de diseo como la moda de nuestra
distribucin.
A partir de las propiedades de la weibull obtenemos el
correspondiente parmetro de escala.
97
Distribucin de la directa anual ajustada a partir de datos de 25
aos.
98
Weibull en el
emplazamiento:
extraccin de
percentiles
Construccin de
aos de diseo
correspondientes a
los percentiles
Valor ms
probable en el
ao de diseo
Hiptesis de
distribucin
weibull
Ao de diseo
99
Suponemos ahora que se ha realizado un estudio para un
emplazamiento con una directa anual ms probable de 2000
kWh/m2.
Calculamos el factor de escala de la weibull tomando este valor
como la moda.
Obtenemos los percentiles para la nueva distribucin
2091 2038 1969 1884 1792
P90 P75 P50 P25 P10
100
101
102
103
104
Una vez se conoce el valor de los percentiles reconstruimos la
serie anual de directa.
Se calcula la diferencia entre el valor ms probable disponible y
el valor del percentil
Se reparte esta diferencia mensualmente de forma
proporcional a la variabilidad de cada mes.
Se sustituyen das de radiacin alta por das cercanos de
radiacin baja (o viceversa) hasta conseguir la radiacin
mensual asignada.
105
www.cener.com

Jornadas Sobre Recurso Solar 4

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Jornadas Sobre Recurso Solar 4

Cargado por

Copyright:

Formatos disponibles

JORNADAS SOBRE RECURSO SOLAR, Junio 2010

El error cuadrtico medio (RMSE) proporciona la medida de las

También podría gustarte