Documentos de Académico
Documentos de Profesional
Documentos de Cultura
territorio uruguayo
Ing. Rodrigo Alonso Suárez
5 de noviembre de 2010
Resumen
En este trabajo se explican los estudios previos y preliminares a la implementación
final del modelo de Justus-Tarpley primeramente presentado en [Tar79] y luego
aplicado para Estados Unidos, Mexico y Sudamérica en [Tar86]. En esta primera etapa
y con vistas a la implementación para el territorio uruguayo del modelo completo de
Justus-Tarpley que utiliza imágenes de satélite, se trabajó con una subparte del mismo
que consta de tres de los cuatro parámetros totales del modelo, sin utilizar en esta
instancia las imágenes satelitales. Dado que el submodelo cuenta con dependencia
espacial, estos tres parámetros {a, b, c} pueden ser ajustados para todo el territorio
y utilizar ası́ un único set de parámetros. Otro enfoque serı́a ajustarlos localmente para
varias localidades (ajuste sólo temporal) y luego interpolar en el espacio los resultados
obtenidos. Esta subparte del modelo puede interpretarse como un modelo de dı́a claro,
con lo cual el ajuste debe realizarse limitándose sólo a utilizar datos de irradiancia
horaria correspondientes a dı́as claros. El resultado de este proceso es un estimativo de
la irradiación de dı́a claro que cuenta con dependencia espacio-temporal. Se detallan
en este informe los resultados obtenidos, los datos utilizados y los valores finales de
los parámetros ajustados localmente y para todo el territorio en base a la estadı́stica
disponible, ası́ como el proceso de ajuste de parámetros y el marco teórico necesario.
1
1. Introducción
El modelo utilizado es una subparte del modelo de Justus-Tarpley descripto
en [Tar86] y por lo tanto este trabajo representa un primer paso hacia la implementación
total del mismo. De ahora en más, denominaremos ’modelo’ al submodelo de trabajo. El
entrenamiento del modelo -leasé, el ajuste de los parámetros- se realiza en base a una
estadı́stica de dı́as claros. La estadı́stica utilizada corresponde a los datos generados por
los piranómetros que están ubicados en las estaciones de medida del INIA y que fueron
instalados y son administrados por la Facultad de Ingenierı́a, UdelaR. Estas estaciones de
medida son recientes y por lo tanto la estadı́stica disponible es parcial no cubriendo el largo
de un año en ninguna de las localidades. De todas formas, el software implementado permite
ingresar como dato cualquier tipo de estadı́stica disponible (en el formato adecuado). De esta
manera, a medida que se vayan generando más datos en las estaciones de medida se puede
ir actualizando el entrenamiento del modelo y de esta forma mejorar el ajuste.
El objetivo final de este trabajo es generar una herramienta que permita estimar
de forma espacio-temporal la irrandiancia horaria para un dı́a claro mediante el ajuste de
un modelo al territorio uruguayo. Cuando se habla de dependecia espacial se refiere a que
cuando se fija un instante de tiempo la irradiancia horaria estimada por el modelo tiene
variación sobre el territorio uruguayo. Análogamente, el modelo tiene dependencia temporal,
esto implica que la estimación de irradiancia sobre el territorio uruguayo evoluciona a lo
largo del año pudiéndose ser evaluado para cualquier instante de tiempo a lo largo del año.
La estimación es un valor de irradiancia horaria medida en kJ/m2 , cuando se evalúa el modelo
en un instante de tiempo fijo lo que se obtiene es un mapa de irradiancia sobre el territorio
uruguayo que se corresponde con la energı́a recibida por metro cuadrado en una ventana de
tiempo de una hora en torno al instante de tiempo seleccionado.
En el capı́tulo 2 se brinda una introducción teórica al modelo completo de Justus-
Tarpley y al modelo utilizado en este trabajo, asi mismo, se especifican los parámetros
necesarios para su implementación. En el capı́tulo 3 se especifican los datos utilizados para
el ajuste del modelo y en el capı́tulo 4 se explica el ajuste implementado. Los resultados
obtenidos se muestran en el capı́tulo 5, también es este capı́tulo pueden ser encontradas
varias conclusiones respecto al trabajo. Finalmente, en el capı́tulo 6, son presentadas las
conclusiones generales del trabajo y los trabajos futuros previstos al corto y largo plazo.
2. Marco teórico
En esta sección se brinda el marco teórico necesario para el correcto entendimiento
del proceso realizado. Muchas de las variables que aquı́ se describen son bien conocidas en
Solarimetrı́a con lo cual no se las definirá extensivamente y se las asumirá como conocidas
por el lector. Nos limitaremos entonces a recordar su forma de cálculo en la subsección 2.2.
2
del ángulo cenital, la información extraı́da de las imágenes satelitales, la irradiancia horaria
solar extraterrestre y el factor de corrección por variación estacional debido a la rotación de
2
la Tierra en una órbita elı́ptica en torno al Sol en uno de los focos Fn = rro .
La forma del modelo puede observarse a continuación en la ecuación 1,
r 2
0
cos θz a + b cos θz + c cos2 θz + d Bm
2
− Bo2
I = Isc (1)
r
3
donde δ es la declinación, φ es la latitud del punto y ω es el tiempo solar en radianes. La
latitud φ es información geográfica conocida (para el caso de un punto es información del
punto, para el caso de una región es el medio de la región), por tanto, es necesario saber
como computar los valores de δ y ω.
La declinación δ es una variable con variación anual entre δmax = 23,45o ≈ 0,41 rad
y δmin = −23,45o ≈ −0,41 rad, para su cálculo se puede asumir que la misma depende sólo
del dı́a del año n (y no de una variable continua de tiempo pues varı́a poco a lo largo del dı́a).
La expresión aproximada para su cálculo es la que se muestra en la ecuación 3 y la dicha
variación anual puede observarse en la figura 1.
2π(n + 248)
δ = δmax sin (3)
365
donde ψ es la longitud del punto geográfico en grados e incluida con su signo (notar que tanto
hsol como ω tienen dependencia espacial), ψgmt es la longitud del meridiano gmt estandar
para la hora del territorio en grados e incluido con su signo, y E es una variable en minutos
que se calcula a partir de la ecuación del tiempo y es función del dı́a del año n. Para el
4
cálculo de E se debe usar la ecuación del tiempo que aparece a continuación y su variación
anual puede observarse en la figura 2.
n−1
B = 2π
365
E = 229,2(0,000075 + 0,001868 cos B − 0,032077 sin B − 0,014615 cos 2B − 0,04089 sin 2B)
(5)
(hsol − 12)π
w= (6)
12
ω es una variable que vale cero en el mediodı́a solar, por convención se toma
negativo por la mañana y positivo por la tarde, y aumenta 15o por hora (que se corresponde
al factor pi/12 de la expresión). A lo largo del dı́a, el valor de ω varı́a entre un valor
−ωs que corresponde a la salida del Sol por la mañana y un valor ωs que corresponde al
ocultamiento del Sol al empezar la noche. El valor de ±ωs se corresponde con un ángulo
cenital θz = π/2 rad (salida y ocultamiento del Sol), por lo tanto si evaluamos la ecuación
2 en ω = ωs se tiene que cos θz = 0 y se puede despejar un expresión para ωs que aparece
5
en la ecuación 7, que depende temporalmente del dı́a del año mediante la variable δ y que
depende espacialmente mediante la variable φ.
La variación anual de ωs y
−ωs puede observarse en la figura 3,
donde la dependencia espacial fue fijada
en φ = −33,28o (latitud) y ψ =
−54,17o (longitud). Estas coordenadas
correponden a la estación de medida de
Treinta y Tres.
El rango comprendido entre la lı́nea azul superior ωs (n) y la lı́nea azul inferior
−ωs (n) es el rango donde varı́a ω durante el dı́a (horas de sol) a lo largo del año. Este
rango es muy importante dado que carece de sentido utilizar datos de irradiación o realizar
estimación utilizando valores de ω fuera de dicho rango.
Las curvas en azul siguen representando el la variación anual del rango donde varı́a
ω durante las horas de Sol. En rojo aparece la variación de ω a lo largo de todo el dı́a (dı́a y
6
noche), este rango cubre el intervalo [π, −π]b . En cambio, en verde, aparece los valores de ω
que tiene sentido considerar a la hora del ajuste de los parámetros. Si bien, al desplegar los
datos se utiliza todo el rango ±ωs , al momento de entrenar el modelo sólo se utilizaron los
datos en verde que se encuentran comprendidos en una banda al 90 % del rango ±ωs . Por
otro lado, las datos cuya hora corresponda a un |ω| > ωs generalmente son nulos o registran
irradiancia despreciable.
En cuanto al factor Fn , éste es una función de dı́a del año n y puede ser aproximado
por:
r 2
o 2πn
Fn = ≈ 1 + 0,033 cos (8)
r 365
Una descripción detallada de la deducción de esta aproximación puede encontrarse
en [Aba10].
donde habrá que ajustar los parámetros {a, b, c} utilizando una estadı́stica de dı́as claros.
De esta manera nos queda expresado un modelo de dı́a claro donde la irrandiancia
horaria I es función de los siguiente parámetros,
7
salvedad de lo mencionado anteriormente. Si se quisiese integrar los valores en un dı́a para
obtener un valor diario de irradanción según el modelo, se deberá hacer utilizando instante
de tiempos adecuados de forma tal que los intervalos temporales no se solapen.
3. Datos utilizados
Los datos disponibles al momento de la realización de este informe son escasos. La
red piranométrica instalada y administrada por la Facultad de Ingenierı́a está en sus primeras
etapas, y han habido problemas de comunicación entre los equipos, con el almacenamiento
de datos y con la calidad de los datos. No obstante, dichos problemas se han solucionado
y actualmente la red piranométrica está generando datos normalmente y se encuentra en
proceso de expansión.
La estadı́stica accesible no es extensa ni en cuanto a cantidad de localidades
de medición ni en cuanto a extensión temporal de las mediciones. En ninguna de las
localidades trabajadas los datos superan el año y se trabajó sólo con tres localidades. Con la
reducida estadı́stica existente para estas estaciones, el ajuste del modelo puede no representar
fielmente a la realidad año tras año. El mayor de los problemas es no contar con más de
un año de mediciones, el actual año podrı́a ser atı́pico (se trabajó con los datos generados
durante el corriente año 2010), además, no se tiene el año completo de mediciones. De todas
formas, debido a la forma que está implementado el software, se puede seguir añadiendo la
estadı́stica a medida que se vayan generando los datos.
8
Figura 5: Datos para la estación de Treinta y Tres en el perı́odo desde el 31 de mayo de 2010 hasta
el 29 de junio de 2010.
9
En caso de contar con los datos de irradiación (en kW/m2 ) con mayor resolución
temporal se podrı́a pensar en hacer un análisis más ciudadoso al definir un dı́a claro. De
todas formas, la escasa estadı́stica existente pone de manifiesto la necesidad de contar con
una selección de dı́as claros amplia. Al contar con pocos datos no se considera que se deba
refinar por el momento el proceso de selección de los dı́as claros. Es claro, que en la medida
en que cresca el tamaño del set de datos se puede ir refinando el proceso de selección para
elegir dı́as claros más representativos, automatizarlo e incluso incluı́r otro tipo de variables -o
datos- en el mecanismo de selección (además serı́a inviable seguirlo haciendo manualmente
con un conjunto grande de datos).
Por ejemplo, utilizando los datos mostrados en la figura 5 para la estación de Treinta
y Tres, se muestran en la figura 7 los dı́as que fueron seleccionados como dı́as claros.
10
La estación que se utilizaron más datos fue para Las Brujas, esta es la estación
para la cual se disponen de más datos. Sin embargo, es la que se usó menos porcentaje
de dı́as. Esto puede deberse a que es la estación más cercana a la costa uruguaya. Si se
observa esta tabla, cuanto más adentrado en el territorio uruguayo más porcentaje de dı́as
claros seleccionados hubo. De todas formas, con tan sólo tres localidades y seleccionando
visualmente los dı́as claros, no alcanza para comprobar esta afirmación.
r 2
0
cos θz a + b cos θz + c cos2 θz
e = Idata − I = Idata − Isc (11)
r
Como se puede deducir facilmente de la ecuación anterior, cada valor de e es una
función de n, hstd , φ, ψ e Idata , ası́ como de los parámetros a ajustar {a, b, c}. Intentando una
estrategia LMS (Least Mean Square) en donde se desea minimizar la suma de los errores
cuadráticos se puede construir una función ELM S a minimizar en el espacio de parámetros
{a, b, c} de la siguiente forma,
X
ELM S (a, b, c) = e2 (n, hstd , φ, ψ, Idata , a, b, c)
Ω
X r 2 2
(12)
0 2
= Idata − Isc cos θz a + b cos θz + c cos θz
Ω
r
11
algún otro tipo de norma que dé poco peso a los ouliers en el proceso de ajuste.
Una forma de lograr la solución a esta minimización es por ejemplo aplicar las
ecuaciones de Euler-Lagrange, que en este caso se reducen a simplemente computar las
derivadas ∂E∂aLM S
, ∂E∂b
LM S
y ∂E∂c
LM S
, e igualarlas a cero.
∂ELM S
=0
∂a
∂ELM S
Euler − Lagrange −→ =0 (14)
∂b
∂ELM S
=0
∂c
Como resultado del computo de estas derivadas se obtiene finalmente el sistema de
ecuaciones en a, b y c:
∂ELM S X r 2
0
= −2 (Idata − I) Isc cos θz = 0
∂a Ω
r
∂ELM S X r 2
0
= −2 (Idata − I) Isc cos2 θz = 0 (15)
∂b Ω
r
∂ELM S X r 2
0
= −2 (Idata − I) Isc cos3 θz = 0
∂c Ω
r
Este sistema de ecuaciones es un sistema lineal en a, b y c. Esto se desprende
sencillamente de que I es una función lineal de estos parámetros.
Dado que se trata de un sistema lineal 3 × 3 el mismo se puede llevar a una forma
más compacta. Si definimos el vector de parámetros p como p = (a, b, c)T , este sistema se
puede llevar a la siguiente forma en términos de la matriz A y el vector b que son calculados
de forma apropiada:
Isc A p = b (16)
12
5. Resultados obtenidos
En esta sección se mostraran los resultados obtenidos al aplicar lo explicado en las
secciones anteriores. También se presentan algunos tests realizados sobre el sistema de modo
de evaluar el correcto funcionamiento del mismo.
13
Fn = (ro /r)2 .
En el siguiente cuadro, el cuadro 3, se muestran los valores finales obtenidos para
los parámetros {a, b, c} ajustando el modelo a todo el territorio y su comparación con los
valores dados por Justus-Tarpley.
14
Este evoluciona desde 2682 kJ/m2 el 29 de agosto a 3198 kJ/m2 el 27 de setiembre. Este
comportamiento es el esperado para un modelo de dı́a claro conforme se hacerca el verano.
Figura 9: Modelo de dı́a claro y datos para la estación de Treinta y Tres en el perı́odo desde el 29 de
agosto de 2010 hasta el 27 de setiembre de 2010.
Figura 10: Modelo de dı́a claro y datos para la estación de Las Brujas en el perı́odo desde el 30 de
agosto de 2010 hasta el 28 de setiembre de 2010.
15
Dado que la estación de Las Brujas se encuentra más al sur que la estación de
Treinta y Tres, es de esperar que el modelo de dı́a claro estime menos irradiancia. En
efecto, es lo que sucede. En el caso de la localidad de Las Brujas la radiación evoluciona
temporalmente desde 2597 kJ/m2 el 29 de agosto hasta 3122 kJ/m2 en el 26 de setiembre.
Ambos valores son menores que en el caso de la localidad de Treinta y Tres. Se mantiene
también la tendencia creciente en el tiempo de la irradiancia horaria que es consistente con
la época del año en estudio. Se realizaron varias pruebas más en estos sentidos (dependencia
espacio-temporal del modelo) y en todos los casos fueron satisfactorias.
Si se fija un instante de tiempo dado, se puede generar un ’mapa’ de dı́a claro
sobre el territorio uruguayo. Como no se disponı́a de la herramienta GTM (Generic Mapping
Tools) al momento de la realización del presente informe, los ’mapas’ de irradiancia de dı́a
claro fueron generados en Matlab para la región geográfica correspondiente al territorio
uruguayo. Se utilizó una región que comprende el rango de coordenadas [−30o , −35o ] en
latitud y [−53o , −59o ] en logitud.
En la figura 11 que se muestra a continuación se puden observar el resultados de
estos mapas para las 12 del mediodı́a del 15 de enero y del 15 junio.
Figura 11: Mapas de dı́a claro para las 12:00 del mediodı́a.
16
A tiempo fijo, estos mapas de irradiancia reflejan la modulación polinomial de la
distribución espacial de la variable cos θz . Las isolı́neas de irrandiancia en estos mapas son
entonces consecuencia directa de las isolı́neas de la variable cos θz (puntos del paı́s con igual
coseno del ángulo cenital) y no deben ser comparadas con las isolı́neas del actual Mapa
Solar del Uruguay. A medida que la Tierra rota, la posición relativa del Sol respecto a la
Tierra cambiará y por lo tanto la distribución espacial de la variable cos θz será variable en
el Tiempo según esta posición y por ende, sus isolı́neas. Como consecuencia de esto, los
mapas de irradiancia de dı́a claro tendrán una variación diarı́a de sus isolı́neas siguiendo
la modulación polinomial del cos θz . Este punto se profundiza y ejemplifica en la siguiente
sección.
Los gráficos mostrados son para el dı́a 15 de enero para diferentes horas (09:00,
11:00, 13:00 y 15:00). Como es de esperarse, los valores de cos θz evolucionan dentro de
17
lo esperado. En las horas de la mañana los puntos con cos θz más elevado se encuentran al
este del paı́s y en la horas de la tarde los puntos con cos θz más elevado se encuentran al
peste del paı́s, lo cual es consistente con el sentido de rotación de la Tierra. Si graficamos la
irrandiancia que el modelo estima para dichas horas del mismo dı́a veremos que si bien los
valores cambian bastante, la distribución espacial es básicamente la misma.
18
(a) 15 de enero. (b) 15 de junio.
Figura 14: Distribución espacial de la variable cos θz para las 12:00 del mediodı́a.
19
datos al modelo.
Figura 15: Ajuste de parámetros utilizando los datos de la localidad de Las Brujas.
Dado que esta es la localidad para la cual se dispone de mayor cantidad de dı́as
claros seleccionados, el ajuste para esta localidad es mejor que para las demás localidades.
No sólo en la similitud de los parámetros calculados para todo el territorio dados por el
cuadro 3, sino con los parámetros dados por Justus-Tarpley. El ajuste del modelo, como
puede ser observado en la figura 15, es bueno.
En cambio, para las localidades de Salto y Treinta y Tres se dispone de menos
cantidad de datos, e incluso el mayor problema es que la cantidad de datos accesibles no
reccore todo el intervalo temporal correspondiente a un año. En el caso de Las Brujas, como
los datos son desde febrero de 2010 a setiembre de 2010, gran parte del año es recorrida.
Este problema implica que hay algunos valores de cos θz que no son alcanzados por los
datos, es decir, los valores de cos θz cercanos a 1. A continuación, en los cuadros 5 y 6,
pueden observarse los valores obtenidos para los parámetros a, b y c para las dos localidades
restantes, a saber, Salto y Treinta y Tres.
20
Parámetro Justus-Tarpley Treinta y Tres Diferencia %
a 0.4147 0.4061 2.1 %
b 0.7165 0.8367 16.8 %
c -0.3909 -0.4965 27.0 %
Cuadro 6: Comparación entre los parámetros calculados para
Treinta y Tres y los parámetros dados por Justus-Tarpley.
Como puede ser observado en estas figuras, el ajuste para estas localidad no es tan
bueno. En el caso de Treinta y Tres es consecuencia de la disperción de los datos de dı́a
claro, y en el caso de Salto es consecuencia de la escasa cantidad de datos accesibles, y en
particular, no existe datos con cos θz > 0,72 para esta localidad.
21
donde es este caso para el valor de I utilizamos la estimación de nuestro modelo de dı́a claro
Iest .
En la figura 17 que se muestra a continuación puede observarse una comparación
entre la salida del modelo de dı́a claro y la irradiancia extraterrestre. La comparación se
realiza para la localidad de Las Brujas, utilizando el modelo entrenado para los datos de
todo el territorio (a, b y c extraı́dos del cuadro 3), para el perı́odo desde el 30 de agosto de
2010 hasta el 28 de setiembre de 2010.
Figura 17: Comparación entre la estimación del modelo de dı́a claro y la irradiancia extraterrestre
para la localidad de Las Brujas en el perı́odo desde el 30 de agosto hasta el 28 de setiembre.
Muchas observaciones pueden ser realizadas sobre esta última figura. La primera es
que el modelo de dı́a claro sigue perfectamente la evolución de la irradiancia extraterrestre a
menos de un cambio en el valor de la irradiancia, pero la forma es la misma. El cambio en
los valores de irrandiacia viene dado por la radiación reflejada y absorvida en la atmósfera,
al tratarse de un dı́a claro se asume que está radiación es mayormente directa. Es claro
que el modelo de dı́a claro estima menos radiación en todos los casos que la irradiancia
extraterrestre. Por otro lado, tanto la irradiancia extraterrestre como el modelo aumentan la
estimación de su radiación conforme avanza el año, nuevamente, este resultado es claramente
esperado debido a la época del año de estudio. Finalmente, la ’altura’ relativa entre ambos
gráficos parece mantenerse constante sin grande variaciones a los largo del año. Esto
podremos estudiarlo de mejor manera al observar la variación del ı́ndice de claridad definido
en la ecuación 18 en este perı́odo.
En la figura 18 que se muestra a continuación puede ser observado el ı́ndice
de claridad para le mismo perı́odo del año que el gráfico 17 y para la misma localidad
(Las Brujas), utilizando el modelo entrenado con el set completo de datos (los dı́as claros
seleccionados para todas las localidades).
22
Figura 18: Comparación entre la estimación del modelo de dı́a claro y la irradiancia extraterrestre
para la localidad de Las Brujas en el perı́odo desde el 30 de agosto hasta el 28 de setiembre.
23
la estimación realizada por el modelo de dı́a claro ajustado tienen la variación estacional
esperada, registrando menor irradiancia de pico en invierno y aumentando hacia el verano.
Figura 20: Ajuste de parámetros utilizando los datos de la localidad de Las Brujas.
24
El perı́odo de tiempo en ambos gráficos es el mismo. En la figura ?? puede
observarse como el ı́ndice de claridad KT se mantiene aproximadamente constante a lo largo
del año -o al menos, durante el perı́odo mostrado-, registrando leves variaciones estacionales
en el rango ≈ [0,70; 0,73].
6. Conclusiones
Para finalizar, y a modo de resumen, expondremos en esta sección algunas
conclusiones del presente trabajo y también trabajo futuro continuando esta lı́nea de trabajo.
25
claro.
A medida que vayan surgiendo datos los mismo deben ser integrados al ajuste para
mejorar la estimación de los parámetros. Además, se deben analizar las otras series de datos
disponible de forma de evaluar su integración al set de datos. Serı́a muy beneficioso contar
con series de otras localidades de modo de agregar información espacial al modelo ajustado.
En camino de buscar una explicación para la rotación de las isolı́neas en el Mapa
Solar del Uruguay, una idea a futuro que se estima pueda dar sus frutos es promediar
temporalmente estos mapas durante el transcurso de un mes. Este promedio debe realizarse
adecuadamente, se debe acumular las distribuciones espaciales de los valores de irrandiancia
a lo largo de un dı́a en intervales de tiempo adecuados (para evitar solapamiento) y luego
promediar el mapa resultante a lo largo de un mes.
Finalmente, un trabajo a futuro evidente continuando estás lı́neas de trabajo es
elaborar el modelo completo de Justus-Tarpley incluyendo la información proveniente de
las imágenes de satélite.
26
A. Cálculos
En esta sección detallaremos los cálculos necesarios para, partiendo de las
ecuaciones que se muestran en la ecuación 15, llega al sistema de ecuaciones final que
aparece en la ecuación 16. Partiendo del sistema de ecuaciones que se muestra a continuación
(que es el mismo de la ecuación 15),
∂ELM S X r 2
0
= −2 (Idata − I) Isc cos θz = 0
∂a Ω
r
∂ELM S X r 2
0
= −2 (Idata − I) Isc cos2 θz = 0 (19)
∂b Ω
r
∂ELM S X r 2
0
= −2 (Idata − I) Isc cos3 θz = 0
∂c Ω
r
se puede despejar para obtener,
X r0 2 X r 2
0
I cos θz = Idata cos θz
Ω
r Ω
r
X r0 2 2
X r 2
0
I cos θz = Idata cos2 θz (20)
Ω
r Ω
r
X r 2 r 2
0
X 0
3
I cos θz = Idata cos3 θz
Ω
r Ω
r
X r0 4
a1 = cos2 θz X r0 4
r
a1 a2 a3
Ω a4 = cos5 θz
X r0 4 r
A = a2 a3 a4 −→ a2 = cos3 θz Ω
r X r0 4
a3 a4 a5 Ω a5 = cos6 θz
X r0 4 r
a3 = cos4 θz Ω
Ω
r
(22)
27
Como ya se mencionó anteriormente, el vector b queda de la siguiente manera:
X r 2
0
b1 = Idata cos θz
Ω
r
b1 X r 2
0
b= b2 −→ b 2 = Idata cos2 θz (23)
Ω
r
b3 X r 2
0
b3 = Idata cos3 θz
Ω
r
Obteniéndose finalmente el sistema Isc A p = b que se muestra en la ecuación 16.
Bibliografı́a
[Aba10] G. Abal - Fundamentos de Energı́a Solar, Unidad I: Radiación Solar. Facultad de
Ingenierı́a, Universidad de la República, Uruguay. Version 1.0, 2010.
28