FACULTAD DE PRODUCCIÓN Y SERVICIOS

ESCUELA: INGENIERÍA ELÉCTRICA

TEMA: TRADUCCIÓN DE “SOLAR FORECASTING”

ASIGNATURA: INGLÉS TÉCNICO

DOCENTE: ING. BUTRÓN FERNÁNDEZ FREDY

ALUMNO:
CARRAZCO MOLINA RAMIRO FRANCISCO 20192198
CAPACOILA PICÓN BRAYAN CRISTOFER 20180610
ACOSTUPA CORISE JULIO CÉSAR 20193218
LEYVA APAZA BRAYAN ALEXANDER 20193211

AREQUIPA- PERÚ
2021

1
2
PREVISION SOLAR
By AidanTuohy, John Zack, Sue Ellen Haupt, Justin Sharp, Mark Ahlstrom, Skip Dise,
Erick Grimit, Gorinha Möhrlen, Matthias Lange, Mayte Garcia Casado, Jon Black,
Melinda Marquis, and Craig Collier
La generación de electricidad basada en energía solar, especialmente en la forma
fotovoltaica (Pvs), ha aumentado recientemente en años recientes debido a una alta
gama de factores incluyendo preocupaciones sobre las emisiones de gases de efecto
invernadero, políticas de apoyo gubernamental, y los bajos costos de equipamiento.
Todavía, sigue habiendo una serie de safíos para la completa confiabilidad, eficiente
integración de la energía solar. El principal de ellos será el desarrollo de nuevas
herramientas y prácticas que gestionan la variabilidad de la energía solar.
A corto plazo la incertidumbre (hace una semana por delante) puede ser manejado con
diferentes soluciones, como el aumento de la participación de la demanda, mejor
coordinación entre estas áreas, y desplegando mayor flexibilidad- pero a menudo
también más cara-metodologías para poder almacenarla. Sin embargo, una de las formas
más efectivas y económicas para integrar la energía solar, particularmente en el nivel de
penetraciones actuales, es por prevención producción de energía esperada y el uso de
estos pronósticos para operar los sistemas de manera más realista y eficiente.
Los pronósticos de la energía solar son ya utilizados por una variedad de partes
interesadas en el poder de la industria. Sistemas operados usan los pronósticos de la
energía solar en el calendario, procuran operar con reservas, y garantizar suficientes
cambios para garantizar los cambios en la producción. Los participantes del mercado
usan sus pronósticos para administrar sus carteras de generación: por ejemplo, en
Alemania, 38 GW de capacidad de energía solar es intercambia con energía comprada-
un monto impacta fuertemente en los precios del mercado para que incluso los
comerciantes que no venden energía solar utilicen la previsión solar.
Cuestiones previas de esta revista había proporcionado una visión en conjunto de la
previsión del viento, incluyendo producción de previsión del poder eólico y sus usos
finales. Mientras similar a la previsión del viento en muchos aspectos, la previsión solar
tiene sus propias y únicas características que este artículo explorará. En particular, la
previsión del poder solar se puede diferenciar de la previsión del viento por ser variable
e indeciso, está relacionado con el movimiento de nubes invisibles. Este tipo de
previsión puede ser a corto plazo por tecnologías tales como los sistemas de imágenes
por satélite basados en tierra; estos se describen aquí, a lo largo con potenciales
inconvenientes relacionada a la formación de nubes y disipación.
La salida fotovoltaica solar subyacente de “cielo despejado” es fácilmente calculable en
base a la posición relativa de paneles solares hacia el sol, entre todos los desafíos
actuales está predecir la radiación de los paneles solares que reciben de las nubes,
aerosoles, y otros componentes de la atmósfera, y además la eficiencia del panel solar,
cual es la temperatura adecuada. Añadiendo a esos cambios, se está instalando grandes
cantidades de energía solar en el sistema de distribución a menudo detrás del medidor

3
(BTM), lo que significa que los operadores de los sistemas de transmisión solo ven la
carga compensada con la generación solar en lugar de la salida del sistema solar.
En este artículo delineamos métodos actuales que se usan para obtener pronósticos de
energía solar fotovoltaica, priorizando aspectos únicamente de los pronósticos solares.
Nosotros también exploramos matices relacionado con BTM pronósticos solares y como
estos interactúan con la carga pronosticada. En adición, resumiremos las formas
actuales de los pronósticos solares y luego terminar discutiendo las mejores en el
horizonte que aumentarán la capacidad de los operadores para pronosticar con precisión
la generación fotovoltaica solar.

TÉCNICAS ACTUALES DE PREVISIONES SOLARES.

La producción de previsiones solares envuelve una variedad de métodos basados en el
marco de tiempo de los pronósticos, los datos variables de los pronósticos, y como las
previsiones son usadas. Los números anteriores de la revista han incluido artículos sobre
el pronóstico del viento que cubren muchas técnicas básicas de pronósticos también
importantes de la energía solar (léelo en la sección “para leer más”). Estos métodos, que
se clasifican ampliamente en la Figura 1 de acuerdo con el horizonte de tiempo en el
que generalmente muestra valor, incluyen la predicción numérica del tiempo (NWP) y
el uso de estadísticas de salida del modelo, así como métodos de aprendizaje estadístico,
climatología y técnicas de conjunto que combinan diferentes tipos de previsiones.
Para lograr una mayor precisión, los pronosticadores suministran datos ambientales,
como la radiación y la temperatura, a los modelos que transponen la radiación al plano
de incidencia de la matriz (es decir, teniendo en cuenta la dirección del haz y la
orientación el panel solar) y luego convierten la radiación en energía. Se pueden utilizar
diferentes métodos para este propósito; estos se describen a continuación, comenzando
con los que funcionan mejor en los marcos de tiempo de antes.

MÉTODOS, RETOS Y RENDIMIENTO.

PREDICCIÓN DE SERIES DE TIEMPO CON MÉTODOS DE APRENDIZAJE

ESTÁTICO
Observación directa de la radiación (por ejemplo, de piranómetros u otros dispositivos
de medición) se pueden utilizar con métodos de aprendizaje estadístico de series de
tiempo para proyectar condiciones posteriores. Los registros históricos de la radiación
del sitio se utilizan para entrenar estos métodos de predicción, mientras que las
mediciones en tiempo real identifican las condiciones actuales en las que basar los
pronósticos. Los métodos utilizados incluyen redes neuronales artificiales, modelos de
regresión, modelos autorregresivos, máquinas de vectores de soporte y cadenas de
Markov, así como métodos compuestos, como el uso de algoritmo genéticos para
optimizar una red neuronal. Estos métodos funcionan mejor para el horizonte de tiempo

4
intrahorario, pero puede tener algún valor hasta dos o tres horas o más, especialmente
cuando se usan en combinación con otros métodos.

IMÁGENES DEL CIELO.

Los generadores de imágenes del cielo son cámaras digitales que producen imágenes de
alta calidad del cielo de horizonte a horizonte, que se utilizan para detectar nubes,
estimar la altura de las nubes sobre el suelo y calcular los movimientos de las nubes.
Las nubes dispersan algunas longitudes de onda de luz más que otras, y estas pueden
usarse para categorizar las nubes como gruesas y delgadas, así como para diferenciarlas
de los aerosoles o el polvo.

Figura 1 Una descripción general de los métodos de predicción solar, basados en el

horizonte de tiempo para el que muestran valor.

Las imágenes consecutivas pueden estimar la velocidad de las nubes y, por lo tanto,
pueden proporcionar un pronóstico a muy corto plazo. Si se dispone de lectores de
imágenes del cielo adicionales, la triangulación puede proporcionar información sobre
la base y la profundidad de las nubes, así como la velocidad de advenimiento diferencial
en diferentes niveles de nubes. Los generadores de imágenes del cielo tienen un valor
significativamente decreciente más allá de aproximadamente un período de tiempo de
30 minutos; Además, su uso es caro en comparación con la mayoría de las otras formas
de predicción a muy corto plazo.

IMÁGENES POR SATÉLITE

5
Los datos de satélites geoestacionarios de redes como la red nacional de satélites
ambientales operacionales geoestacionarios de la Administración Oceánica y
Atmosférica (NOOAA) para Europa, África y Asia central proporcionan valor para un
período de tiempo más largo y proporcionan información sobre las propiedades y el
movimiento de las nubes. En primer lugar, un modelo impulsado físicamente predice
que la irradiancia en cielo despejado se modula luego mediante la irradiancia estimada
derivada de imágenes de satélite. Las imágenes de satélite secuenciales se combinan
para crear campos vectoriales de movimiento de nubes que se pueden utilizar para
predecir futuras ubicaciones de nubes. Se ha demostrado que esta técnica es eficaz para
pronosticar la irradiancia desde un minuto ta hasta cinco horas antes. Sin embargo,
funciona con menos eficacia en condiciones en las que las nubes se forman o se disipan
rápidamente, como los regímenes de nubes de capas marinas y convectivas.

PREDICCIÓN NUMÉRICA DEL TIEMPO

Los sistemas NWP han sido el caballo de batalla de las aplicaciones de pronóstico
durante muchos años. Tradicionalmente, estos han funcionado mejor para el horizonte
temporal de seis horas a dos semanas; Los sistemas de actualización rápida
implementados recientemente (como el sistema de actualización rápida de alta
resolución de NOAA) pueden proporcionar valor en escalas de tiempo más breves. Los
métodos de PNT se han descrito bien en artículos anteriores en relación con el viento.
Estos invocan la resolución de las ecuaciones de Navier-Stokes para modelar el clima,
combinados con módulos que calculan otros procesos físicos, como la transferencia
radiactiva, los efectos de la superficie terrestre y la parametrización de la microfísica de
las nubes.
Históricamente, estos modelos se han optimizado para predecir variables como
temperatura, humedad, probabilidad de precipitación y viento. Sólo recientemente se ha
hecho hincapié en mejorar la predicción de la irradiancia solar superficial. Los métodos
de aprendizaje estadístico se utilizan a menudo para corregir errores en la salida del
modelo de PNT y combinar la salida de varios modelos en un proceso denominado
estadísticas de salida del modelo. Es típico que tales métodos mejoren el pronóstico
bruto del modelo de PNT en aproximadamente un 10-15%.

PREVISIÓN DE CONJUNTOS

Los métodos de ensamblaje son importantes para hacer frente a la incertidumbre

inherente a la previsión de energía solar, especialmente durante las rampas matutinas y
vespertinas y con nubosidad y niebla. Un conjunto consta de una colección de
pronósticos y puede representar la incertidumbre en el cálculo del estado de la
atmósfera inherente a los métodos de pronóstico. Se emplean dos técnicas principales
para crear y ensamblar; las técnicas primarias se emplean para crear un conjunto; el
primero agrega perturbaciones al estado inicial de un modelo de pronóstico,

6
Mientras los segundos usos diferentes modelos numéricos o esquemas de física. Ambos
proveen conocimientos dentro de probabilidad de eventos extremos, así como rampas de
rendimiento solar debido a los cambios en los gases del cielo, niebla u otras
características atmosféricas. Los montajes pueden ser aplicados en cualquier enfoque de
previsión, aunque estos son más bien elaborados por NWP.
Las previsiones de montajes para la generación solar son usadas en mercados de
potencia donde la incertidumbre de previsional dirige a la volatibilidad en los precios.
Ellos podrían también ser empleados para ayudar en reservas determinadas o en
programación de generación. De tal que las aplicaciones del mundo real, percentiles
pueden ser usados para hacer la incertidumbre visible y mucho más fácil interpretados.
En la figura 2 nos muestra como el percentil “ancho de banda” cambia en el tamaño
aproximadamente en el valor medio. (Línea blanca) y la verdadera generación (línea
negra). Los percentiles representan un valor bajo el cual el porcentaje dado del resultado
es esperado a disminuir. Por ejemplo, 10% de los resultados debe disminuir bajo el
décimo percentil (P10) valor, mientras el 90% de los resultados debe disminuir bajo el
90avo percentil(P90) valor.
DISTRIBUCION Y PREVISION FOTOVOLTAICA DEL MEDIDOR SOLAR
Un numero de factores pueden impactar como las previsiones solares son desarrolladas
y usadas, particularmente cuando la generación solar es conectada a la distribución de la
red o es BTM
- Si la generación de una residencial o comercial del sistema de la energía solar,
es grabado en su propio o agregado sistema con carga de cliente
- Si los datos de metros telemedidos está disponible en tiempo real.
- Si los datos detallados de estática (por ejemplo, meta data) está disponible (la
ubicación de la planta, la geometría fotovoltaica, obstrucciones cercanas,
información de hardware, y los similares)
En una planta solar amplia, los datos métricos están típicamente disponibles en un
tiempo real cercano y la posición de los metadatos es generalmente conocido por más
pequeña que sea la distribución conectado a las plantas dedicado a datos métricos lo que
es usualmente registrado pero es a menudo no telemedido en tiempo real los datos
métricos pueden ser difícil para obtenerse por BTM solar, los datos generados en tiempo
real son raramente conocidos, el dato métrico es a menudo neto de carga, y los datos
métricos son difíciles de obtener.
Por lo tanto, la distribución conectada a los fotovoltaicos, en particular BTM Pvs,
pueden ser más difíciles para previsional. Si los datos métricos detallados están
disponibles, los datos pueden ser combinados con irradiación y datos climáticos,
típicamente desde el satélite y/o NWP fuentes fáciles de describir. Por ejemplo, sobre la
información sobre todos los sistemas fotovoltaicos en el estado de California es
registrado y luego combinado con alta resolución con valores irradiantes y predicciones
de clima para previsionales resultados para todo el estado. Así como una aproximación
“de abajo hacia arriba” es usado por el sistema operador independiente de California
para predecir la total contribución de BTM en su red, como es mostrada en la Figura 3

7
Esta aproximación puede ser bastante en el costo-efectivo, particularmente en áreas que
tienen un amplio número de fotovoltaicos distribuidos (California, por ejemplo, tiene
más de 200.000 únicos sistemas PV).
Esto permite una amplia área de agregación para apoyar sistemas operativos
independientes en una predicción de utilidad amplia y también para análisis regionales,
donde la distribución de los sistemas operativos y planificadores necesitan entender
impactos localizados. Un beneficio potencial de esta aproximación de los detalles de
cada sistema es explícitamente capturado. Por ejemplo, un sistema PV que está
orientado hacia el este producirá un poder curvo diferente que uno del sur o un sistema
orientado al oeste, así que la composición de la flota influenciará el perfil de potencia
resultante para todo el sistema.

Figura 2 Un ejemplo de un pronóstico de energía solar de dos días con nueve percentiles y la actual
medición

8
 Figura 3 Información detallada del sitio y datos meteorológicos, agregados al nivel de flota, para los
tres principales servicios públicos de inversionistas

Desafíos, sin embargo, existe para esta aproximación. Mientras que la mayoría de
Hardware, la ubicación y orientación de la información es típicamente bien
documentada, elementos dinámicos sobre cada instalación, así como el sistema
hardware disponible también impactara la precisión de la predicción. Acercamientos
adecuados están siendo desarrollados para explicar estos impactos.
En las aplicaciones donde el objetivo esta provisionando producción PV o carga neta a
través de un amplio sistema y/o donde los datos detallados no existen otros métodos
pronosticados en forma detallada pueden ser desplegados basados en combinaciones de
datos existentes asi como cargas de subestación y datos meteorológicos regionales. Este
“de arriba hacia abajo” aproximación de datos limites requeridos. Mientras que la
aproximación de abajo hacia arriba usa modelos validados aplicados a cada sistema. La
menos detallada aproximación de arriba hacia abajo requiere comparaciones para las
medidas de datos en un número de sitios de evaluación comparativa significante
estadísticamente es del todo preciso. Los desafíos con esta aproximación centrada en la
representación de los ejemplos estadísticos para representar adecuadamente la
contribución solar total. Investigaciones recientes son enfocados en determinar el detalle
del sistema de datos requeridos basado en la penetración dada de los PV. Es importante
reconocer que algunos usuarios podrían tener diferentes requerimientos en términos de
cantidad de detalles necesitados.
Como un ejemplo, las previsiones para sistemas operativos de transmisión y la
distribución de sistemas operativos en Alemania son calibrados y evaluados contra
estimaciones de la producción solar en un código de nivel (Figura 4). Provisiones

9
BTMPV agregados de producción son desarrollados y validados y basados en una
escala del resultado desde una selección de subconjunto de sitios representativos de
fotovoltaico. La producción solar en tiempo real es directamente obtenida de inversoras
solares de estas instalaciones a través de las compañías que instalan módulos
fotovoltaicos y monitorean su rendimiento. Esta aproximación tiene 2 principales
ventajas: primero, el operador de red puede predecir la salida del sol en tiempo real y
segundo, las provisiones pueden ser optimizados a nivel regional.
Comparaciones entre estimaciones y datos métricos muestran una correlación muy
fuerte. Lo esencial a esta aproximación es considerar la selección de sitios web
representativos, por los cuales suficientemente producción de datos granular y confiable
debe ser disponible. Promoviendo una telemetría en tiempo real es requerido si este sitio
web sirve como fundamento para un indicador económico, por ejemplo, dentro de los
horizontes de 1 hora o menos). La aproximación ofrece un buen ejemplo de datos y
requerimiento de telemetría que serán importantes para los sistemas operativos,
utilidades de distribución, y otros para considerar en su planificación y procesos de
interconexión.

MEJORA DEL MODELADO ATMOSFÉRICO Y MEZCLA DE MÉTODOS

10
los Estados Unidos. El Departamento de Energía (DOE) está financiando actualmente
varios esfuerzos para mejorar los modelos subyacentes para el pronóstico solar bajo su
iniciativa de rayos solares. Esto incluye la investigación de IMB sobre la combinación
óptima de diferentes modelos utilizando estrategias de aprendizaje automático y del
Centro Nacional de Investigación Atmosférica (NCAR) sobre la combinación de
modelos individuales, incluidas imágenes del cielo, métodos satelitales y un modelo
NWP sintonizado con energía solar para maximizar los beneficios de los métodos
individuales. La NOAA está agregando varios parámetros relacionados con la energía
solar, como la radiación de onda larga saliente y la radiación de onda corta entrante, así
como la irradiancia directa y difusa, a los modelos de actualización rápida actualizados
cada hora. También se están realizando esfuerzos en Europa, incluidos los que se
centran en mejorar la representación de la niebla, la nieve y el polvo en los modelos de
PNT (por ejemplo, el proyecto MACCII) y en el ámbito académico, como un proyecto
de la Universidad de Arizona para desarrollar un sistema de pronóstico híbrido en una
resolución de alto tiempo.

INCORPORACIÓN DE BTM EN MÉTODOS DE PRONÓSTICO DE CARGA

La comunidad de pronóstico de carga está evaluando diferentes formas de incorporar

BTM PV en los pronósticos de carga existentes y los costos y beneficios de usar datos
más detallados del clima y del sistema PV, se están realizando esfuerzos financiados,
utilizando información sobre instalaciones PV para predecir el día y la hora. por delante
de la potencia de salida de la flota. Clean Power Research ha trabajado para integrar sus
pronósticos solares en la herramienta de pronóstico de carga de Itron, centrándose en
mejorar la precisión del pronóstico BTM y la integración de la predicción de energía
directa en el marco de pronóstico de carga neta neutra.

11
TÉCNICAS DE PROPAGACIÓN EN LA NUBE

Los métodos de imágenes del cielo y de propagación de basados en satélites se

encuentran todavía en las primeras etapas de desarrollo, y varios grupos de
investigación están trabajando activamente para mejorarlos. Por ejemplo, la Universidad
Estatal de Colorado está desarrollando un pronóstico de insolación derivado de satélites
junto con los vientos colocados de un modelo NWP para capturar el movimiento de las
nubes a diferentes alturas. En el proyecto NCAR SunShot, un prototipo de predicción
inmediata de nubes basado en múltiples sensores infrarrojos satelitales y un modelo
NWP simplificado compara las observaciones de radiación infrarroja con sus
equivalentes de un modelo numérico para desarrollar un perfil de nubes más preciso que
se puede utilizar con los otros métodos de predicción.

PRONÓSTICO PROBABILÍSTICO

La investigación en curso en esta área incluye un tratamiento probabilístico mejorado de

los modelos de física atmosférica, así como una representación mejorada de las
incertidumbres en la formación y desintegración de las nubes. Esto dará como resultado
una mayor fiabilidad y nitidez. Un método novedoso es el enfoque de conjunto
analógico, que, en lugar de generar pronósticos de modelos múltiples, busca en el
historial pasado pronósticos similares y hace correcciones al pronóstico de acuerdo con
el error en los pronósticos anteriores. Los análogos anteriores se convierten en un
conjunto que cuantifica la incertidumbre del pronóstico.

12
INTEGRACIÓN EN LAS OPERACIONES DEL SISTEMA

Si bien es importante mejorar los pronósticos subyacentes, también es fundamental que

se integren en las operaciones del sistema para que los operadores puedan obtener el
valor total del pronóstico. Muchas empresas de servicios públicos reciben ahora
pronósticos; sin embargo, la mayoría todavía está aprendiendo a utilizarlos en sus
procesos de toma de decisiones. Hay esfuerzos importantes para integrar los pronósticos
de energía solar de manera más profunda en las operaciones del sistema. Por ejemplo,
Compañía eléctrica hawaiana ha apoyado el desarrollo de una herramienta
meteorológica integrada solar y eólica, que se basa en una combinación optimizada de
varios enfoques descritos anteriormente y tiene elementos deterministas y
probabilísticos, así como predicciones de variabilidad y velocidad de rampa. Se está
trabajando para integrar estos resultados previstos directamente en los sistemas de
gestión de la energía. El centro de control de energías renovables de Red Eléctrica en
España, mostrado en la Figura 9, puede identificar riesgos, anticipar el comportamiento
de la energía solar y eólica y compensar su variabilidad, sin comprometer la calidad y
seguridad del suministro.
En diversas instituciones se están investigando métodos para optimizar las operaciones
del sistema en base a técnicas de optimización estocástica para utilizar el pronóstico
probabilístico. Por ejemplo, Sandia Nacional Laboratorios está desarrollando un
conjunto de herramientas para demostrar el uso del compromiso de la unidad
estocástica, mientras que el Instituto de Investigación de Energía Eléctrica está
investigando el uso de información probabilística para desarrollar requisitos de reserva
operativa más inteligentes. Los operadores de sistemas de energía y los productores de
energía independientes podrían potencialmente ver beneficios al incorporar la
incertidumbre del pronóstico directamente en su toma de decisiones.

13
Finalmente, la necesidad de tener la capacidad de evaluar pronósticos en todos los
aspectos de la cadena de valor de los pronósticos, sin incluir la base del valor que
proporcionan, está impulsando varias investigaciones y solo mejorando los métodos de
pronóstico subyacentes y los esfuerzos de com-desarrollo. Como se mostró
anteriormente, hay una variedad de técnicas de previsión que combinan diferentes, pero
también en las formas en que se pueden usar las métricas, y actualmente no existe un
vínculo directo entre las métricas de rendimiento de previsión y el valor que
proporciona una previsión. Con este fin, los esfuerzos del DOE mencionados
anteriormente están desarrollando y demostrando un conjunto de métricas de uso para
evaluar el desempeño de pronósticos deterministas y probabilísticos en comparación
con métricas basadas en errores y métricas que se vinculan con el valor económico del
pronóstico a través del costo de producción.

Modelización y análisis de reservas.

que los pronósticos solares se valoren y utilicen en las operaciones. Resumen y

conclusiones La previsión solar es uno de los métodos de menor coste para integrar de
forma eficiente la energía solar. En este artículo, nos hemos centrado en el estado
actual de la previsión solar e identificado problemas clave relacionados con su
desarrollo y aplicación. El proceso de pronóstico solar para varios horizontes de
tiempo, métodos y aplicaciones tiene muchas similitudes con el pronóstico del viento,
pero como la producción solar está fuertemente relacionada con la cobertura de nubes,
existen otras consideraciones y posibilidades. La mayoría de los modelos de PNT no se
ejecutan a resoluciones espaciales lo suficientemente altas como para modelar nubes
explícitamente y no utilizan datos detallados sobre la cobertura y la formación de nubes
al inicializar. Esto significa que las primeras tres a horas de la mayoría de los modelos
de PNT actuales no son particularmente útiles para la predicción solar. Como resultado,
se han utilizado métodos como las imágenes del cielo y los datos satelitales para
predecir la producción solar a corto plazo, con cierto margen. Además, los aumentos en
la resolución del modelo y los modelos actualizados con mayor frecuencia están
ayudando a avanzar en la predicción de la irradiancia solar en NWP. Incluso con una
precisión mejorada, sigue siendo importante cuantificar la incertidumbre en el
pronóstico para garantizar una integración eficiente, por lo que describimos varios
métodos para cuantificar la incertidumbre. Como el rendimiento es un parámetro clave
para cualquier nuevo desarrollo, demostramos cómo se puede medir la precisión y
evaluar, con un enfoque en cómo las métricas pueden influir en el resultado final.
Mostramos algunos de los factores clave que impulsan la incertidumbre, como el
horizonte de anticipación, el ancho del intervalo de pronóstico, los sistemas de
seguimiento y el tamaño del sistema. Al considerar estos factores en el diseño de la
planta y el diseño del sistema eléctrico, podemos reducir la incertidumbre y, por lo
tanto, reducir el costo de integrar la energía solar. Es probable que BTM PV
proporcione una gran parte de las necesidades energéticas de la sociedad en el futuro.
Tanto los métodos detallados de predicción ascendente como los métodos de predicción

14
descendente agregados se pueden utilizar para gestionar la generación solar BTM. Si
bien es probable que los métodos detallados sean más precisos, los datos no siempre
están disponibles y es posible que ciertas aplicaciones no requieran un nivel de detalle
tan fino. Con la creciente penetración de BTM PV, la disponibilidad del suministro de
datos será cada vez más importante para una previsión e integración satisfactoria. Esto
incluye una representación mejorada de los datos estáticos del sitio y, cuando sea
posible, un mayor acceso a los datos históricos de los medidores telemedidos. Enfoques
de investigación en curso son valorados y utilizados en operaciones.

15