Revisión de la Literatura Sobre los Modelos de Estimación de Potencia Fotovoltaica según el Origen de los Datos

Resumen

La penetración de las energías renovables no convencionales para la generación de energía eléctrica, específicamente las centrales solares que implementan celdas fotovoltaicas han experimentado un crecimiento considerable en América Latina y el Caribe (ALC) desde inicios del siglo XXI. Ganando importancia en la matriz eléctrica de los diversos países de la región. La integración de estas centrales eléctricas plantea diversos desafíos críticos que afectan la estabilidad de la red y la gestión del despacho eléctrico debido a la intermitencia del recurso principal empleado por estas centrales, siendo esta la irradiancia solar o Surface Solar Irradiance (SSI). Para hacer frente a estos retos, se han desarrollado diversos modelos de estimación de potencia y/o SSI basados en redes neuronales como las redes neuronales recurrentes (RNN) y redes neuronales convolucionales (CNN), métodos estadísticos y algoritmos híbridos. El desempeño de estos modelos depende intrínsicamente de la naturaleza de los datos de entrada, de los cuales se encuentran las imágenes satelitales, variables meteorológicas y series temporales de potencia. Este articulo presenta una revisión de los modelos actuales presentados en publicaciones previas, estableciendo un marco comparativo sobre el origen de los datos y estableciendo un punto de partida para la selección optima de datos en el desarrollo modelos de estimación solar.