Desing and optimization of artificial neural network models for solar resource assessment

Abstract

[ES]El objetivo de la tesis es desarrollar varios modelos basados en redes neuronales artificiales para evaluar el recurso solar a nivel diario y horario, generando estimaciones fiables de GHI y de DNI en zonas geográficas extensas. Como variables de entrada se utilizan imágenes de satélite y productos globales de reanálisis, que cubren todo el globo o áreas geográficas muy extensas.

Los dos primeros modelos generan estimaciones diarias de GHI. El primero utiliza como variables de entrada datos de los reanálisis ERA-Interim del ECMWF. El segundo modelo utiliza imágenes del satélite Meteosat 9, que tienen una mayor resolución espacial y temporal. Los otros dos modelos son ensambles de redes neuronales optimizadas para generar estimaciones horarias de GHI y DNI respectivamente, a partir de los 11 canales espectrales del satélite Meteosat 9. Ambos modelos han sido evaluados en una región muy extensa (casi toda Europa y parte de África y Oriente Medio).[EN]The aim of the thesis is the design and development of artificial neural network models for solar resource assessment, deriving reliable GHI and DNI estimates over large areas. Satellite imagery and reanalysis products, covering the whole globe or extensive areas, are used as input variables.

The first two models generate daily GHI estimates. The first one uses ECMWF ERA-Interim data as input variables. The second one uses Meteosat-9 images, with better spatial and temporal resolution. The other two models are artificial neural network ensemble models for estimating hourly GHI and DNI respectively, using eleven Meteosat-9 spectral channels. Both models have been validated in a large region, covering mainly Europe and part of Africa and Middle East.