Captulo 7

7. Conclusiones y acciones futuras

En el presente trabajo de tesis doctoral se ha presentado un nuevo enfoque para
generar series de radiacin solar, totalmente distinto a los mtodos clsicos existentes en
la literatura. En este sentido, se ha presentado una metodologa que hace uso de redes
neuronales artificiales, en particular el perceptrn multicapa, para la generacin de
series temporales de radiacin solar. Dicha metodologa se fundamenta en la posibilidad
de emplear informacin asociada al problema de manera implcita, sin necesidad de
conocer las relaciones existentes entre las diferentes variables y fuentes de informacin,
que es la forma como suelen abordar el problema la mayora de los procedimientos
tradicionales.
El mtodo propuesto no asume ningn modelo a priori, al contrario que la
mayora de los otros mtodos que recurren a tcnicas de regresin polinomial o a los
modelos de media mvil (ARMA).
El procedimiento permite generar series del ndice de claridad tanto a escala
diaria como horaria. De esta forma, se emplean diferentes arquitecturas de redes
neuronales artificiales segn el resultado que se quiera obtener. Una red para generar
series diarias, otra red para generar la componente de tendencia horaria, y una tercera
para la componente estocstica horaria. A partir de cada una de ellas se emplea el
procedimiento que se podra denominar de cascada, donde los resultados de una etapa
se emplean o se suman, segn el caso, con los resultados de las otras.
Respecto a la naturaleza de las series de radiacin que se obtienen, se comprueba
que presentan propiedades totalmente similares a las series reales de radiacin, hasta el
punto que son indistinguibles estadsticamente. Adems, al comparar las series
generadas por el mtodo propuesto con las reales y con las series procedentes de otros
mtodos clsicos se ha demostrado que las obtenidas por medio del perceptrn se
ajustan mejor a las reales que las obtenidas sintticamente por los mtodos clsicos. En
este sentido, todos los tests estadsticos a los que han sido sometidos las diferentes
series concluyen que los resultados son mejores en el caso de las series sintticas
neuronales.
Se ha demostrado tambin la capacidad de universalizacin del perceptrn
multicapa, lo que representa una ventaja aadida a la hora de utilizarlo, puesto que los
mtodos clsicos, salvo alguna excepcin, son, la mayora, aplicables slo localmente.
117

Conclusiones y acciones futuras

Tambin, en referencia a la simplicidad de aplicacin, la mayora de los mtodos

clsicos suelen llevar aparejada una gran complejidad matemtica y son bastante
engorrosos de aplicar. Sin embargo, la metodologa propuesta aqu es de una gran
simplicidad, adems de que, cmo se ha visto, una vez planteada es muy fcil de
modificar segn el objetivo que se persiga, como ha sido el caso de su modificacin
para la obtencin de mapas solares.
En la elaboracin de los mapas solares, el mtodo propuesto presenta la ventaja
de que es posible generar series solares en cualquier lugar de la zona, conocida su
latitud y altitud sobre el nivel del mar. Por el contrario, los otros mtodos no pueden
generar dichas secuencias en los diferentes lugares de la zona, al no disponer de
informacin suficiente, caracterstica que no afecta al perceptrn multicapa.
Como posibles acciones futuras es interesante comentar que la metodologa
propuesta puede extenderse fcilmente a la generacin series artificiales a la escala de
minutos, un campo que est en auge actualmente. Como ya se ha demostrado, bastara
con cambiar un poco la estructura de la red neuronal para adaptarla al nuevo problema,
y puesto que los resultados para las escalas diarias y horarias han sido totalmente
satisfactorios, todo parece indicar que as lo sera en una escala temporal menor.
Otra posible accin futura es extender el tamao de los mapas solares de forma
que se consigan mapas de radiacin a escala de pases o continentes, simplemente
siguiendo el esquema propuesto en este trabajo.
Sera tambin interesante estudiar la aplicacin de toda esta metodologa a
lugares geogrficos con climas extremos como pudieran ser los climas polares, climas
tropicales hmedos, etc. En principio la metodologa ha funcionado bastante bien para
latitudes medias, como es el caso de Espaa. Se ha demostrado, que aunque las
localidades en estudio tenan latitudes muy similares, sin embargo presentaban climas
diferentes, y a pesar de ello la red neuronal artificial empleada proporciona resultados
muy satisfactorios. De todos modos sera muy importante comprobar el funcionamiento
de esta metodologa en climas totalmente diferentes, como los ya mencionados
tropicales o polares.
Por ltimo indicar, que puesto que las redes neuronales estn siendo aplicadas en
muy diversos campos de la investigacin, un siguiente estudio de aplicacin de esta
metodologa fuera del terreno de la radiacin solar, pero relacionado con la energa solar

118

Captulo 7

fotovoltaica sera muy apreciado. Como continuacin de estos trabajos, y dentro de las
investigaciones que el Grupo de Investigacin al que pertenezco se estn llevando a
cabo, se podran citar las siguientes, en las que una posible aplicacin de esta
metodologa podra tener futuro:

Caracterizacin elctrica de generadores fotovoltaicos mediante redes neuronales.

Puesto que en el diseo de un sistema fotovoltaico intervienen una gran cantidad de
parmetros, existen diferentes modelos para simular los diversos elementos de que
consta el sistema. Entre estos elementos est el generador fotovoltaico, para el cual
se han desarrollado modelos que determinan diferentes parmetros del mismo, como
la corriente de cortocircuito, la tensin de circuito abierto, la potencia mxima, etc.
Una posible aplicacin de las redes neuronales artificiales en este campo sera la
determinacin de estos parmetros.

Obtencin de curvas de probabilidad de prdida de carga para el diseo de sistemas

fotovoltaicos autnomos. En el diseo de sistemas fotovoltaicos autnomos es
necesario conocer las curvas de probabilidad de prdida de carga, que podran
analizarse gracias a metodologas basadas en redes neuronales artificiales.
Y simplemente para finalizar indicar que se ha presentado slo un tipo de red

neuronal artificial, el Perceptrn Multicapa, pero que el estudio de otros muchos tipos
de redes neuronales artificiales, aplicadas en este campo, sigue abierto.

119

Conclusiones y acciones futuras

120