Resumen

La elevada concentración de gases de efecto invernadero en la atmósfera ha aumentado la dependencia de la energía fotovoltaica (FV), pero su naturaleza aleatoria plantea un reto a los operadores de sistemas a la hora de predecir y pronosticar con precisión la potencia FV. Los métodos de previsión convencionales eran precisos con tiempo limpio. Pero cuando las plantas fotovoltaicas funcionan con niebla espesa, la radiación se ve afectada negativamente y, por tanto, se reduce la potencia fotovoltaica. Por eso, para hacer frente a la niebla, se introduce el Índice de Calidad del Aire (ICA) como parámetro para predecir la potencia fotovoltaica. Se sabe que el AQI, que indica el grado de contaminación del aire, tiene una fuerte correlación con la potencia generada por los paneles fotovoltaicos. En este trabajo, se utiliza un método híbrido basado en el modelo de red neuronal de propagación retrospectiva (BP) convencional para tiempo despejado y el modelo BP AQI para tiempo con bruma para predecir la potencia fotovoltaica con parámetros convencionales como la temperatura, la velocidad del viento, la humedad, la radiación solar y un parámetro adicional de AQI como entrada. Los resultados muestran que el método propuesto tiene menos errores en condiciones de bruma que el modelo convencional de red neuronal.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Efecto fotoeléctrico
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Photoelectric effect
• Palabras claves:pv power, aqi, haze weather, neural network, air quality index, bp aqi model, conventional back propagation, conventional forecasting methods, power, high concentration
• Keywords:pv power, aqi, haze weather, neural network, air quality index, bp aqi model, conventional back propagation, conventional forecasting methods, power, high concentration