Energía Renovable 112 (2017) 197 mi 208

listas de contenidos ofrecidos en ScienceDirect

Energía renovable

revista Página de inicio: www.elsevier .com / localizar / renene

Un análisis a través de las mediciones de la radiación solar de la región de Arica Parinacota,

Chile

Lorena Cornejo un , * , Luis Martín-Pomares segundo , Diego Alarcón do , Juli un Blanco do , Jesús Polo re
un Laboratorio de Investigación Ambiental de las zonas áridas, LIMZA, Facultad de Ingeniería Mecánica de la Universidad de Tarapacá una, Avda. Vel general asquez # 1775, Arica, Chile

segundo Qatar Medio Ambiente y el Instituto de Investigación de Energía, Hamad Bin Khalifa University, PO Box 5825, Doha
do CIEMAT-Plataforma Solar de Almería, Ctra. de Sen ES s / n Tabernas, 04200 Almería, España
re Departamento de Energía, CIEMAT, Madrid, 28040, España

información del artículo abstracto

Historia del artículo: Este artículo presenta radiométrica y datos meteorológicos medidos a tres estaciones terrestres (Universidad de Tarapacá a, Quiborax y Las
Recibido el 7 de diciembre de el año 2016 recibió Rejas) en la región de Arica-Parinacota (Chile). irradiancia global horizontal, la irradiancia difusa horizontal, la irradiancia directa normal,
en forma de 28 revisada de febrero de 2017
temperatura de la superficie, velocidad del viento y la dirección del viento y la humedad relativa se midieron y se analizaron para más de un
aceptada 7 de abril de 2017 Disponible en línea
año completo en cada estación. Los datos son fi filtrada para garantizar su consistencia y calidad, a raíz de un conjunto particular de fi filtros
el 8 de mayo de 2017
seleccionadas y adaptadas para las condiciones radiométricas de Arica. Promedios diarios, mensuales y anuales de la irradiación solar y los
valores meteorológicos se procesan a partir de los medios de 10 min registradas en las estaciones. Los datos recogidos indican que existe una
fuerte relación entre la altitud y la proximidad a la costa, que a su Florida uye en los niveles anuales de energía solar. Estos resultados también
palabras clave:
muestran que la región de AricaParinacota tiene uno de los más altos valores anuales de la radiación solar en el mundo y en consecuencia un
Chile
Arica fuerte potencial de captación de energía solar mediante módulos fotovoltaicos (PV), la fotovoltaica de concentración (CPV) y las tecnologías de
evaluación del recurso solar potencial energía solar concentrada (CSP). Los datos radiométricos terreno ha sido comparado con los datos obtenidos por satélite a largo plazo de la
solar NASA, NREL, CIEMAT, el INPE BRASIL-SR y numérica modelo WRF. En general, el modelo con el menor error de GHI son los modelos del
mediciones de radiación solar La radiación solar a partir CIEMAT y WRF y para el DNI es el modelo CIEMAT.
de imágenes de satélite WRF solares

la radiación solar a largo plazo

© 2017 Elsevier Ltd. Todos los derechos reservados.

1. Introducción
La información fiable y precisa sobre el recurso solar disponible en un lugar determinado es
fundamental para el mejor aprovechamiento de la energía solar [1 mi 6] . Caracterización recurso solar
a largo plazo es esencial para la selección del tipo adecuado de la tecnología, el dimensionamiento y
diseño de la planta, ef fi estimación eficiencia, análisis de costos y fi el cierre financiero [6,7] . Debido a
la di fi cultad y el alto costo de hacer las mediciones adecuadas para lugares con falta de datos fiables
radiométricas, la caracterización del recurso solar en el largo plazo se hace generalmente con las
estimaciones a partir de imágenes de satélite en una fi primer enfoque. Sin embargo, este proceso no
garantiza que las estimaciones de radiación solar validados realizados en una región particular de
theWorldwould tengan validez en las anteras. Además, tiene
ha demostrado la necesidad de disponer de datos fiables en tierra antes del desarrollo de proyectos
de energía solar [8] . La región del planeta con valores más altos de la energía solar se conoce como
el “ cinturón solar ”, y está limitado entre las latitudes 40 º N y 40 º S. En esta zona, es de especial interés
las zonas altas montañas como los Andes debido a dos razones: la reducción del espesor de la
atmósfera y el efecto Foehn, que detiene las nubes en el lado de themountains. Estos dos efectos
se producen en el norte de Chile y en especial en la región de Arica-Parinacota [9] . La información
sobre la energía solar disponible en Chile es escasa. tabla 1
presenta diaria GHI por varias estaciones radiométricas en Chile; los datos de las estaciones está a
disposición del público a partir Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ)
GmbH, Mundo radiométrica del centro de datos (WRDC), Centro de Estudios Avanzados en Zonas Aridas
(CEAZA), Sistema de Informaci sobre el Nacional de Calidad del Aire (SINCA) y Sistema de
Informaci sobre el Nacional de Calidad del Aire, incluyendo la información geográfica, período de
mediciones y la fuente de los datos. Figura 1 presenta la relación

* Autor correspondiente.
Dirección de correo electrónico: lorenacp@uta.cl (L. Cornejo).

http://dx.doi.org/10.1016/j.renene.2017.04.012
0960-1481 / © 2017 Elsevier Ltd. Todos los derechos reservados.
198 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208

tabla 1
La información geográfica y el período de mediciones de estaciones terrestres en Chile, donde la irradiancia global horizontal (GHI) está disponible.

Estación latitud ( º S) longitud ( º W) Altitud (metros) Período GHI (kWh / m 2 día) Fuente

Pampa Camarones 18.858 70.217 799 2011 6.8 GIZ

Pozo Almonte 20.257 69.775 1035 2011 7.0 GIZ
Crucero 22.276 69.566 1188 2011 7.2 GIZ
salar 22.341 68.876 2526 2011 7.4 GIZ
Calama (Aeropuerto) 22.495 68.908 2289 2005 7.1 WRDC
San Pedro 22.977 68.160 2382 2011 7.1 GIZ
Puerto Angamos 23.074 70.385 32 2011 6.3 GIZ
Antofagasta (Aeropuerto) 23.450 70.440 114 2005 6.5 WRDC
Cerro Armazones 24.635 70.243 2580 2011 7.6 GIZ
el Salvador 26.313 69.750 1614 2011 7.1 GIZ
Inca de Oro 26.753 69.906 1585 2011 7.1 GIZ
Copiap o (Aeropuerto) 27.263 70.775 209 2007 5.4 WRDC
La Serena 29.750 71.250 163 2005 5.0 CEAZA
vicuñan / A 30.038 70.697 633 2005 6.0 CEAZA
Illapel 31.648 71.169 381 2011 5.7 CEAZA
conc en 32.925 71.515 78 2011 5.2 SINCA
Pudahuel (Aeropuerto) 33.395 70.794 464 2005 5.1 WRDC
Quinta normal 33.445 70.682 514 2007 4.9 WRDC
Lo Prado 33.459 70.949 1056 2011 5.7 CENMA
La Platina 33.570 70.628 612 2010 5.2 CENMA
Rancagua 34.162 70.714 513 2007 5.4 SINCA
Rengo 34.395 70.853 331 2008 5.0 SINCA
San Fernando 34.580 70.990 336 2008 4.9 SINCA
San Pedro de la Paz 36.867 73.141 17 2008 4.5 SINCA
Coronel 36.984 73.160 15 Jul11 mi Jun12 4.7 SINCA
lota rural 37.100 73.152 89 Jul11 mi Jun12 4.5 SINCA

Los Ángeles 37.470 72.360 137 2010 4.8 SINCA

Temuco 38.749 72.621 106 2008 4.4 SINCA

Puerto Montt 41.433 73.098 83 2005 3.2 WRDC

entre GHI anual promedio por día en comparación con la altura (a), longitud (b), latitud (c) y longitud
contra altitud (d). Como podemos ver en la Figura 1 (A), hay una tendencia al comparar el promedio
diario de GHI con la altitud. Los valores de incremento diario GHI con diferenciación altitud
claramente tres zonas: de 0 m a 400 m aproximadamente, las elevaciones de 400 m a alrededor de
2.500 m, y, la tercera zona con altitudes superiores a 2500 m.
También existe una relación entre la altitud y longitud a través del sistema de montañas de los
Andes que se encuentra en la frontera oriental de Chile. Los valores de incremento GHI diario con la
altitud, que está directamente relacionado con la reducción del espesor de la atmósfera y un
predominio de condiciones de cielo despejado en altas elevationmountains. Sin embargo, se
disminuye con longitudewhich se relaciona directamente con la proximidad al mar. El efecto es la
reducción de la altitud (mayor masa de aire) y una mayor carga de partículas atmosféricas y la
formación de nubes de convección mar. Longitudes entre 74 y 70 Ware below500mand from70 a 68
Ware mayor que 500 m, principalmente.
Otro regulador grave de la irradiancia solar superficie es el ángulo cenital solar Para altitudes
más altas, los cerca de ángulos anochecer y el amanecer reducir la radiación capturada con un
impacto en el potencial de energía solar [10] .
Una de las bases de datos de radiación solar disponible en Chile es 20 mi 40 años de edad, con
las medidas tomadas por pyranographs y Campbell mi dispositivos Stokes [11] . GIZ y el Gobierno de
Chile instalado recientemente estaciones, que miden la radiación solar global y directa en varias
partes de Chile [12] . Sin embargo, la precisión de estas medidas no es lo suficientemente alta. Esto
se supone a partir de la falta de mantenimiento y el aire fi configuración de los instrumentos instalados,
que calcula la componente directa irradiancia normal (DNI) de GHI medido y titulado. Otra base de
datos está disponible en la Dirección Meteorológica de Chile; la base de datos consta de las
mediciones tomadas por piranómetros distribuidos escasamente a lo largo del país; y la
disponibilidad de estas mediciones son from1989, con algunas de estas estaciones que operan
intermitentemente [13] .
Varios modelos han sido desarrollados para Chile y especificidad fi camente para la región de
Arica-Parinacota [2,3,11,13 mi 15] . GHI y DNI han beenmeasured en ocho lugares, distribuidos en el
norte de Chile, y se han comparado con la base de datos SWERA para América del Sur
[14] . Las estaciones se colocan en las regiones 1 a 4 de Chile. Sólo una de estas estaciones fue en
Arica y Parinacota, en la ciudad de Pampa de Camarones [13] encontraron que las diferencias entre
los valores estimados y medidos fueron tan alto como 11%. El análisis de los datos groundmeasured,
las zonas de producción de energía solar alto potencial y estable durante todo el año se identificaron fi
ed; su factor de riesgo económico indica que la región norte es mejor que el desierto de Mojave, por
ejemplo, en proyectos de energía solar a escala comercial están en fase de explotación. Por último,
en Chile, otros trabajos han analizado las bases de datos existentes de energía solar. Los mapas de
energía solar medias mensuales fueron creados a partir de las mediciones terrestres y estimaciones
a partir de imágenes de satélite [15,16] . La región de Arica-Parinacota tiene un potencial de energía
solar alto, pero un terreno muy complejo, lo que hace dif fi culto para caracterizar el recurso solar a
largo plazo en toda la región. Aunque existen modelos aplicados a la zona, estos se han construido
sin la validación frente a los datos radiométricos con base en tierra. Por lo tanto, este estudio aborda
la necesidad de especificidad fiable a largo plazo fi los valores C para la región de Arica-Parinacota [17]
. Para este estudio, la radiación solar y los parámetros meteorológicos se midieron por un año
completo en tres lugares de la región de Arica y Parinacota. Estas mediciones fueron entonces
soportados mediante la comparación con los datos promedio de 22 años a partir de la meteorología
de superficie y el modelo de energía solar de la NASA [18,19] , Modelo NREL [20] , Modelo INPE [20] ,
Estimaciones satelitales modelo fromCIEMAT Intisat [21 mi 23] andWRF (Tiempo de Investigación y
Forecasting) modelo [24] . Sección 2 y 3 da una descripción de las estaciones terrestres y datos
modelados respectivamente. Sección 4 presenta procedimiento de aseguramiento de calidad
aplicado a los datos de campo medido. El resultado de la validación y análisis de los resultados se
presenta en la Sección 5 . los

fi la sección final presenta las conclusiones.

 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208 199

7,5 8

6.5 7
grado cuarto

datos1

GHI (kWh / m 2 día)

5.5 6

4.5 5

3.5 4

3
0 500 1000 1500 2000 2500 3000

Altitud (msnm)

grado cuarto datos1 grado

7,5 8 7,5 8
datos1 cuarto lineal

6.5 7 6.5 7
GHI (kWh / m 2 día)

GHI (kWh / m 2 día)

5.5 6 5.5 6

4.5 5 4.5 5

3.5 4 3.5 4

3 3
68 69 70 71 72 73 74 15 20 25 30 35 40 45

Longitud (ºW) Latitud (ºS)

Figura 1. valores medios anuales de medida GHI para la altitud (a), longitud (b) y latitud (c) en el que se encuentran las estaciones.

2. mediciones terrestres radiación solar convección por lo general don ' t ir más alto que la altura de la capa de inversión de la capa límite
planetaria (PBL) [27] . Las ubicaciones seleccionadas de las estaciones radiométricas se muestran
componentes radiación solar y variables meteorológicas se han medido en tres estaciones en la
instaladas en la región de AricaParinacota para evaluar el recurso en diferentes climas de la región. Figura 2 . Están ubicados en la Universidad de Tarapacá en Arica una UTA (18.47 S 70.31 W), con
La selección de los diferentes climas, para instalar los tres radiométrica y estaciones meteorológicas, una altura de 9 m, Quiborax, QB (18.45 S,
se ha basado en el análisis de conglomerados de las altitudes de la región y un mapa DNI promedio 69.88 W) a la altura de 1.678 m y Las Rejas, LR (18,33 S,
anual a partir del modelo CIEMAT desde 200 a 2013 para identificar los mejores lugares para medir 69.47 W) a una altura de 4,391 m. El período de las mediciones disponibles para UTA es de
la dinámica de la radiación solar en la región de [25] . Como se analizó antes, hay una relación de la diciembre 2012 a febrero 2014, para el QB de enero 2013 a febrero 2014 y en LR desde enero 2013
radiación solar y la altitud. Tres principales agrupaciones con su radiación solar dinámica han sido a febrero 2014 (véase Fig. 3 ).
identificados fi ed basado en la elevación del terreno en la región. los
Los instrumentos para medir GHI y difusa Irradiancia Horizontal (DHI) son dos Husek Florida UX
SR11 1 piranómetros. Una bola de sombreado montada en el seguidor solar se utiliza para dar sombra
a la pyranometer para medir componente DHI. El SR11 es compatible con la norma ISO-9060 de la
fi clúster primero se encuentra cerca de la costa, que es en gran medida en Florida influido por altos primera clase clasificación fi catión. Tiene un rango espectral entre 285 nm y 3000 nm, un tiempo de
niveles de humedad, vapor de agua y de los cúmulos formado por efectos locales debido a la respuesta de 18 s (95%) y una no linealidad de
convección desde el mar. El segundo grupo es las zonas montañosas con altitudes de 400 m a 2500
m en Florida influenciadas por las nubes formadas por la tierra y la brisa marina efectos locales del <± 1% (100 W / m 2 a 1000 W / m 2). DNI se mide con un Husek Florida UX DR01 2 pirheliómetro, que
viento que se mueven las nubes formadas cerca de la costa de esta parte de la región [26] . El tercer cumple con la especificación de la primera clase fi-
grupo es el altiplano de la región de Arica-Parinacota con más de 2500 m de altitud sobre el nivel del cationes de la norma ISO 9060. Mide la radiación solar
mar; que tiene condiciones de cielo despejado la mayor parte del año. Está dentro Florida influenciadas
principalmente por los cirrus porque las nubes cúmulos de
1 http: //www.hukse Florida ux.com/product/sr11-pyranometer .
2 http: //www.hukse Florida ux.com/product/dr01-pyrheliometer .
200 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208

17 O S
18 o S
LR
QB
UTA

4500

4000

24 o S
4000

18 O S 3500

3500

UTA QB LR 3000
30 o S

3000

19 O S 2500

2500
36 o S

2000

2000

42 o S 20 O S 1500

1500

1000
1000

48 o S

0 500 21 O S 0 500
20' 20'
78 o W 75 o W 72 o W 69 o W 66 o W 71 W o 40' 70 W o 40' 69 o W

Figura 2. Topografía de Chile en metros y la ubicación geográfica de las estaciones radiométricas (A) y el zoom de la región de Arica-Parinacota (b).

recibida por una superficie plana de 5 completa fi campo de ángulo de visión. Tiene un rango
espectral entre 200 nm y 4000 nm y un tiempo de respuesta (95%) de 12 s y una no linealidad de < ± 0,3% Energy (SSE) conjunto de datos incluye las estimaciones a largo plazo de cantidades meteorológicas
(100 W / m 2 a 1000 W / m 2). Las estaciones están equipadas con un receptor GPS para sincronizar el
reloj de los registradores de datos con precisión atómica según lo recomendado por BSRN [28,29] .
Las mediciones se registraron con la referencia temporal del GPS 5 horas. Los datos se tomaron
muestras de cada segundo, y los valores promedio, máximo, mínimo y la desviación estándar se
registran cada 10 min.
Las estaciones están equipadas con instrumentos en una temperatura meteorológica mástil
tomeasure de aire (T) y humedad relativa (HR) a 2 m, y la velocidad del viento (WS) y la dirección
(WD) en 3 m.
3. derivados de satélites y datos numéricamente modelados
Las mediciones se compararon con estimaciones mensuales a largo plazo de los modelos de la
NASA, NREL, CIEMAT, INPE y WRF que se describen a continuación.
el estudio de los procesos climáticos y el clima. La NASA y la meteorología de superficie Solar
y la energía solar superficie Florida fundentes. Satélite andmodelled productos basados ​han
demostrado ser precisas para proporcionar los datos solares y meteorológicos fiables sobre las
regiones donde las mediciones superficiales son escasos o inexistentes y ofrecen dos características
únicas - los datos son globales y, en general, son contiguas en el tiempo. NASAmodel tiene una
resolución temporal mensual y una resolución espacial de 1 . Promedios a largo plazo de 22 años
desde la meteorología de superficie y el modelo de la energía solar de la NASA [18,19] se ha
calculado para las ubicaciones de UTA, QB y LR.
Los National Renewable Energy Laboratory (NREL) estimaciones modelo a largo plazo también
se han validado. NREL es el Departamento de Energía de EE.UU. ' El Laboratorio Nacional de
primaria de las energías renovables y la energía ef fi la investigación y el desarrollo eficiencia. NREL
ha desarrollado una gran base de datos de radiación solar [20] . TermGHI largo y un promedio de DNI
se ha accedido a través del portal SWERA y se presentan en las siguientes secciones. La resolución
espacial del modelo de NREL es de 40 km y la resolución temporal es mensual.

sistemas de satélites de la NASA, a través de su Dirección de Misiones Científicas, ha apoyado durante

mucho tiempo y de investigación que proporciona datos importantes para A largo plazo GHI valores del modelo SR-BRASIL [30]
 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208 201

Mensual UTA GHI UTA DNI mensual

Medido NASA Medido
NREL CIEMAT NASA NREL
INPE WRF CIEMAT
INPE WRF

DNI (kWh / m 2 día)

GHI (kWh / m 2 día)

89 89

67 67

45 45

23 23

01 01
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12

Mes del año Mes del año

Mensual QB GHI QB DNI mensual

Medido NASA
Medido NASA
NREL CIEMAT
NREL CIEMAT
INPE WRF
INPE WRF

12
GHI (kWh / m 2 día)

DNI (kWh / m 2 día)

10

89

67 68

45

24

23

01 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12

Mes del año Mes del año

Mensual GHI LR Mensual DNI LR

Medido NASA

Medido NREL
CIEMAT INPE
NASA NREL
WRF
CIEMAT
INPE WRF

12
GHI (kWh / m 2 día)

DNI (kWh / m 2 día)

10 10

89

68
67

45
24

23

01 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12

Mes del año Mes del año

Fig. 3. Distribución de la media mensual de GHI y DNI en UTA, QB y LR a partir de mediciones de tierra, de la NASA, NREL, CIEMAT, el INPE y modelos WRF.
202 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208
desarrollado por el INPE (Instituto Nacional de Investigaciones Espaciales), un instituto de
investigación de Brasil también han sido validados en los tres lugares. La resolución espacial de
modelo INPE es de 40 km y la resolución temporal es mensual. Los datos presentados aquí
muestran un promedio de los totales mensuales de la irradiación solar estimado proporcionado por el
modelo BRASIL-SR para el período 1995 mi 2002.
El modelo CIEMAT Intisat Lib se ha adaptado a proceso continúa (Sistema Global de inscripción
en línea de las imágenes de satélite) [21 mi 23] . Las imágenes de satélite de VA para los años 2000 a
2012 se ha utilizado para el cálculo de los valores horarios de GHI y DNI en UTA, QB y LR. La
metodología para el cálculo de la radiación solar a partir de imágenes de satélite ya ha sido utilizado
en trabajos anteriores y se detalla en las referencias. [31 mi 34] . irradiancia solar bajo condiciones sin
nubes se calculó usando el modelo de transmitancia ESRA [35] . Linke Turbidez (TL) [36 mi 38] valores
necesarios para la entrada al modelo ESRA se procesaron de AOD diario y bases de datos de vapor
de agua existentes. La profundidad óptica de los aerosoles (AOD) a 550 nm se obtiene a partir de los
valores diarios de MODIS (resolución moderada espectrorradiómetro de imágenes) Terra (EOS AM)
y Aqua (EOS PM) recuperaciones de satélite [39 mi 41] . La columna de agua precipitable en la
atmósfera sobre una base diaria fue tomado del NCEP / NCAR (Centros Nacionales de Predicción
del Medio Ambiente / Centro Nacional de Investigación Atmosférica - http://www.cpc.ncep.noaa.gov/ ).
La resolución espacial de modelo NREL es de 5 km y la resolución temporal de los datos es cada
hora. Las imágenes de satélite se han procesado cada 30 minutos.
Por último, el WRF (Weather Research y Forecasting) modelo [24]
se ha utilizado para calcular los valores GHI DNI por hora y con una resolución espacial de 5 De 5
km y una resolución temporal horaria para el período 2005-2014.
4. Garantía de calidad de los datos de medidas del terreno
Las recomendaciones se han seguido BSRN tomaintain las estaciones radiométricas de tierra [29]
. La estación de UTA se ha mantenido al día. Mientras tanto, las estaciones de QB y LR se han
comprobado semanalmente, siguiendo el siguiente procedimiento:
Limpieza piranómetros y pirheliómetros con agua destilada. Extracción de condensación en el
radiómetro (interior y exterior). Comprobación del estado del desecante para absorber la
humedad dentro de los piranómetros.
Comprobar el color y la condición de la termopila. Comprobación horizontalmente para los
instrumentos montados. Cableado que va desde el instrumento al sistema de adquisición de
datos.
La alineación de las pirheliómetros. Comprobación de
referencia temporal. Comprobación de seguidores
solares.
Comprobación de la banda de sombra del piranómetro para medir la radiación solar difusa.
Revisar los datos del día anterior.
Los datos registrados en el registrador de datos se han descargado con una tarjeta de memoria
en cada visita a las estaciones.
mediciones radiométricas han sido revisado para evaluar la calidad y la garantía de su
consistencia y validez [42] . Antes de proceder al análisis de la calidad de las mediciones, el registro
temporal se transformó de referencia GPS-5 horas temporal en True Time Solar (TST), que es una
referencia independiente temporal del sitio donde se adquieren las mediciones [43] . Dos correcciones
se han aplicado a cambiar a TST; el fi primero tiene en cuenta la diferencia de longitud entre el
meridiano del observador y el de fi longitud cial. El segundo incluye diversos efectos a través de la
ecuación del tiempo.
Una vez que la referencia temporal se transformó en TST,
se hicieron comparaciones y datawas themeasured evaluaron utilizando los siguientes criterios [44 mi 47]
:
Comprobación de la referencia temporal de los registros. Análisis de calidad con límites físicos
de la radiación solar. análisis de calidad con valores extremadamente raros de la radiación solar.
Análisis de la calidad con el componente de radiación solar cruz fi filtros. Análisis de la calidad
cuando el seguidor solar está apagado en condiciones de cielo despejado.
la verificación fi cación de la referencia temporal de los registros se comprueba para tener la
certeza de que la radiación solar se mide correctamente entre la salida y la puesta del sol. Esta
comprobación se realiza mediante la comparación visual con ESRA cielo despejado modelo (CS) [48] .
Para estimar los valores de los componentes de CS, se utiliza el factor de TL de las bebidas
gaseosas
[49 mi 51] . Los gráficos se trazan para medido GHI y DNI, y los componentes de CS para visualizar y
comprobar que las mediciones tienen la referencia temporal correcta con respecto a la puesta del sol,
el amanecer y el mediodía solar. En consecuencia, se worthmentioning que los valores calculados
para el modelo CS no son exactos debido a la incertidumbre del factor TL, fundamentalmente. Sin
embargo, la comparación es útil con respecto a la exactitud de la referencia temporal de las
mediciones, el pro fi le forma de la irradiancia solar durante el día, así como la relación entre el DNI y
GHI. Por lo tanto, tanto la forma como la relación entre los componentes modelados y medidos son
comparables para los días de condiciones de cielo despejado.
Una vez que la verificación de la referencia temporal de la fi Los filtros se completa, se realiza el
análisis de la calidad. Hemos des fi Ned diferente Florida ags para cada fi ltro. El marcado de la Florida AGS
nos permite conocer los datos que es sospechoso de estar equivocado y la eliminación se ha
decidido fi nalmente mediante inspección visual y los criterios de la científica fi c de las estaciones. La
calidad fi Los filtros recomendados por el BSRN (Línea de base Superficie Radiation Network) se han
utilizado [29] . Además, un nuevo conjunto de fi filtros [44] , Que se describen a continuación, se han
aplicado.
Hemos comprobado la relación entre DHI y la irradiancia solar extraterrestre ( yo ext) utilizando el
índice difusa ( K re),
que es de fi definida por la siguiente ecuación (Ec. (1) ):
K re ¼ DHI (1)
yo ext
se da un límite superior de 0,6 a esta fi ltro [44] Y en caso de que no se
ful fi llena, una Florida AG se activa.
Los dos siguientes fi Los filtros se utilizan para detectar cuando el piranómetro para medir difusa
no está sombreada correctamente, o el seguidor solar no funciona. Se basan en el índice de claridad
( K t), que es de fi define como el cociente entre la masa mide GHI sobre yo ext.
El siguiente fi filtro se utiliza para detectar cuando las mediciones difusas están equivocados porque
hay un problema con el sombreado o un problema con el seguidor solar para condiciones nubladas:
Si K t es inferior a 0,2 y el DHI cociente / GHI es inferior a 0,9, y luego una Florida AG se activa.
El último fi filtro se utiliza para detectar cuando el seguidor solar no está funcionando
correctamente, y se aplica a despejar el cielo y las condiciones parcialmente nublados. Se llama rastreador-off
fi filtro, y es de fi define como:
Si K t es mayor que 0,5 y DHI / GHI es mayor que 0,8, y luego una
Florida ag se activa
Las lagunas y los datos incorrectos son habituales en las bases de datos meteorológicos y
radiométricas. La acción común es de desprenderse de ella en el análisis. Sin embargo, tenemos la
calidad comprueba los datos de medidas del terreno, y
 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208 203

los huecos eran fi llena siguiendo el procedimiento descrito a continuación. Para cada media (valor de el cual ful fi l la última condición de tener las horas de luz solar completo para cada día y tener una
10 min), los datos se corrige siguiendo el siguiente procedimiento: serie continua en el tiempo. En caso de que no hay suficientes valores por hora en un solo día para
crear los medios diarias, el día está marcado como NULL, y una interpolación con splines se hace en
el caso de que hay igual o menor que fi cinco días consecutivos NULL.
Si DHI y GHI son fi ne, que se utilizan para calcular DNI cuando no se mide correctamente. Si se
mide DNI es más alta que la estimada DNI, la fi uno primero se utiliza durante el amanecer y el
atardecer desde DHI puede verse afectada debido a la existencia de obstáculos en el horizonte
5. Análisis de los datos y resultados
como árboles o edificios. Si no es DHI fi ne pero DNI y GHI están, DHI se calcula a partir DNI
medido y GHI. Si DHI y GHI no son fi ne, pero es DNI, es GHI fi filtrada con el valor de un modelo
A continuación, se muestra el análisis de los resultados para cada estación y los modelos de
de cielo claro teniendo en cuenta la dispersión de Rayleigh. Después, DHI se calcula a partir fi filtró
comparación. en un fi paso primero, los promedios mensuales y medios anual total de los datos de
GHI y medido DNI.
tierra medido y modelado se presentan y analizan. Posteriormente, la verificación fi cación de los
datos modelados se compara con las mediciones para las medias mensuales, y las características de
cada modelo se analiza.

Los valores de 10 min que don ' t pasar el fi filtros o no son GAP
fi llena están marcados como valores NULL. El cálculo de los valores medios por hora se realiza de la
siguiente manera. Para cada hora, el valor medio por hora se calcula a partir fi se filtra y GAP fi llena
valores de 10 min para cada componente de la radiación solar. Para calcular los valores por hora, es
necesario tener casi el 50% de 10-min correcta ( fi filtrada o GAP
fi LLED) valores para cada hora. Los valores diarios se calculan si hay casi 75% de los valores por
hora correctos para el período de luz solar de cada día.
5.1. El análisis de las mediciones mensuales y anuales de tierra
Los resultados se presentan medios inmonthly y anuales para cada año y cada estación junto
con los valores medios totales para el periodo de mediciones. Las tablas 2 mi 4 mostrar los valores
mensuales y anuales radiométricas y meteorológicas promedio de los años wheremeasurements son
los medios disponibles y el total de UTA, QB y LR, respectivamente.

Para crear los medios diarios, el procedimiento seguido se describe a continuación. Una Para los datos de tierra medidos en la estación de UTA, se destacan los siguientes puntos:
interpolación spline de los valores por hora se hace para el día

Tabla 2
promedios mensuales y anuales de GHI, DHI, DNI, T, WS, RM y RH en las estaciones de UTA.

GHI DHI DNI T WS WD RH

unidades mensuales (KWh / m 2 día) (KWh / m 2 mes) (KWh / m 2 mes) ( DO) (Sra) [0 mi 360] (%)

unidades anuales (KWh / m 2 año) (KWh / m 2 año) (KWh / m 2 año)

La media (2012 mi 2014)

Enero 7.55 2.31 6.39 22.4 1.9 216 45

febrero 7.61 1.79 7.39 22.2 1.85 219 66

marzo 6.58 2.65 6.23 21.5 1.6 230 69

abril 5.99 2.17 6.70 18.9 1.7 205 62

Mayo 3.88 1.48 3.84 18.3 1.4 205 0.36

junio 3.50 1.47 3.40 16.4 1.3 205 13

julio 3.61 1.68 3.45 15.6 1.4 214 74

agosto 4.37 1.87 3.48 dieciséis 1.7 235 71

septiembre 5.25 2.23 3.93 16.9 1.8 237 72

octubre 6.57 2.39 4,94 17.6 2 235 69

noviembre 7.45 2.07 6.53 19.1 2 234 67

diciembre 7.43 2.24 6.37 21.1 1.9 225 56

Porcentaje anual 2123 740 1906 18.8 1.7 222 55

Tabla 3
promedios mensuales y anuales de GHI, DHI, DNI, T, WS, RM y RH en la estación de QB.

GHI DHI DNI T WS WD RH

unidades mensuales (KWh / m 2 día) (KWh / m 2 día) (KWh / m 2 día) ( DO) (Sra) [0 mi 360] (%)

unidades anuales (KWh / m 2 $ año) (KWh / m 2 $ año) (KWh / m 2 $ año)

La media (2013 mi 2014)

Enero 8.10 2.16 7.61 18.05 1.9 247 59

febrero 7.96 1.57 9.21 18.2 1.95 267 56

marzo 7.55 1.42 7.90 19.5 1.8 267 52

abril 6.90 0.80 8.17 18.6 1.7 231 40

Mayo 5.52 1.06 7.90 18.0 1.6 221 39

junio 5.03 0.93 8.17 18.9 1.6 204 27

julio 5.39 0,81 7.90 18.5 1.6 211 25

agosto 5.39 0.87 7.90 18.1 1.6 219 22

septiembre 7.30 0.93 8.17 18.9 1.7 228 31

octubre 7.81 1.55 7.90 18.8 1.8 248 31

noviembre 8.93 1.20 8.17 17.9 1.9 274 39

diciembre 8.29 1.16 7.90 18.0 1.7 231 40

Porcentaje anual 2560 440 2948 18.5 1.7 237 38

204 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208

Tabla 4
promedios mensuales y anuales de GHI, DHI, DNI, T, WS, RM y RH en la estación de LR.

GHI DHI DNI T WS WD RH

unidades mensuales (KWh / m 2 día) (KWh / m 2 día) (KWh / m 2 día) ( DO) (Sra) [0 mi 360] (%)

unidades anuales (KWh / m 2 $ año) (KWh / m 2 $ año) (KWh / m 2 $ año)

La media (2013 mi 2014)

Enero 7.10 2.31 6.45 4.25 3.4 225 63

febrero 7.23 1.96 7.09 3.95 3.6 242 60

marzo 6.74 2.32 7.55 3.8 3.3 267 58

abril 7.20 1.00 10.33 2.3 3.3 271 31

Mayo 5.74 0.94 8.26 1.6 3.2 271 44

junio 4.87 0.93 7.00 0 3.8 265 45

julio 5.26 2.13 4.48 0.8 3.4 265 40

agosto 6.39 0.87 9.06 0.5 3.8 265 26

septiembre 7.87 0.87 10.70 1.6 4 261 24

octubre 8.23 1.48 9.61 2.7 4.3 268 30

noviembre 9.07 1.40 10,77 3.5 4.6 271 29

diciembre 6.71 2.48 5.90 4.7 4.1 228 62

Porcentaje anual 2506 569 2957 2.5 3.7 258 43

? promedios anuales de DNI, GHI y DHI calculados para el período 2012-2014 son 1906 kWh / metro
2 · año, 2123 kWh / metro 2 · año
y 740 kWh / metro 2 · año, respectivamente.
Se observa que GHI anual es más alto que el DNI anual (alrededor del 12% más), lo que indica
que la localización es más adecuado para la instalación de tecnología fotovoltaica o Florida en
colectores solares. A medida que el valor de DNI es signi fi cativamente baja (por debajo del
umbral de 2.000 kWh / metro 2 · año), CSP no debe ser considerada como una tecnología
adecuada en esta ubicación.
En el año 2013, los meses de septiembre y octubre son los que tienen la más alta GHI, mientras
que abril, mayo y junio son los que tienen la (temporada de invierno en el hemisferio sur) bajo
GHI. El porcentaje de mensual variabilidad intra-anual de este componente es de alrededor de
20%.
En el caso del DNI, los valores más altos en el año 2013 son en febrero, marzo, noviembre y
diciembre (meses de verano). Los valores con el DNI promedio mensual más bajo son los
meses de junio, julio y agosto, que son los meses de invierno en el hemisferio sur, también el
período de la temperatura ambiente más baja.
Para los datos de tierra medidos en la estación de QB, los siguientes puntos deben destacarse:
la variación entre los meses de mayor y menor el DNI.
Para los datos de tierra medidos en la estación de LR, los siguientes puntos deben destacarse:
Promedios anuales de DNI, GHI y DHI calculados para el período de 2013 a 2014 son 2957 kWh
/ metro 2 · año, 2506 kWh / metro 2 · año
y 569 kWh / metro 2 · año, respectivamente. Se observa que el DNI anual es superior a GHI anual
en un 17%, lo que significa que la ubicación es más adecuado para la instalación de la
tecnología CSP.
Al igual que en el caso de QB, cualquier tecnología de energía solar podría ser totalmente
comercial y económicamente factible en este lugar. Como sucede con QB, la observada DHI es
baja (566 kWh /
metro 2 · año), que es óptima en el caso de las plantas de CSP se instalan cerca de este lugar.
Themonths de octubre y noviembre tienen la más alta GHI, y los meses de junio y julio tienen los
valores más bajos, que pertenecen a la temporada de invierno. El porcentaje de variabilidad
intermensual mensual de componente GHI es alta (86%). Los niveles más altos de DNI están en
los meses de abril, septiembre, y noviembre (310, 321 y 323 kWh / metro 2 · mes, respectivamente),
y el valor mínimo (139 kWh / metro 2 · mes) se observa en julio, que es uno de los meses con la
temperatura ambiente más baja.

Promedios anuales de DNI, GHI y DHI calculados para el período de 2013 a 2014 son 2948 kWh
/ metro 2 · año, 2560 kWh / metro 2 · año
y 440 kWh / metro 2 · año, respectivamente.
Se observa que el DNI anual es superior a GHI anual de alrededor de un 18% lo que indica que A pesar de la disponibilidad de energía es esencial para el desarrollo de las tecnologías de
la localización es más adecuado para la instalación de la tecnología CSP (disco Stirling, energía solar, existen muchos otros factores y aspectos técnicos que limitan el uso real de la energía
colectores cilindro-parabólicos, Fresnel lineal o torre central). solar finalmente capturado [52 mi 58] .

Se observa que DHI es baja (440 kWh / metro 2 · año), que es un bene fi t para la tecnología CSP.
Sin embargo, los valores observados son tan altos que cualquier tecnología solar (CSP, PV o
una hibridación de ambos) podrían ser totalmente comercial y económicamente viable.
Los meses de noviembre y diciembre tienen la más alta GHI, y los meses de junio y julio tienen
los valores más bajos debido a que pertenecen a la temporada de invierno. El porcentaje de
variabilidad intermensual desde el más bajo al valor mensual más alto del componente de GHI
es del 70%, lo que es relevante cuando se considera fi viabilidad financiera de plantas de energía
solar. Los niveles más altos de DNI, que han sido medidos para los meses de septiembre y
noviembre (288 y 316 kWh /
En UTA, el GHI es mayor que DNI, pero en QB y LR la GHI es menor que el componente DNI.
Esto es debido a la mayor efecto de atenuación de los aerosoles y de vapor de agua en DNI de
componente GHI
[33] . la circulación general de la atmósfera en esta parte de la Tierra va de Este a Oeste. Debido a
las montañas de los Andes, hay un fuerte efecto Foehn que obliga a la condensación de la humedad
y lloviendo como el aire sube en la ladera de la montaña boliviana y brasileña. La parte de Chile se
caracteriza por la en Florida influencia de aire seco que descendt de la otra ladera de la montaña; que
limpiar el aire y absorbe cualquier humedad en el aire, resultando en una baja de aerosol y vapor de
agua de las cargas atmosféricas. Por esta razón, en las estaciones de QB y LR, valores DNI anuales
y mensuales son más altos que el componente de GHI. Además, debido a la mayor altitud de estas
estaciones, el espesor de la atmósfera y la cantidad de gases que tiene que transponer los rayos del
haz es menor que en el nivel del mar que

metro 2 $ mes, respectivamente), y el valor mínimo (204 kWh /

metro 2 · mes) se observan en febrero, la obtención de alrededor de 54% de
 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208 205

se ve menos afectada por efectos de dispersión y absorción [59] . estaciones de UTA se encuentra
frente a la costa y es en Florida influido por una alta carga de sal de mar, y gotas de agua aerosoles y
cargas de vapor de agua. Además, ya que la estación está dentro de la ciudad de Arica, que también
está en Florida influido por una alta carga de aerosoles antropogénicos. Este efecto provoca la
absorción de los rayos del haz en ciertas longitudes de onda por partículas atmosféricas que
transforman la radiación electromagnética en calor. Como GHI es igual a DHI plus DNI multiplicado
por el ángulo cenital, la parte absorbida disminuye tanto en GHI y DNI. La dispersión de la
componente directa se transforma en la componente difusa. Debido a las relaciones entre los
componentes, GHI está al mismo nivel debido al aumento de DHI, pero disminuyen DNI. El efecto de
las partículas atmosféricas en el componente de DNI sigue una función exponencial con la carga de
aerosoles [60] .
5.2. Análisis de las estimaciones mensuales de satélite y datos modelados
existe una subestimación. El modelo subestima NREL DNI durante todo el año, excepto en mayo.
Los resultados de GHI para la estación QB muestran que los modelos de la NASA, NREL y
INPE subestiman los valores medidos mensuales. CIEMAT estimaciones modelo andWRF
sobrestimar GHI durante los meses centrales y subestimar el resto de los meses del año. En el caso
del DNI, el modelo sobreestima el CIEMAT en mayo, octubre, noviembre y diciembre y subestima los
valores mensuales de radiación directa normal en el resto del año. modelo WRF sobreestima de abril
a diciembre, pero subestima en el resto de los años. modelos de la NASA y NREL subestiman DNI.
Por último, en la estación de LR, el modelo subestima INPE GHI para todos los meses. Mientras
tanto, la NASA y el modelo NREL también subestiman, a excepción de los meses de verano, que
sobreestiman GHI mensual. CIEMAT modelo subestima durante la mayor parte de los meses
excepto para los meses de junio y diciembre. modelo WRF sobreestima generalmente. En el caso de
DNI en la estación de LR, modelo WRF sobreestima DNI. Los otros modelos sobrestiman y
subestiman intermitentemente con las diferencias más altas en junio y julio.

mediciones mensuales medias se compararon con los datos modelados a largo plazo.
Estadísticamente hablando, es inconsistente para comparar los valores medios mensuales tomadas
en diferentes periodos temporales. Sin embargo, hay una muy buena correlación general entre los
valores mensuales medidos con los alrededor de unos y las condiciones climáticas de la región que
5.3. Validación de las estimaciones mensuales a largo plazo
son muy estables, además de El Niño
no
Los parámetros para el cálculo de los errores de los modelos son la desviación media sesgo
índice de variabilidad. Fig. 4 presenta las medias mensuales para GHI y DNI de la UTA, QB y
(MBD), raíz significa desviación cuadrada (RMSD), sus valores normalizados como RMBD y rRMSD
estaciones radiométricas LR y los modelos de la NASA, NREL, CIEMAT, INPE y WRF.
y el coef correlación fi-
ciente ( r) [ 61] . Las expresiones relativas se obtienen utilizando las siguientes ecuaciones:
En el caso de la estación de UTA, los modelos de la NASA, NREL y INPE subestiman los
valores medidos mensuales. estimaciones CIEMAT subestiman GHI. modelo WRF subestima
durante los meses de invierno y sobreestima durante el verano. Los resultados de los modelos
CIEMAT andWRF de DNI en la estación de UTA sobreestiman la radiación solar mensual para todos segundoXXyoyo
X norte
los meses. En el caso del modelo de la NASA, hay sobreestimación sólo durante el verano. Mientras RMBD ¼ 100 1 (2)
norte yo ¼ 1 X
tanto, en el resto del año

Relatative Mean Bias Desviación (RMBD)

NASA
NREL
CIEMAT
INPE WRF
40

30
RMBD (%)

20

10

- 10 0

- 20

- 30
estación de tierra UTA GHI GHI QB LR GHI UTA DNI QB DNI LR DNI
y componentes de radiación solar

Fig. 4. RMBD de GHI y mediciones terrestres DNI para UTA, QB y estaciones de LR en comparación con los modelos de la NASA, NREL, CIEMAT, INPE y WRF.
206 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208

Relatative Root Mean Square Desviación (rRMSD)

NASA
NREL
45
CIEMAT
INPE WRF

40

35

30
rRMSD (%)

25

20

15

5 10

0
UTA GHI GHI QB LR GHI UTA DNI DNI QB LR DNI
estación de tierra y los componentes de radiación solar

Fig. 5. rRMSD de GHI y el DNI para UTA, QB y LR para la NASA, NREL, CIEMAT, el INPE y modelos WRF.

Fig. 5 muestra una barra diagramwithmean errores de desviación para cada estación y cada
s ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi modelo para el GHI y componentes DNI, respectivamente. modelos de la NASA, NREL y subestiman
2 norte
INPE para todas las estaciones. INPE modelo tiene las mayores diferencias. Para DNI, modelo
segundo X yo
P Ni ¼ 1 X yo
CIEMAT sobreestima en UTA y subestima en las otras dos estaciones. modelo WRF subestima en
rRMSD ¼ 100 (3) UTA y LR para GHI y sobreestima en los otros casos.
X

dónde norte es el tamaño de la población, X es el valor observado, X es la media de los valores

observados y segundo X es el valor de modelado. Fig. 4 presenta un diagrama de barras para rRMSD para cada estación y

Tabla 5
Validación del promedio mensual de GHI y DNI del NREL, el INPE, la NASA, CIEMAT y modelos WRF en UTA, QB y estaciones terrestres LR.

NREL NASA CIEMAT FRM INPE NREL NASA CIEMAT FRM

GHI GHI GHI GHI GHI DNI DNI DNI DNI

MBD UTA 1.53 1.78 0.98 ¡ 0.20 1.87 0,72 ¡ 0.11 1.23 2.04
RMSD UTA 1.89 2.31 1.41 0.95 2.05 1.03 0.84 1.54 2.20
r UTA 0.57 0.58 0.64 0.70 0,72 0.86 0.92 0.79 0.94
RMBD UTA 21.86 25.48 14.03 ¡ 2.87 26.73 13.80 ¡ 2.12 23.62 39.11
rRMSD UTA 27.03 33.06 20.19 13,61 29.27 19.75 16.13 29.43 42.18

MBD QB 0.84 0.99 0.42 ¡ 0.07 1.89 1.71 1.30 0.53 0.14
RMSD QB 0.91 1.03 0.63 0.65 1.98 1.94 1.55 1.04 1.45
r QB 0.97 0.98 0.95 0.87 0.89 0.05 0.04 0.45 0.32
RMBD QB 12.01 14.13 5.99 ¡ 0.99 26.92 21.12 16.10 ¡ 6.51 1.74
rRMSD QB 12.93 14.66 8.99 9.27 28.23 23.98 19.14 12,82 17.90

MBD LR 0.60 0.84 0.52 0.38 1.30 ¡ 0.69 1.33 0.98 1.48
RMSD LR 0.96 1.17 0.80 0.70 1.50 1.88 2.39 1.96 2.27
r LR 0,78 0,77 0.85 0.86 0,77 0.44 0.13 0.50 0.53
RMBD LR 8.76 12.29 7.60 5.55 18.97 ¡ 8.52 13,36 12.09 18.29
rRMSD LR 13,93 17.00 11.67 10.23 21.85 23.17 29.52 24.21 28.08

Media MBD 0.99 1.20 0.64 0.04 1.69 1.04 0.91 ¡ 0.09 1.22
Media RMSD 1.25 1.50 0.95 0,77 1.84 1.62 1.59 1.51 1.97
Media r 0,77 0,78 0,81 0,81 0.79 0.45 0.28 0.28 0.38
Media RMBD 14.21 17.30 9.21 0.56 24.21 14.48 10.53 1.67 19.71
Media rRMSD 17,96 21.57 13.62 11.04 26.45 22.30 21.60 22.15 29.39
 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208
cada modelo para el GHI y componentes DNI, respectivamente. La NASA y el INPE tienen los
mayores errores de GHI. Mientras tanto, el CIEMAT y el FRM presentan los errores más bajos para
GHI. NASA, NREL y el CIEMAT presentan los errores más bajas, en el caso del DNI. Mientras tanto,
el WRF muestra los más altos errores de DNI.
Tabla 5 muestra los resultados de la validación de los modelos para GHI y DNI de UTA, LR y QB
y errores totales. Para cada estación los errores se muestran en cada conjunto de filas y los errores
totales medios se presenta en la última serie de filas en letras en negrita. Themodels con los errores
más bajos (en relación con MBD, RMSD, R, RMBD y rRSMD) para cada estación y cada
componente se marcan con un audaces letras. En el caso del componente de GHI, el mejor modelo
para las estaciones de UTA y LR es WRF. En el caso de la estación de QB y el componente de GHI,
los mejores modelos son WRF y el CIEMAT.
En el caso del DNI, NASAmodel es el mejor modelo para la estación de UTA. Para QB, el mejor
modelo es el modelo CIEMAT. Por último, en LR, el mejor modelo es el modelo de NREL. En
general, el modelo con el menor error para el DNI es el modelo CIEMAT.
6. Conclusiones
Tres estaciones radiométricas y meteorológicas se han instalado en la zona de Arica-Parinacota
para caracterizar el recurso solar para la producción de electricidad y otras aplicaciones likewater
desalinización y desintoxicación fi catión. Las estaciones están equipadas con piranómetros de alta
precisión followingWMO y ISO clasificación fi catión. métodos de control de calidad se han utilizado
para comprobar la calidad de los datos de los datos medidos. métodos de la novedad probadas para
brecha
fi llenado se han incorporado a la base de datos.
Promedios mensuales calculados a partir de las mediciones en tierra se han comparado con los
datos de radiación solar a partir de modelos WRF NASA, NREL, INPE, CIEMAT y. GHI calcula a
partir del modelo WRF presenta los mejores resultados. Mientras tanto, para el DNI el mejor modelo
es Intisat Lib del CIEMAT.
De los resultados obtenidos, se puede concluir que la región de Arica-Parinacota presenta
condiciones adecuadas para aplicaciones de energía solar a base de GHI como PV. En el caso de
aplicaciones de CPV y CSP, el recurso de DNI es más apropiada en las zonas altas de altitud. Sin
embargo, el recurso tiene que identificarse fi ed en cualquier lugar en particular debido a la alta
variabilidad de DNI, la gran complejidad de la orografía de la región, la proximidad del Pacífico fi c
océano y las condiciones del desierto, que pueden ser una fuente de polvo y aerosoles.
Los resultados mostrados en este documento describen un análisis exhaustivo de la calidad de
irradiationmeasurements solar en la región de AricaParinacota (Chile) que produce una
caracterización útil de los recursos solares en la región. Las principales implicaciones con respecto a
las tecnologías solares se han puesto de relieve de acuerdo con los resultados del análisis.
Nosotros hemos identificado fi ed una relación entre la altitud y la longitud a través del sistema
Andes. Los valores de radiación solar aumenta con la altitud, que está directamente relacionado con
la reducción del espesor de la capa de atmósfera y un predominio de condiciones de cielo despejado
en las montañas de alta elevación. Sin embargo, se disminuye con la longitud que está relacionada
directamente con la proximidad al mar. El efecto es la disminución de la altitud (mayor masa de aire)
y una mayor carga de partículas atmosféricas y la formación de nubes de convección mar. El
diferente de cargas de aerosol entre la costa y la región de montañas también tiene un efecto sobre
GHI y componentes DNI debido al alto impacto de los componentes atmosféricos en la atenuación de
la radiación solar viga. En la costa (estación UTA), GHI es más alto que el DNI, pero en las montañas
(QB) y LR, el GHI es inferior DNI.
Hay que destacar que los datos de medidas del terreno no representa los valores a largo plazo.
Además, los valores de irradiancia medios a largo plazo son propensos a los valores atípicos. En el
trabajo futuro, tenemos la intención de uso típico
207
Años meteorológicos de los datos modelados.
Expresiones de gratitud
Esta investigación fue apoyada por la Gobernación del regional de Arica (FIC Proyecto
30170173-0). Los autores quieren agradecer a la Solar Energy Research Center (FONDAP /
15110019) y también desean agradecer la calefacción y refrigeración solar (SHC) dentro de la
Agencia Internacional de Energía (AIE) y, en particular, todos los expertos que están participando en
la AIE tarea 46 (Evaluación de recursos solares y Previsión). El desarrollo de este trabajo fue
motivado en parte por la participación en la Tarea 46 reuniones de expertos.
referencias
[1] T. Larraín, R. Escobar, análisis de energía neto para las plantas de energía solar concentrada
en el norte de Chile, en Renovar. Energía 41 (2012) 123 mi 133, http://dx.doi.org/
10.1016 / j.renene.2011.10.015 .
[2] N. Corral, N. Anrique, D. Fernandes, C. Parrado, G. C Aceres, Power, la colocación
y LEC evaluación para instalar plantas de CSP en el norte de Chile, en Renovar. Sostener. Energía
Rdo. dieciséis (2012) 6678 mi 6685, http://dx.doi.org/10.1016/
j.rser.2012.09.006 .
[3] F. del Sol, E. Sauma, los impactos económicos de la instalación de plantas de energía solar en
el norte de Chile, en Renovar. Sostener. Rev. energía 19 (2013) 489 mi 498, http: //
dx.doi.org/10.1016/j.rser.2012.11.038 .
[4] T. Larraín, R. Escobar, J. Vergara, modelo de rendimiento para ayudar solar térmica
ubicación central eléctrica en el norte de Chile basado en el consumo de combustible de reserva, Renew.
energía 35 (2010) 1632 mi 1643, http://dx.doi.org/10.1016/
j.renene.2010.01.008 .
[5] D. Watts, MF Vald ES, D. Jara, A. Watson, potencial para el desarrollo fotovoltaico residencial
en Chile: el efecto de la medición neta y esquemas de facturación neta para instalaciones fotovoltaicas conectadas a
la red, Renew. Sostener. Energía Rev. 41 (2015) 1037 mi 1051, http: //
dx.doi.org/10.1016/j.rser.2014.07.201 .
[6] M. Hanel, R. Escobar, En Florida dumbre influencia de evaluación de los recursos de energía solar
incerti- en el coste de la electricidad nivelado de las plantas de energía solar concentrada en Chile, Renew.
Energía 49 (2013) 96 mi 100, http://dx.doi.org/10.1016/
j.renene.2012.01.056 .
[7] D. Araya-Mu ~ noz, D. Carvajal, A. S ZAE-Carre ~ no, S. Bensaid, E. Soto-M Arquez,
Evaluar el potencial solar de tejados en Valparaíso (Chile), Construir Energía. 69 (2014) 62 mi 73, http://dx.doi.org/10.1016/j.en
.
[8] A. Mokri, M. Ali Aal, M. Emziane, la energía solar en los Emiratos Árabes Unidos: una
revisar, renovar. Sostener. Rev. energía 28 (2013) 340 mi 375, http://dx.doi.org/
10.1016 / j.rser.2013.07.038 .
[9] A. Hartley, G. Chong, J. Houston, A. Mather, 150 millones de años de climática
Estabilidad: evidencia desde el desierto de Atacama, norte de Chile, J. Geol. Soc. Lond. 162 (2005) 421 mi 424,
http://dx.doi.org/10.1144/0016-764904-071 .
[10] I. Reda, A. Andreas, el algoritmo de posición solar para aplicaciones de la radiación solar,
Sol. Energía 76 (2004) 577 mi 589, http://dx.doi.org/10.1016/
j.solener.2003.12.003 .
[11] R. Julio Hirschmann, Los registros de la radiación solar en Chile, Sol. Energía 14 (1973)
129 mi 138, http://dx.doi.org/10.1016/0038-092X(73)90029-7 .
[12] R. Escobar Moragas mi rescobar, Ingpuccl Alberto Ortega Alonso mi aortegaa,
S. Luna de Abreu, F. Ramos Martins -fernandomartins, Avances En La evaluaciòn sobre Del Recurso Solar en
Chile, 2012 .
[13] A. Ortega, R. Escobar, S. Colle, SL de Abreu, el estado de los recursos de energía solar
evaluación en Chile, Renew. Energía 35 (2010) 2514 mi 2524, http://dx.doi.org/
10.1016 / j.renene.2010.03.022 .
[14] G. Salazar, MS Checura Diaz, MJ Denegri, C. Tiba, Identi fi cación de potencial
áreas para lograr una producción estable de energía utilizando la base de datos SWERA: un estudio de caso del
norte de Chile, Renew. Energy 77 (2015) 208 mi 216, http://dx.doi.org/
10.1016 / j.renene.2014.11.094 .
[15] RA Escobar, A. Ortega, C. Cort ES, A. Pinot, EB Pereira, FR Martins, J. Boland,
evaluación de los recursos de energía solar en Chile: estimación y medición por satélite estación de tierra,
Energía Procedia 57 (2014) 1257 mi 1265, http: //
dx.doi.org/10.1016/j.egypro.2014.10.115 .
[16] RA Escobar, C. Cort ES, A. Pino, EB Pereira, FR Martins, JM Cardemil, Solar
Evaluación de recursos energéticos en Chile: la estimación de satélite y mediciones de estaciones en tierra,
Renew. Energía 71 (2014) 324 mi 332, http://dx.doi.org/10.1016/
j.renene.2014.05.013 .
[17] J. Polo, S. Wilbert, JA Ruiz-Arias, R. Meyer, C. Gueymard, M. Suri, L. Martín,
T. Mieslinger, P. Blanc, I. Grant, J. Boland, P. Ineichen, J. Remund, R. Escobar,
A. Troccoli, M. Sengupta, KP Nielsen, D. Renne, N. Geuder, Integración de mediciones en el terreno de
modelo derivado de datos, informe del grupo de 46 IEA-SHC, 2015,
www.task46.iea-shc.org .
datos climatológicos NASA [18] WS Chandler, CH Whitlock, PW Stackhouse, para
evaluación de la energía renovable, J. Sol. Eng energía. 126 (2004) 945, http: //
dx.doi.org/10.1115/1.1748466 .
[19] T. Zhang, PW Stackhouse, WS Chandler, DJ Westberg, la aplicación de una
modelo global-a-haz de radiación al conjunto de datos de la NASA GEWEX SRB: una extensión de la
meteorología de superficie NASA y conjuntos de datos Energía solar, Sol.
208 L. Cornejo et al. / Energía Renovable 112 (2017) 197 mi 208

Energía 110 (2014) 117 mi 131, http://dx.doi.org/10.1016/j.solener.2014.09.006 . j.atmosenv.2013.07.002 .

[20] C. schillings, EB Pereira, R. Pérez, R. Meyer, F. Trieb, D. Renn E, evaluación de recursos de alta resolución de [41] LA Remer, YJ Kaufman, D. Tanr E, S. Mattoo, DA Chu, JV Martins, R.-R. Li,
energía solar dentro del PNUMA-proyecto SWERA, Mundo Renew. Congr energía. VII, 2002, p. 6 . C. Ichoku, RC Levy, RG Kleidman, TF Eck, E. Vermote, BN Holben, el algoritmo MODIS aerosol, productos, y
validación, J. Atmos. Sci. 62 (2005) 947 mi 973, http://dx.doi.org/10.1175/JAS3385.1 .
[21] J. Polo, LF Zarzalejo, M. Cony, AA Navarro, R. Marchante, L. Martin,
M. Romero, las estimaciones de la radiación solar sobre la India a partir de imágenes de satélite Meteosat, [42] DJ Esterhuyse, Establecimiento de la línea de base de la superficie del Sur de África radiación Red de Estaciones de
Sol. Energía 85 (2011) 2395 mi 2406, http://dx.doi.org/10.1016/ De Aar, 2004 .
j.solener.2011.07.004 . [43] M. Iqbal, Introducción a la radiación solar, Academic Press, Toronto (Canadá), 1983 .
[22] J. Polo, JM Vindel, L. Martín, la dependencia angular del albedo estimado en
[44] CN largo, Y. Shi, el producto QCRad Valor Añadido: superficie de radiación Measure
modelos para la radiación solar derivado de satélites geoestacionarios, Sol. Energy 93 (2013) 256 mi 266, http://dx.doi.org/10.1016/j.solener.2013.04.019
. surement Calidad Prueba de control, incluida la climatología de Con fi Límites gurable, De fi Oficina de Ciencia,
[23] J. Polo, L. Martín, M. Cony, Revisión de la estimación de albedo terreno en HELIOSAT De fi Oficina de Investigación Biológica y Ambiental de 2006.
esquema para derivar la radiación solar desde el canal SEVIRI HRV del satélite Meteosat, Sol. Energía 86 http://www.arm.gov/publications/tech_reports/doe-sc-arm-tr-074.pdf .
(2012) 275 mi 282, http://dx.doi.org/10.1016/ [45] E. Dutton, M. Wild, D. Nelson, D. Longenecker, A. Roesch, a largo plazo de la variabilidad de la superficie de
j.solener.2011.09.030 . irradiación Solar en GEWEX / Línea de base superficie de red de radiación (BSRN) y otros sitios, Tellus, 2005 .
[24] WC Skamarock, JB Klemp, J. Dudhi, DO Gill, DM Barker, MG Duda, X.-
Y. Huang, W. Wang, JG Powers, una descripción de la Investigación Avanzada WRF versión 3, Tech. Rep, [46] CN larga, por ejemplo Dutton, BSRN Red Global recomienda realizar pruebas de control de calidad, Informe Técnico BSRN
2008, p. 113, http://dx.doi.org/10.5065/D6DZ069T . V2.0, 2002 .
[25] R. Tibshirani, G. Walther, T. Hastie, estimar el número de agrupaciones en una [47] H. Henger, G. Müller, V. Nespor, A. Ohmura, R. Steigrad, H. Gilgen, I. G. de ETH, Actualización del Plan Técnico
conjunto de datos a través de la brecha estadística, JR Stat. Soc. Ser. B 63 (2000) 411 mi 423, http: // de Gestión de Datos BSRN, 1998 .
dx.doi.org/10.1111/1467-9868.00293 . [48] ​C. Rigollier, O. Bauer, L. Wald, En el modelo de cielo claro de la ESRA mi europeo
[26] S. Mathew, la energía eólica: Fundamentos, Análisis de recursos y Economía, Atlas de Radiación Solar mi con respecto al método HELIOSAT, Sol. Energía 68 (2000)
2007, http://dx.doi.org/10.1007/3-540-30906-3 . 33 mi 48. http://www.sciencedirect.com/science/article/B6V50-
[27] RB Stull, Introducción a la capa límite Meteorología, 1988, http: // 3YHWRXJ-4/2 / e8ea4f236b9e782f7cc680586af76b32 .
dx.doi.org/10.1007/978-94-009-3027-8 . [49] L. Wald, M. Albuisson, C. Best, C. Delamare, D. Dumortier, E. Gaboardi, A.
[28] G. K € onig-Langlo, R. Sieger, H. Schmithüsen, A. Bücker, F. Richte, EG Dutton, línea de base de la superficie Hammer, D. Heinemann, R. Kift, S. Kunz, M. Lef evre, S. Leroy, M. Martinoli, L. Menard, J. Página, T. Prager,
de actualización de Red de Radiación (BSRN) del Plan Técnico de Gestión de Datos BSRN octubre de 2013, C. Ratto, C. Reise, J. Remund , A. Rimoczi-Pall, E. van der Goot, F. Vanroy, A. Webb, soda: un servicio web
2013, pág. 30. http://www.wmo.int/ páginas / prog / GCOS / Publicaciones / GCOS-174.pdf . de la radiación solar, en: El Congreso Eurosun 2004, nd: pp. 921 mi 927.

[29] LJB McArthur, Programa Mundial de Investigación del Clima-basal de superficie radia-
ción de red (BSRN) -Operaciones Manual Version 2.1, 2005. http://epic.awi.de/ 30644/1 / McArthur_2005.pdf%
5Cnpapers3: // publicación / uuid / D5A868178746-4459-A967-2D67BB15CE7A .
[30] L. Nombre, F. Nombre, O. Formación, P. Formación, C. Darin, Formación RO, M. Kimberly,
G. Deepa, E. Junta, E. Principal, I. primaria, F. Systems, Estudio EB, N. coinvestigador, Atlas Brasileiro De
Energia Solar, 2014, http://dx.doi.org/
10.1007 / s13398-014-0173-7.2 .
[31] J. Polo, mapas de irradiación solar normales horizontales y directos globales en España
derivado de satélites geoestacionarios, J. Atmos. Solar Terrestrial Phys. 130 mi 131 (2015) 81 mi 88, http://dx.doi.org/10.1016/j.jastp.2015.05.015
G. Major, M. Martinoli, J. Página, C. Ratto, C. Reise, J. Remund, A. Rimoczi-Pall,
. L. Wald, A. Webb, explotación de bases de datos de radiación solar distribuidos a través de una red
[32] J. Polo, F. Antoñanzas-Torres, JM Vindel, L. Ramírez, Sensibilidad de en satélites
métodos basados ​para derivar la radiación solar a elección diferente de la entrada y los modelos de aerosol,
Renovar. Energía 68 (2014) 785 mi 792, http://dx.doi.org/
10.1016 / j.renene.2014.03.022 .
[33] J. Polo, G. Estalayo, Impacto de cargas de aerosoles atmosféricos en el solar de concentración
la producción de energía en sitios áridas del desierto, Sol. Energía 115 (2015) 621 mi 631,
http://dx.doi.org/10.1016/j.solener.2015.03.031 .
[34] J. Polo, A. Bernardos, AA Navarro, CM Fernández-Peruchena, L. Ramírez,
MV Guisado, S. Martínez, recursos solares y la energía potencial de la cartografía en Vietnam usando
derivados de satélites y de información basados ​en SIG, Energy Convers. Manag. 98 (2015) 348 mi 358, http://dx.doi.org/10.1016/j.enconman.2015.
04,016 .
[35] HG Beyer, L. Wald, G. Czeplak, U. Terzenbach, mapas de radiación solar para la
nueva Europea Atlas radiación solar ESRA, en: El Congreso eurosun 1996,
1996. http://wire0.ises.org/wire/doclibs/EuroSun96.nsf?OpenDatabase .
[36] P. Ineichen, la función de conversión entre la turbidez Linke y la ATMOSFERA
vapor esférica contenido de agua y aerosol, Sol. Energía 82 (2008) 1095 mi 1097,
http://dx.doi.org/10.1016/j.solener.2008.04.010 .
[37] P. Ineichen, R. Pérez, una formulación independiente nueva masa de aire para la linke
coef turbidez fi ciente, Sol. Energía 73 (2002) 151 mi 157, http://dx.doi.org/
10.1016 / S0038-092X (02) 00045-2 .
[38] SA Khalil, AM Shaf fi e, la atenuación de la energía solar por partículas de aerosol: una revisión y estudio de caso,
Renovar. Sostener. Rev. energía 54 (2016) 363 mi 375,
http://dx.doi.org/10.1016/j.rser.2015.09.085 .
[39] JA Ruiz-Arias, J. Dudhia, CA Gueymard, D. Pozo-V azquez, Evaluación de la
Nivel 3-MODIS aerosol diaria profundidad óptica en el contexto de la radiación solar modelado de superficies y
numérica del tiempo, Atmos. Chem. Phys. 13 (2013) 675 mi 692, http://dx.doi.org/10.5194/acp-13-675-2013 .
[40] JA Ruiz-Arias, J. Dudhia, V. Lara-Fanego, D. Pozo-V azquez, A geoestadística
enfoque para la producción diaria de nivel-3 profundidad óptica MODIS aerosol analiza, Atmos.
Reinar. 79 (2013) 395 mi 405, http://dx.doi.org/10.1016/
[50] L. Wald, M. Albuisson, C. Best, C. Delamare, E. Gaboardi, A. Hammer,
D. Heinemann, R. Kift, S. Kunz, M. Lef evre, S. Leroy, M. Martinoli, L. Menard,
J. Página, T. Prager, C. Ratto, C. Reise, J. Remund, A. Rimoczi-Pall, E. van der Goot,
F. Vanroy, A. Webb, soda: un proyecto para la integración y la explotación de las bases de datos de radiación
solar en red, en: W. Pillmann, K. Tochtermann, Environmen, 16a Conferencia Internacional (Eds.) “ Informática
para la Protección del Medio Ambiente de 2002, pp. 713 mi 720 .
[51] C. Rigollier, M. Albuisson, C. Delamare, D. Dumortier, M. Fontoynot,
E. Gaboardi, S. Gallino, D. Heinemann, M. Kleih, S. Kunz, G. Levermore,
inteligente: el proyecto de soda, en: El Congreso eurosun 1998, 2000 .
[52] K. Lovegrove, WS CSIRO, Introducción a la concentración de energía solar (CSP)
La tecnología, en: Conc. Sol. Technol poder. Princ. Prog. Appl, 2012, pp. 3 mi 15,
http://dx.doi.org/10.1016/B978-1-84569-769-3.50001-7 .
[53] M. Liu, NH Steven Tay, S. Bell, M. Belusko, R. Jacob, G. Will, W. Saman,
F. Bruno, Revisión en concentrar plantas de energía solar y nuevos desarrollos en las tecnologías de
almacenamiento de energía térmica de alta temperatura, Renew. Sostener. Energía Rev. 53 (2016) 1411 mi 1432,
http://dx.doi.org/10.1016/j.rser.2015.09. 026 .
[54] HL Zhang, J. Baeyens, J. Degr víspera, G. Cac Eres, concentrado plantas de energía solar:
revisión y metodología de diseño, en Renovar. Sostener. Rev. energía 22 (2013) 466 mi 481, http://dx.doi.org/10.1016/j.rser.2013.0
.
[55] HA Zondag, los colectores y los sistemas PV-térmica de placa plana: una revisión, Renew.
Sostener. Rev. energía 12 (2008) 891 mi 959, http://dx.doi.org/10.1016/
j.rser.2005.12.012 .
[56] GK Singh, generación de energía solar por la tecnología PV (fotovoltaica): una revisión,
Energía 53 (2013) 1 mi 13, http://dx.doi.org/10.1016/j.energy.2013.02.057 .
[57] S. Dubey, JN Sarvaiya, B. Seshadri, fotovoltaica dependiente de la temperatura (PV)
ef fi ciencia y su efecto sobre la producción de energía fotovoltaica en el mundo - una revisión., en: Energía Procedia,
2013, pp 311 mi 321, http://dx.doi.org/10.1016/j.egypro.2013.05.072 .
[58] AR Jordehi, Estimación de parámetros de células solares fotovoltaicas (PV): una revisión,
Renovar. Sostener. Rev. energía 61 (2016) 354 mi 371, http://dx.doi.org/10.1016/
j.rser.2016.03.049 .
[59] Una introducción a la teoría de la probabilidad y sus aplicaciones-William Feller-3
Ed.pdf, (nd).
[60] T. Muneer, la radiación solar y luz del día Modelos, Química (Easton), 2004, p.
345, http://dx.doi.org/10.1016/B978-075065974-1/50015-2 .
[61] I. Jolliffe, D. Stephenson, Pronóstico Veri fi cación: a Practitioner ' s Guía de At-
mospheric Ciencia, 2003, http://dx.doi.org/10.1016/j.ijforecast.2005.11.002 .