"Modelos Empíricos para La Estimación Solar Difusa en Xalapa PDF

FACULTAD DE INSTRUMENTACIN ELECTRNICA
Modelos empricos para la estimacin

de la radiacin solar difusa en Xalapa,
Veracruz.
TESINA
QUE PARA EVALUAR LA EXPERIENCIA EDUCATIVA EXPERIENCIA
RECEPCIONAL (MEIF), DEL PROGRAMA EDUCATIVO DE LA
LICENCIATURA EN CIENCIAS ATMOSFRICAS
PRESENTA
JOS ERNESTO LPEZ VELZQUEZ
DIRECTOR
DR. ADALBERTO TEJEDA MARTNEZ
CODIRECTOR
ING. RICARDO SALDAA FLORES
XALAPA-ENRQUEZ, VER.
2013
ndice
1. Introduccin ............................................... 3
1.1 Importancia del registro de radiacin
solar ........................................................... 4
1.2 La modelacin de la radiacin solar........ 5
2. Antecedentes en la modelacin de la
radiacin difusa ......................................... 8
5.4 Seleccin del polinomio en la correlacin

Kt - Kd ..................................................... 23
5.5 Modelo para valores Kt y Kd diarios ..... 23
5.5.1 Modelo para valores diarios promedio
mensual con otras variables ................... 24
5.6 Estadsticos para la evaluacin de los
2.1 Antecedentes de la correlacin Kt - Kd . 10
modelos .................................................. 31
3. Estacin solarimtrica e instrumentos .... 11
6. Resultados .............................................. 32
3.1 Instrumentacin ..................................... 11
6.1 MLiuJordan para valores horarios
3.1.1 Sensor de radiacin solar global

horizontal ................................................. 12
3.1.2 Aro de sombra .................................... 13
4. Base de datos meteorolgicos y de
radiacin solar ......................................... 15
4.1 Valores horarios y mensuales
mensuales............................................... 32
6.2 MDivAutores para valores horarios
mensuales............................................... 36
6.3 Comparacin de los MLiuJordan y
MDivAutores horarios ............................. 40
6.4 Modelos para valores diarios ............... 41
acumulados ............................................. 15
6.4.1 Diarios acumulados mensuales ......... 41
4.2 Clculo de los ndices Kt y Kd ............... 17
6.4.2 Diarios acumulados trimestrales ....... 43
4.2.1 Procedimiento para eliminar registros
6.4.3 Diarios acumulados semestrales ....... 46
errneos .................................................. 17
6.5 MDPMPrec............................................ 48
4.2.2 Tratamiento de datos Kt - Kd horarios y
6.6 MDPMax ............................................... 50
diarios ...................................................... 18
6.7 MDPMin ................................................ 52
5. Mtodos ................................................... 21
7. Conclusiones y recomendaciones .......... 54
5.1 Modelo de Liu y Jordan ......................... 21
Anexo 1 Modelos empricos ....................... 57
5.2 Diversos modelos de radiacin difusa .. 21
Glosario....................................................... 55
5.3 Mtodos utilizados ................................. 22
Nomenclatura.............................................. 56
5.3.1 Mtodo para valores Kt y Kd horarios
Referencias ................................................. 60
mensuales ............................................... 22
1. Introduccin
La radiacin solar es la fuente principal de energa para a vida en la Tierra y los procesos
atmosfricos. Para su aprovechamiento es necesario su cuantificacin tanto para el diseo como
para la instalacin de los sistemas de aprovechamiento de energa solar (Energa Solar CIE, 2005).
Un problema comn en la realizacin de este clculo es la falta de datos de radiacin solar. La
radiacin solar global es la mayormente registrada por estaciones climticas en el pas (Energa
Solar CIE, 2005), mas no as sus componentes, la radiacin solar directa y difusa, la primera
denominada as por ser la que proviene linealmente del disco solar, mientras que la difusa por
provenir de otras direcciones debido a la reflexin y dispersin que producen a la radiacin solar, la
atmosfera y las nubes (Hernndez et al, 1991).
Dada la carencia de informacin por parte de las estaciones climticas en el pas (Energa Solar CIE,
2005), resulta necesaria la utilizacin de mtodos alternativos para estimar las componentes de la
radiacin global.
En la ciudad de Xalapa (19.33 N, 96.55 W, 1464 msnm) se encuentra instalada a cargo del
Programa de Estudios de Cambio Climtico de la Universidad Veracruzana (PECCUV), la estacin
solarimtrica del Instituto de Investigaciones Elctricas (IIE), la cual cuenta con registros de radiacin
solar global y difusa (adems de otras variables climticas) de un periodo superior a un ao.
Basado principalmente en la investigacin realizada por Liu y Jordan (1960) y la disponibilidad de los
registros de radiacin de la estacin solarimtrica para Xalapa, el objetivo del presente trabajo es
establecer modelos empricos estadsticos que faciliten la estimacin de la radiacin solar difusa
cuando no estuviese disponible
Los modelos empricos estadsticos generados para la estimacin de la radiacin solar difusa en
Xalapa, fueron agrupados como: modelos para la estimacin de valores horarios, diarios y diarios
promedios mensuales; estos ltimos en combinacin con variables climticas tales como la
temperatura y la precipitacin, se muestran adems la eficacia en la estimacin de cada modelo en
base al error estndar de estimacin (ESR) y el coeficiente de determinacin (R2) para cada uno.
Este trabajo sugiere la metodologa aplicada al tratamiento de datos de radiacin y la generacin de
los modelos, pero para poder ser utilizada en futuros trabajos se requiere un ajuste para cada
localidad diferente.
3
En esta tesina se realiza una revisin de los antecedentes sobre modelacin de la radiacin difusa
en los ltimos 30 aos y en base a esto genera una metodologa para la eliminacin de datos
errneos de radiacin y el clculo de ndices su agrupamiento para el establecimiento de
correlaciones; prosigue con la generacin de diversos modelos para la estimacin de la radiacin
difusa a partir de la radiacin global ajustados a la ciudad de Xalapa y concluyendo con la propuesta
de los mejores modelos generados, y la evaluacin respectiva mediante los valores de R2 y ESR de
lo estimado contra lo registrado en la estacin.
1.1 Importancia del registro de radiacin solar

Los primeros estudios acerca de la irradiacin solar en Mxico son del siglo pasado, y fueron
realizados por el doctor alemn Ladislao Gorczysky en los aos veinte, en las visitas que realiz al
pas y como miembro del Servicio Meteorolgico Mexicano (Hernndez et al., 1991). Con el tiempo
las investigaciones sobre este recurso han aumentado.
El conocimiento de la cantidad de la radiacin global y de sus componentes (la radiacin difusa y
directa) es de fundamental importancia para estudiar, planear y disear sistemas de
aprovechamiento de energa solar (El- Sebaii et al., 2010). En muchas zonas del mundo, las
mediciones de radiacin solar no se encuentran fcilmente disponibles, sumado esto a las
limitaciones financieras, tcnicas e institucionales (Wu GF et al., 2007). En especial resulta difcil la
obtencin de datos de radiacin solar difusa y directa, pues son escasamente medidas (Ulgen K et
al., 2009).
Comnmente la radiacin solar registrada en las estaciones meteorolgicas consiste en valores de
radiacin global en el plano horizontal, sin contar con registros de los componentes de la radiacin
global (radiacin directa o la radiacin difusa) los cuales son requeridos para diversos propsitos,
como el establecer balances energticos tiles para el aprovechamiento de energa solar (Torres et
al., 2010).
El conocimiento de la disponibilidad de los recursos solares, es requerido usualmente por ingenieros,
arquitectos, agricultores e hidrlogos, en varios campos con diversas aplicaciones. Sin embargo la
escasez de su disponibilidad sugiere la bsqueda de mtodos y procedimientos para su estimacin.
Ejemplo de lo anterior es el Servicio Meteorolgico Nacional, opera una red de 135 estaciones
automticas (EMAS SMN, 2013), que miden la irradiacin solar global con piranmetros estndar de
segunda clase. La red de estaciones tiene una cobertura amplia del territorio nacional, sin embargo
fue diseada tomando en cuenta solamente criterios hidrolgicos, dejando de lado otros que se
refieren a los usos del suelo, la orografa y los diferentes climas que existen en el territorio nacional.
1.2 La modelacin de la radiacin solar

La modelacin de variables meteorolgicas es usada extensivamente en la climatologa, no
solamente como una alternativa para la medicin, sino tambin para abordar o aprovechar el
entendimiento de los procesos fsicos y adems como una herramienta de la prediccin de
fenmenos meteorolgicos (Llasat y Snyder, 1998).
Segn Linacre (2005), hay cuatro casos para los cuales es posible estimar los datos climticos de un
lugar:
Cuando se requieren datos de fechas anteriores en las cuales el dato no fue medido, o se
requieren datos a futuro.
Es necesario estimar los valores, en lugares donde no existen equipos de medicin.
La estimacin de un dato es til para comprobar la veracidad de algunas mediciones

sospechosa.
Por ltimo, la posibilidad de obtener una estimacin precisa y consistente, por medio de
variables independientes, demuestra una comprensin de la fsica del proceso en estudio.
Segn Posadillo (2009), la caracterizacin del comportamiento de las instalaciones solares, requiere
el conocimiento de la energa incidente para su captura (radiacin directa y difusa). La disponibilidad
de esta energa se modifica en base a su intensidad, distribucin y direccin, ambas mediante los
das y aos, factores que cuando son conocidos se convierten en posibilidades de desarrollo en
nuevos sistemas solares (Fig.1.1). Debido a los cortos periodos de mediciones de radiacin difusa y
directa, se ha vuelto necesario proponer modelos que las calculen. Estos modelos pueden ser
divididos en dos grandes grupos:
5
1) Los modelos que hacen uso del conocimiento de ciertos elementos de la atmosfera, tales
como el contenido de ozono, vapor de agua, dixido de carbono, dispersin de aerosoles y
partculas. Todos estos tienen en comn una base: el conocimiento de la composicin de la
atmsfera y la cuantificacin de diferentes efectos sufridos por la radiacin cuando esta
penetra las capas de la atmsfera (atenuacin y dispersin).
2) Los modelos que usan mediciones de radiacin global horizontal y sus correlaciones la
radiacin difusa y directa. Para generar este tipo de modelos empricos se debe contar con
datos registrados (series diarias u horarias de radiacin global y difusa en el plano
horizontal).
Es en este ltimo grupo en donde se ubica la base del desarrollo de los modelos propuestos en este
trabajo, ya que se cuenta con la disponibilidad de datos registrados de radiacin solar para
establecer correlaciones.
El trabajo de Liu y Jordan (1960) para estimar la radiacin difusa a partir de mtodos empricos,
estableci por primera vez la posibilidad de estimar la radiacin difusa mediante la correlacin de los
ndices Kt (Rg/Rext) y Kd (Rdif/Rg) utilizando datos de radiacin de diversas estaciones en los
Estados Unidos y Canad; posteriormente Orgill y Hollands (1977) incluy en un trabajo similar de
modelacin emprica, el tratamiento de los datos y separacin de los valores de los ndices Kt y Kd
mediante condiciones de cobertura de nubosidad; de la metodologa de los anteriores trabajos se
han derivado diversos modelos para estimar la radiacin difusa en diversas localidades.
Fig.1.1 Ejemplo grfico del efecto de la radiacin solar recibida por los sistemas de aprovechamiento de
energa (OPEX Energy, 2010)
Por lo anteriormente mencionado, el desarrollo de modelos para estimar en distintas localidades la

radiacin solar difusa (componente de la radiacin solar global) y por diferencia la radiacin directa,
resulta una opcin til y factible si se precisan estimar datos de radiacin; haciendo uso de una
muestra de datos radiacin global y difusa del lugar pertinente de donde se desea estimar.
Es necesario desarrollar mtodos para estimar la radiacin difusa solar a partir de otros datos
meteorolgicos ms fcilmente disponibles (Huashan Li, 2011); en el presente trabajo se utiliz una
base de datos de radiacin solar y variables meteorolgicas disponibles para la ciudad de Xalapa
(19.33 N, 96.55 W, 1464 msnm) y se elaboraron diversos modelos empricos para estimar la
radiacin difusa en la ciudad: mensuales, trimestrales, semestrales, diarios promedio mensuales en
base a la precipitacin y diarios promedio mensuales en base a temperaturas mximas y mininas
diarias.
2. Antecedentes en la modelacin de la radiacin difusa

La radiacin global puede ser dividida en dos componentes: (1) la radiacin difusa, la cual resulta de
la dispersin a causa de los gases de la atmosfera terrestre, gotas de agua y partculas; y (2) la
radiacin solar directa, la cual no ha sido dispersada. La radiacin global es la suma algebraica de
estas dos componentes. Los valores de radiacin difusa son primordiales para la investigacin y las
aplicaciones ingenieriles.
Como se ha venido comentado en ocasiones la disponibilidad de datos de radiacin difusa y directa
es mnima, y por lo regular solo llegan a encontrarse disponibles mediciones de la radiacin global
(Zhoun Jin, 2004). Es por esto que la radiacin difusa debe ser estimada a partir de correlaciones y
modelos cuando no ha sido registrada.
El primer modelo para estimar la radiacin difusa a partir de correlaciones, fue establecido por Liu y
Jordan (1960). Relaciona la radiacin solar global y difusa diaria, basndose en los datos registrados
de radiacin obtenidos por 98 localidades en Estados Unidos y Canad. stos mostraron que a
pesar de la latitud, la radiacin global est directamente relacionada al ndice de claridad Kt.
(
(1.1)
Continuando con el trabajo de Liu y Jordan (1960), muchos investigadores han estudiado dichas
correlaciones para diferentes localidades; un ejemplo de estas investigaciones son Spitters et. al
(1986) quien encontr que los parmetros en las correlaciones determinados por regresiones
lineales haciendo uso de la radiacin global y la radiacin difusa en diferentes sitios, usualmente
muestran una notable similitud.
Otro ejemplo de los modelos desarrollados fue el de Orgill y Hollands (1977), quienes a partir de una
base de datos de radiacin recolectada en Toronto Canad establecieron un modelo lineal. Estos
modelos correlacin dividen el estado del cielo en tres partes de acuerdo al ndice de claridad (Kt).
Para el rango 0.35<Kt<0.75 la regresin obtenida es:
(
(1.2)
Por otra parte Erbs et al (1982) usando una nueva base de datos obtenida de cinco estaciones
meteorolgicas ubicadas en Estados Unidos, desarrollaron una regresin entre la radiacin difusa
diaria y la radiacin global diaria en el plano horizontal:
(
(1.3)
Adems, determinaron la dependencia de la radiacin difusa en funcin de la estacin del ao y la
ubicacin geogrfica. Gopinathan (1988) propuso correlaciones empricas para la estimacin de la
radiacin difusa basndose adems del Kt en la fraccin de horas de sol, y en base a una
combinacin de estas estimar.
Reindl (1990) estim la radiacin difusa usando dos diferentes modelos desarrollados a partir de la
radiacin extraterrestre y global medida en el plano horizontal, con una base de datos obtenida de
cinco localidades de Estados Unidos y Europa; el modelo fue dado por la siguiente ecuacin:
(
(1.4)
Es ampliamente reconocido que la determinacin de la radiacin difusa es un problema complejo,
pues sta depende de la altitud del sol, del tamao de partculas que la dispersen; de la cubierta
nubosa y del espesor de la columna de agua precipitable (Posadillo, 2009).
Singh J. et al. (2011) desarrollaron modelos semiempricos para estimar la radiacin difusa en base
a la transmisividad atmosfrica; uno local y otro regional, caracterizados y ajustados para los
distintos climas de India, utilizando una base de datos de 21 aos en cuatro estaciones que
representaban los principales climas de la regin. Se encontr que los modelos regionales fueron los
que mejor estimaron a comparacin de los locales y que para zonas orogrficamente irregulares los
resultados fueron menos favorables.
Siguiendo la idea original de Liu y Jordan (1960), diferentes autores han propuesto numerosos
correlaciones empricas, permitiendo una estimacin de la radiacin solar difusa (y por consiguiente
de la deduccin del componente de radiacin directa por diferencia). Estas correlaciones llamadas
9
tambin correlaciones Kt - Kd, muestran la dispersin de los valores de los ndices Kd, cociente
entre la radiacin difusa y la global en un plano horizontal, con el ndice de claridad Kt, un cociente
entre la radiacin global entre la radiacin extraterrestre en un plano horizontal, a los cuales son
ajustados polinomios (que ajustan de mejor manera la dispersin de los valores de los ndices) con
el propsitos de obtener una ecuacin de la cual sea posible despejar la variable de radiacin difusa
(implcita en el ndice Kd) para poder estimarla.
Sin embargo aun con los modelos ya establecidos por los autores anteriormente mencionados, la
adecuacin de estos modelos a diferentes latitudes resulta un ejercicio necesario para mejorar las
estimaciones. Considerando estas dificultades, y en vista de la escasa disponibilidad de datos, los
modelos para el clculo de radiacin difusa desarrollados o adecuados en otros sitios, son tiles
para muchos propsitos prcticos de estimacin de la radiacin solar.
2.1 Antecedentes de la correlacin Kt - Kd

Unas de las principales primeras contribuciones a este tpico despus del trabajo de Liu y Jordan
(1960) fueron hechas por Orgill y Hollands (1977) y Erbs et al (1982). Ambos grupos de autores
correlacionaron Kd y Kt mediante polinomios, los cuales fueron desde primer grado en el caso de
Orgill al cuarto grado en el caso de Erbs.
Posteriormente la influencia de las variables climticas en el ndice de fraccin difusa Kd fue
ampliamente estudiada por Reindl et al (1990). Con datos de estaciones europeas y estadunidenses,
lograron reducir el error introducido por Liu y Jordan (1960) en las correlaciones, usando 28
variables potenciales y encontrando un nivel de significancia en solo cuatro de estos: ndice de
claridad (Kt), altitud solar, temperatura ambiente y humedad relativa. El resultado de las
correlaciones fue definido por tres rangos del Kt, con el propsito de acomodar la aparente no
linealidad de la distribucin.
El presente trabajo basa principalmente su metodologa de anlisis y tratamiento de los datos de
radiacin y establecimiento de correlaciones entre los ndices Kt y Kd en los realizado por Liu y
Jordan (1960) y diversos autores como Orgill y Hollands (1977), Erbs (1982) y Duffie (1990) que
posteriormente al trabajo de Liu y Jordan mejoraron los mtodos, filtros y manejo de los datos.
10
3. Estacin solarimtrica e instrumentos

La estacin solarimtrica fue instalada por encargo del Laboratorio Nacional para la Evaluacin de
Recursos Energticos Renovables en Mxico (LERM) y financiamiento del Conacyt en la ciudad de
Xalapa, Veracruz en marzo del 2011 dentro de las instalaciones del Laboratorio de Alta Tecnologa
de Xalapa, S. C. (LATEX; 19.33 N, 96.55 W, 1464 msnm) y actualmente se encuentra bajo el
cuidado del Programa de Estudio sobre Cambio Climtico de la Universidad Veracruzana
(PECCUV).
La estacin LATEX Xalapa funciona con un adquisitor de datos Campbell CR1000-7000303 y
cuenta con instrumentos para medir radiacin, temperatura y viento. Obtiene mediciones cada 10
minutos (promedios de muestras de cada 2 segundos). Adems de la estacin solarimtrica se
encuentra instalada contiguamente una estacin meteorolgica automtica Davis Advantage Pro2,
de la cual se obtuvo tambin una base de datos de precipitacin diaria acumulada, temperaturas
mximas y mnimas, para la elaboracin de las diversas correlaciones con los dato de radiacin.
Su ubicacin en la azotea del Laboratorio de Alta Tecnologa de Xalapa, S. C. (LATEX), responde
por su condicin de seguridad y libre de obstculos como un lugar propicio para la medicin de
radiacin solar.
3.1 Instrumentacin
La estacin solarimtrica LATEX fue instalada en Xalapa con el propsito de conformar una base de
datos de radiacin solar directa difusa y global en la ciudad (LATEX conforma una red de diversas
estaciones solarimtricas instaladas en el pas, supervisadas por el LERM). Gracias al acceso a los
datos y al directo manejo y revisin de stos, fue posible utilizar una base anual de los valores de
radiacin solar global y difusa correspondientes al periodo junio 2011 junio 2012.
Como ya se mencion, las mediciones fueron tomadas en el laboratorio LATEX, sobre una superficie
plana y libre de obstculos, a una altura aproximada de 10 metros sobre el suelo (sobre una azotea).
Como principales instrumentos en la estacin solarimtrica se consideraron a dos piranmetros
Kipp & Zonen modelo CMP11, uno registrando valores de radiacin solar global y otro valores de
11
radiacin difusa junto a un aro de sombra adicional. El piranmetro con aro de sombra requiere una
orientacin semanal para corregir el sombreado del aro en el piranmetro; la orientacin es realizada
mediante el desplazamiento de la barra sombreadora, con respecto a la a la declinacin solar (Kipp
& Zonen).
3.1.1 Sensor de radiacin solar global horizontal

La radiacin solar global es una de las magnitudes que ms se han utilizado en este trabajo, por lo
que a continuacin se explica el procedimiento seguido para su medicin.
Para la obtencin de mediciones de radiacin solar global, Rg, la estacin solarimtrica LATEX
dispone de un sensor Kipp & Zonen, modelo CMP-11. Este sensor es un piranmetro de termopila
que segn la normativa ISO-9060 (ISO-9060 Standard, 2012) cumple todas las especificaciones
para ser considerado un sensor de primera clase, y que ofrece una alta precisin en las medidas
de radiacin solar. El piranmetro CMP-11 es adecuado para la medicin rutinaria de la radiacin
solar global (registrando en un rango espectral de 300 a 2,800 m). Algunas de sus propiedades
son: una respuesta angular prxima a la ideal, buena linealidad y una buena estabilidad durante
largos periodos de uso (Kipp & Zonen, 2012).
La energa radiante que llega hasta el sensor es absorbida por un disco pintado de negro. El calor
generado fluye a travs de una resistencia trmica hasta el fondo del piranmetro, la diferencia de
temperaturas entre el disco cermico y el fondo del piranmetro es transformada en una diferencia
de potencial, la cual es la seal (diferencial) de salida del sensor. Se puede observar un detallado
esquema de los componentes fsicos del sensor CMP-11 en la Fig. 3.1.
Fig.3.1 Esquema detallado de las partes principales de piranmetro CMP-11 (Kipp & Zonen, 2012).
12
El piranmetro est protegido por dos hemisferios concntricos para evitar los cambios de
temperatura debidos al viento, lluvia y prdidas de temperatura por intercambio de calor con la
atmsfera. La transmitancia de estas esferas limita el rango espectral del sensor. El sensor lleva
incorporado una pantalla blanca metlica para evitar su calentamiento y un desecante para evitar las
condensaciones que pudieran producirse en el interior de las cpulas errando las mediciones o
incluso daando el detector (Kipp & Zonen, 2012).
3.1.2 Aro de sombra

El aro de sombra CM-121 de Kipp & Zonen est diseado para que en conjunto con los
piranmetros CMP11 resulte un til elemento para medir la radiacin solar difusa. Naturalmente la
combinacin del aro de sombra aunado a las mediciones de radiacin global realizadas con el
piranmetro, proporcionara la medida de la radiacin difusa, siempre y cuando dicho aro de sombra
reciba el desplazamiento (orientacin) con respecto a la declinacin solar diaria que corresponde, y
el piranmetro se mantenga sombreado en todo momento (fig.3.2).
Fig.3.2 Esquema grafico del mecanismo de las barras que desplazan al aro para mantener sombreado el
piranmetro (Kipp & Zonen, 2012).
El mecanismo de orientacin del aro de sombra est constituido principalmente por dos barras por
donde este se desplaza bajo una escala; la escala est en funcin del valor de la declinacin solar
correspondiente diaria.
13
Caractersticas generales de los instrumentos en LATEX

Tabla 3.1 Descripcin de las caractersticas principales de los instrumentos instalados en la estacin LATEX,
Xalapa.
14
4. Base de datos meteorolgicos y de radiacin solar

Los datos de radiacin solar utilizados en este trabajo provienen de la base de datos de la estacin
solarimtrica LATEX, la cual est conformado con informacin para el periodo junio 2011- junio 2012
y contiene mediciones de radiacin solar difusa y global en registros de cada 10 minutos. Las
variables de temperatura mnima (Tmin), temperatura mxima (Tmax) y precipitacin (Prec)
utilizadas en este trabajo fueron obtenidas de la base de datos perteneciente a la estacin
meteorolgica automtica Davis Advantage-Pro de LATEX, dicha base conformada tambin para el
mismo periodo de informacin que la base de datos de radiacin.
4.1 Valores horarios y mensuales acumulados

Los datos de radiacin, precipitacin y temperatura utilizados en las correlaciones establecidas para
los ndices de Kt y Kd fueron manejados de dos maneras:
a) Datos horarios: Se utilizaron los registrados cada 10 minutos por las estaciones
correspondientes.
b) Datos diarios: Los datos registrados cada 10 minutos fueron tratados segn el caso; con el
propsito de obtener el valor acumulado diario a partir de estos.
- Precipitacin diaria: La precipitacin diaria acumulada fue obtenida mediante la suma de
los valores horarios registrados durante el da (00:00 am 23:59 pm).
- Temperatura mnima diaria: obtencin del valor menor registrado de entre los valores
durante el da (00:00 am 23:59 pm).
-Temperatura mxima diaria: obtencin del valor mayor registrado de entre los valores
durante el da (00:00 am 23:59 pm).
15
-Radiacin global, difusa y extraterrestre fueron obtenidas primeramente mediante la

conversin de estas de Watts/m
Joule/seg /m2. Cuando se integra el valor de la
radiacin instantnea a travs del tiempo, se expresa la cantidad de energa acumulada en

determinado periodo. Normalmente se hace en minutos, horas o en un da completo,
dependiendo del lapso de tiempo en el que el valor promedio en Watts/m fue registrado.
As por ejemplo, un valor de radiacin global de 1W/m2 durante un segundo, es igual a 1
J/seg/m2. Si multiplicamos esto por la cantidad de segundos que tienen 10 minutos (periodo
de registros de la estacin LATEX), es decir 600 segundos, se obtiene la radiacin
acumulada en ese periodo. 1000 Joules equivalen a 1 KiloJoule, y para cuestiones prcticas
en la comparacin de resultados, los valores fueron mostrados en dichas unidades.
1 Joule = Watt . seg
1 Watt = Joule . seg-1
Watt . m-2 = Joule . seg-1 . m-2
Joule . m-2 = Watt . seg . m-2
Para el caso de valores de radiacin registrada cada 10 minutos; utilizando el valor de 600
segundos.
10 min = 600 seg
Joule . m-2 . 10 min-1= Watt . 600 seg . m-2 Joule/m (por periodo de 10 minutos)
1 KJ= 103 Joule
Despus de obtener la cantidad de energa acumulada (en las mediciones cada 10 minutos)
y realizar la correspondiente conversin de unidades, los valores durante el da (00:10 am
00:00 am) fueron sumados para obtener el valor acumulado diario de radiacin.
16
4.2 Clculo de los ndices Kt y Kd

Para la conformacin de la base de datos a utilizar para el presente trabajo, adems de su
ordenacin cronolgica fue necesario el clculo de los ndices Kt y Kd; Kt mediante la divisin de los
valores horarios de la Rext, calculada mediante la ecuacin de la radiacin extraterrestre propuesta
por Hernndez et al. (1995).
[
) (
( )
Donde
)]
(4.1)
Io= constante solar (1367 w/m2)

Dj= da juliano
L= latitud
Dsol= declinacin solar
Whor= ngulo horario
Kd es calculado mediante el cociente de la radiacin solar difusa entre la radiacin solar.

Es importante hacer notar que no todos los ndices mostraron valores comprendidos entre 0 y 1
como se esperaba. Dada esta situacin fue necesario aplicar un filtro (tratamiento) a los datos con el
propsito de reducir a la menor cantidad posible el nmero de datos Kt y Kd errneos a utilizar en las
correlaciones y el error en el ajuste de polinomios en estas.
4.2.1 Procedimiento para eliminar registros errneos
Los datos utilizados en este trabajo fueron tomados directamente de la base generada por los
instrumentos de radiacin solar y meteorolgica en el periodo estudiado con valores registrados
cada 10 minutos. La base de datos de radiacin se constituy de un aproximado del 95% de los
posibles registros para el periodo junio 2011 junio 2012, dado que el 5% faltante se perdi por
fallas en la energa elctrica y errores en el cambio o mantenimiento de los instrumentos. Con el
propsito de reducir errores y erradicar datos dudosos o fsicamente no posibles, se someti a la
base de datos original a un filtro (tratamiento) de los datos de radiacin solar difusa y global.
17
4.2.2 Tratamiento de datos Kt - Kd horarios y diarios

Se establecieron diversos filtros para la eliminacin de datos errneos (datos que podran no
favorecer el ejercicio de establecer correlaciones entre los ndices de radiacin Kt y Kd), los cuales
se basan principalmente en las siguientes condiciones:
1) Si valores de radiacin difusa o global no estn registrados
2) Si valores de radiacin difusa o global son negativos
3) Si Kt<0
4) Si Kd<0
5) Si Kt>1
6) Si Kd>1
Si algn valor de la base cumple por lo menos con una de las condiciones mencionadas, deber ser
eliminada toda la fila correspondiente al horario de la medicin y descartar el registro.
Adems de tomar en cuenta estas reglas bsicas para la eliminacin de posibles errores se
adaptaron algunos de los criterios propuestos por Orgill y Hollands (1977) y Chickh y Mahrane
(2012) para eliminar casos extremos (Kt o Kd cercanos a 1) que bajan sensiblemente los valores de
las correlaciones.
Caso 1: corresponde a los lmites del Kd bajo condiciones nubladas. Si un dato muestra un valor de
Kd menor que 0.8 y para el ndice Kt menor que 0.2 este dato es eliminado.
Caso 2: corresponde a los lmites del Kd bajo condiciones despejadas. Si un dato muestra un valor
de Kd mayor que 0.7 y para el ndice Kt mayor que 0.6 este dato es eliminado.
18
Fig.4.1 Valores de Kt y Kd sealando grficamente los casos 1 (si Kd < 0.8 y Kt < 0.2) y caso 2 (si Kd > 0.7
y Kt > 0.6) como posibles datos a eliminar.
Este filtro aplicado a los valores de los ndices, favorece la eliminacin de datos falsos, y por
consiguiente reduce su impacto negativo en las correlaciones a establecer (fig.4.1). Es importante
mencionar que las correlaciones establecidas con datos cada 10 minutos (horarios) y los datos
diarios acumulados (diarios) se definieron con distintos lmites en la consideracin de valores Kt y Kd
a eliminar para los casos condiciones despejadas y condiciones nubladas. Dichos lmites en los
valores diarios acumulados son mencionados a continuacin.
Caso 1 corresponde a los lmites del Kd bajo condiciones nubladas. Si un dato muestra un valor de
Caso 2 corresponde a los lmites del Kd bajo condiciones nubladas. Si un dato muestra un valor de
19
Fig.4.2 Valores de Kt y Kd sealando grficamente los casos 1 (si Kd < 0.9 y Kt < 0.2) y caso 2 (si Kd > 0.5
y Kt > 0.5) como posibles datos a eliminar.
20
5. Mtodos
En el presente capitulo se describe la metodologa en que se basa el tratamiento de los ndices Kt y
Kd utilizados en la bsqueda de correlaciones. Una de esta basada en el trabajo realizado por Liu y
Jordan (1960) y la otra en diversos trabajos para la modelacin emprica de la radiacin difusa a
partir de 1970 al 2012. As tambin los parmetros estadsticos considerados para determinar
mejor un modelo a comparacin de otros.
5.1 Modelo de Liu y Jordan
Como ya se ha dicho, Liu y Jordan (1960) fueron los pioneros en buscar relaciones entre la radiacin
difusa y la radiacin global. Concretamente obtuvieron una correlacin entre el ndice diario de
irradiacin solar difusa Kd, cociente entre la irradiacin difusa diaria sobre plano horizontal (Rdif) y la
irradiacin extraterrestre diaria sobre plano horizontal Rext, Kd=Rdif/Rext, y el ndice diario de
irradiacin solar global Kt, llamado tambin ndice de claridad, cociente entre la radiacin global
diaria sobre plano horizontal Rg y la irradiacin extraterrestre diaria sobre plano horizontal Rext,
Kt=Rg/Rext.
5.2 Diversos modelos de radiacin difusa

Trabajos posteriores estudiaron el mismo tipo de correlaciones para valores diarios, horarios o
minutarios: Orgill y Hollands (1977), Collares-Pereira y Rabl (1979), Erbs et al. (1983), Reindl et al.
(1990). Vzquez et al. (1991) dan una explicacin de carcter fsico de estas correlaciones que
permite entender sus caractersticas bsicas. En base a la revisin bibliogrfica realizada se puede
generalizar que los anteriores modelos nacieron a partir del trabajo de Liu y Jordan(1960), sin
embargo tratando de incluir en los modelos a realizar diversas formas de clasificacin de los datos,
as como la insercin de nuevas variables en la correlacin entre estas y los ndices Kt y Kd.
Adems de la inclusin de una nueva serie de consideraciones, categorizaciones y tratamientos
datos errneos o falsos (Kt y Kd) tal y como estableci Chickh y Mahrane (2012).
21
5.3 Mtodos utilizados

El presente trabajo utiliz principalmente dos metodologas en el tratamiento y establecimiento de
correlaciones con los ndices.
a) Modelo basados en el mtodo Liu y Jordan (MLiuJordan): descartan nicamente los valores
distintos a 0<Kt<1 y 0<Kd<1. (vase pg. 17). Posteriormente se establecen correlaciones

con los ndices Kt y Kd mensualmente.
b) Modelo basado en el mtodo de diversos autores (MDivAutores): descartan los valores
distintos a 0<Kt<1 y 0<Kd<1, y se aade el filtro de Caso 1: condiciones despejadas y Caso

2: condiciones nubladas (vase pg. 18). Posteriormente se establecen correlaciones con
los ndices Kt y Kd mensualmente.
5.3.1 Mtodo para valores Kt y Kd horarios mensuales

nicamente en el caso de datos horarios mensuales se utilizaron los mtodos de depuracin
MLiuJordan y MDivAutores para los ndices Kt y Kd con propsitos de una comparacin entre ambos
mtodos. Posteriormente los modelos de valores diarios fueron basados solamente en el mtodo
MDivAutores.
22
5.4 Seleccin del polinomio en la correlacin Kt - Kd

Despus de realizar el tratamiento de los datos (MLiuJordan o MDivAutores), se ajustaron a las
correlaciones Kt y Kd distintos polinomios (desde 2nd orden hasta 5to). Posteriormente se
seleccion un solo polinomio por mes para estimar la radiacin difusa (en base al mayor valor de R2
en las correlaciones). Finalmente se seleccionaron polinomios de diferente orden (desde 2nd orden
hasta 5to) por mes. Este procedimiento fue usado para las estimaciones horarias mensuales;
mientras que usando solamente el tratamiento de datos de MDivAutores se establecieron los
modelos diarios acumulados mensuales, diarios acumulados trimestrales, diarios acumulados
semestrales, diarios promedios mensuales con precipitacin MDPMPrec, temperaturas mximas
MDPMax y mnimas MDPMin.
5.5 Modelo para valores Kt y Kd diarios

Utilizando el MDivAutores se descartaron los valores distintos a 0<Kt<1 y 0<Kd<1, y se aadi el
filtro de Caso 1: condiciones despejadas y Caso 2: condiciones nubladas (vase pg. 19).
Diarios acumulados mensuales: Mediante la agrupacin de valores Kt y Kd diarios por
mes; obteniendo doce polinomios para estimar la radiacin difusa diaria (segn el mes a
estimar).
Diarios acumulados trimestrales: Mediante la agrupacin de valores Kt y Kd diarios por
trimestres, obteniendo cuatro polinomios para estimar la radiacin difusa diaria.
Diarios acumulados semestrales: Mediante la agrupacin de valores Kt y Kd diarios por
semestre, obteniendo dos polinomios para estimar la radiacin difusa diaria .
23
5.5.1 Modelo para valores diarios promedio mensual con otras variables
Utilizando el MDivAutores se descartaron los valores distintos a 0<Kt<1 y 0<Kd<1, y se aadi el
filtro de Caso 1: condiciones despejadas y Caso 2: condiciones nubladas (vase pag 19).
MDPMPrec: realizado mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos de
valores de precipitacin diaria por mes. Los intervalos para la precipitacin diaria cumulada fueron
establecidos de la siguiente manera:
a) Se obtuvieron los valores diarios acumulados de precipitacin para el periodo estudiado.
b) Se elabor en base a los datos de precipitacin obtenidos un histograma para ver la
frecuencia de los datos Fig.5.1; de la cual se determin grficamente que poda ser dividida
en tres intervalos (en los cuales se concentraba la mayor frecuencia de los datos) y que
podan tambin ejemplificar los casos de lluvia nula, moderada e intensa.
Los intervalos fueron:

Intervalo para precipitacin de 0 mm
Intervalo para precipitacin > 0 mm y < 10 mm
Intervalo para precipitacin >10 mm
24
Fig. 5.1 Histograma de los valores de precipitacin en LATEX.
c) Una vez establecidos los intervalos se procedi a clasificar cada valor diario de radiacin, de
acuerdo con el dato de precipitacin correspondiente; agrupando 3 conjuntos, uno por cada
intervalo; clasificando los casos de radiacin en das con precipitacin nula, moderada e
intensa.
d) Se calcularon los valores de los ndices Kt y Kd para cada intervalo y se ajusto a cada uno
una polinomio de gradon (el polinomio se seleccion en base al valor de R2 que mostraba en
el ajuste).
e) Una vez establecido un polinomio para estimar en cada intervalo se estableci la forma
general de la siguiente ecuacin:
)
]
(5.1)
Rdif= Radiacin difusa diaria

Rg= Radiacin global
25
n= nmero total de das del mes

n0 = nmero de das con precipitacin igual a 0 mm al mes
n1 = nmero de das con precipitacin > 0 mm y < 10 mm al mes
n10 = nmero de das con precipitacin >10 mm al mes
P/a= polinomio para precipitacin 0 mm
P/b= polinomio para precipitacin > 0 mm y < 10 mm
P/c= polinomio para precipitacin >10 mm
En donde n0, n1 y n10 fueron estimados mensualmente con datos climticos del periodo
1982 2010 del CliCom para Xalapa. Con los datos del Clicom, mensualmente se estim la
cantidad de das de precipitacin correspondiente a cada intervalo, y haciendo un promedio
del nmero de das al mes para el periodo, se determinaron los das tpicos mensuales de
precipitacin para cada intervalo en la ciudad de Xalapa.
MDPMax: se realiz mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos de
valores de temperatura mxima diaria por mes

Los intervalos para la temperatura mxima diaria fueron establecidos de la siguiente manera:
a) Se obtuvieron los valores diarios mximos de temperatura para el periodo estudiado en
Xalapa.
b) Se elabor en base a los datos de temperatura mximos un histograma para ver la
podan tambin ejemplificar los das con temperaturas mximas en tres intervalos distintos
(bajos, medios y altos).
26

Intervalo para Tmax < 20 C
Intervalo para 20 C < Tmax < 26 C
Intervalo para Tmax > 26 C
Fig. 5.2 Histograma de los valores de temperatura mxima en LATEX.
c) Una vez establecidos los intervalos se procedi a clasificar cada dato diario de radiacin, de
acuerdo con el dato de temperatura mxima correspondiente; agrupando 3 conjuntos, uno
por cada intervalo; clasificando los valores de radiacin en das con temperaturas mximas
bajas, medias y altas.
d) Se calcularon los valores de los ndices Kt y Kd para cada intervalo y se ajust a cada uno
el ajuste).
e) Una vez establecido un polinomio para estimar en cada intervalo se propuso la forma
general de estimacin del valor diario promedio mensual con datos de Tmax con la
siguiente ecuacin:
[
)
]
(5.2)
27

Rg= Radiacin global
nmax1 = nmero de das con Tmax < 20 C al mes
nmax2 = nmero de das con 20 C <Tmax < 26 C al mes
nmax3 = nmero de das con Tmax > 26 C al mes
Tmax/a= polinomio para intervalo Tmax < 20 C
Tmax/b= polinomio para intervalo 20 C <Tmax < 26 C
Tmax/c= polinomio para intervalo Tmax > 26 C
En donde nmax1, nmax2 y nmax3 fueron estimados mensualmente con datos climticos del
periodo 1982 2010 del CliCom para Xalapa. Con los datos de la base Clicom,
mensualmente se estim la cantidad de das con temperatura mxima correspondiente a
cada intervalo, y haciendo un promedio del nmero de das al mes para el periodo, se
determinaron los das tpicos mensuales de temperatura mxima para cada intervalo en la
ciudad de Xalapa.
MDPMin: Mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos de valores de
temperatura mnima diaria por mes

Los intervalos para la temperatura mnima diaria fueron establecidos de la siguiente manera:
a) Se obtuvieron los valores diarios mnimos de temperatura para el periodo estudiado en
Xalapa.
b) Se elabor en base a los datos de temperatura mnimos un histograma para ver la
podan tambin ejemplificar los das con temperaturas mnimas en tres intervalos distintos
(bajos, medios y altos).
28

Intervalo para Tmin < 12 C
Intervalo para 12 C < Tmin < 17 C
Intervalo para Tmin > 17 C
Fig 5.3 Histograma de los valores de temperatura mxima en LATEX.
c) Una vez establecidos los intervalos se procedi a clasificar cada dato diario de radiacin, de
acuerdo con el dato de temperatura mnima correspondiente; agrupando 3 conjuntos, uno
por cada intervalo; clasificando los valores de radiacin en das con temperaturas mnimas
bajas, medias y altas.
d) Se calcularon los valores de los ndices Kt y Kd para cada intervalo y se ajust a cada uno
el ajuste).
29
e) Una vez establecido un polinomio para estimar en cada intervalo se propuso la forma
general de estimacin del valor diario promedio mensual con datos de Tmin con la siguiente
ecuacin:
)
]
(5.3)

Rg= Radiacin global
n min1 = nmero de das con Tmin < 12 C al mes
n min2 = nmero de das con 12 C < Tmin < 17 C al mes
n min3 = nmero de das con Tmin > 17 C al mes
Tmin/a= polinomio para intervalo Tmin < 12 C
Tmin/b= polinomio para intervalo 12 C < Tmin < 17 C
Tmin/c= polinomio para intervalo Tmin > 17 C
En donde nmin1, nmin2 y nmin3 fueron estimados mensualmente con datos climticos del
periodo 1982 2010 del CliCom para Xalapa. Con los datos de la base Clicom,
mensualmente se estim la cantidad de das con temperatura mnima correspondiente a
cada intervalo, y haciendo un promedio del nmero de das al mes para el periodo, se
determinaron los das tpicos mensuales de temperatura mnima para cada intervalo en la
ciudad de Xalapa.
30
5.6 Estadsticos para la evaluacin de los modelos

Los modelos anteriormente mencionados, fueron evaluados mediante el clculo del ESR y R2 en
cada uno, comparando lo estimado por el modelo contra lo observado.
El coeficiente de determinacin R2 es usado como una prueba determinar la relacin lineal entre los
valores obtenidos y los calculados; es un valor adimensional. R2 fue calculado mediante el software
STATISTICA Versin 7.0, basndose en la ecuacin:
) (
) ] [
)
(
) ]
(5.4)
En donde ma representa los valores observados promedio, mi valores observados, ea valores
estimados promedio y ei valores estimados (Haydar A., et al, 2006).
El error estndar de estimacin ESR sirve como un referente del funcionamiento del modelo en
cuanto al error que estima, utilizando los valores estimados contra los observados; el ESR se calcul
manualmente mediante la siguiente ecuacin:
(5.5)
En donde mi representa valores observados y ei valores estimados. En general se determin que los
modelos que presentaron los mayores valores de R2 y menores de ESR fueron los que mejor
estimaron la radiacin difusa (Haydar A., et al, 2006).
31
6. Resultados
En base a los valores de los ndices Kt y Kd se obtuvieron distintas correlaciones. A continuacin se
muestran los resultados y parte del procedimiento para seleccionar la mejor ecuacin para estimar
la radiacin difusa en base a los valores de ESR y R2 (Ver anexo1).
6.1 MLiuJordan para valores horarios mensuales
Este modelo descart valores de los ndices Kt y Kd segn el procedimiento MLiuJordan y los
agrup mensualmente (Fig. 6.1), se ajust a cada conjunto de puntos un polinomio del grado n y se
determin una ecuacin para la estimacin de la radiacin difusa, comparando adems los meses
entre s (periodo julio 2011 junio 2012) en base a los valores de R2 y ESR entre lo estimado con el
polinomio por mes y lo registrado en la base de datos (Tabla 6.1).
Fig.6.1 Correlaciones Kt, Kd mensuales para el periodo julio 2011- junio 2012. La lnea solida describe
2
grficamente el polinomio ajustado a la dispersin de los puntos; de igual manera el valor de R en cada
ajuste.
32
Tabla 6.1 Se muestran los polinomios por mes y el valor del R y ESR de los valores estimados contra los
observados.
MLiuJordan
R (Est vs Obs) ESR W/m2
enero = (
*kt5
*kt4
0.7832
*kt +
2.5326
*kt-
13.971
*kt +
13.546 ) *Rg
febrero = (
*kt5
*kt4
0.7939
*kt +
2.1688
*kt-
9.0991
*kt +
6.6078 ) *Rg
marzo = (
*kt5
*kt4
0.8027
*kt +
2.0546
*kt-
8.4427
*kt +
6.7569 ) *Rg
abril = (
*kt5
*kt4
0.8712
*kt +
0.4569
*kt-
2.5055
*kt +
1.6107 ) *Rg
mayo = (
*kt5
*kt4
0.8414
*kt +
0.7387
*kt-
2.7659
*kt +
1.6617 ) *Rg
4 +
0.8523
*kt +
0.7569
*kt-
3.0452
*kt +
1.7368 ) *Rg
junio = (
*kt5
julio = (
0.808
*kt5
3.578
*kt4
23.376
*kt +
60.363
*kt-
68.642
*kt +
27.904 ) *Rg
agosto = (
*kt5
*kt4
0.902
*kt +
0.9793
*kt-
4.151
*kt +
2.4997 ) *Rg
septiembre = (
*kt5
0.8508
*kt4
1.4249
*kt -
5.1349
*kt+
2.7998
*kt +
0.5322 ) *Rg
octubre = (
*kt5
*kt4
0.8906
*kt +
1.6799
*kt-
8.2895
*kt +
6.4704 ) *Rg
noviembre = (
*kt5
*kt4
0.6606
*kt +
3.8529
*kt-
17.289
*kt +
15.965 ) *Rg
diciembre = (
*kt5
*kt4
0.7083
*kt +
2.7849
*kt-
15.217
*kt +
15.235 ) *Rg
*kt
0.54
0.55
0.57
0.43
0.51
0.77
0.86
0.65
0.52
0.45
0.39
0.49
65.46
94.41
131.01
172.72
152.27
68.69
64.15
87.89
116.61
88.22
102.62
62.69
Mensualmente cada polinomio estim los valores de radiacin difusa horaria, mostrando distintos
resultados en su estimacin y evaluacin. El mes que mejor estim los valores de radiacin difusa
segn R2 fue julio, representado por un polinomio de quinto orden; julio es de igual manera uno de
los meses con menor ESR (Fig. 6.2). Al contrario del caso anterior, noviembre es el mes con el
menor valor de R2 y un alto valor ESR (sin embargo no el mayor de todos), lo cual ubica a este como
un polinomio con una de las estimacin menos favorables (Fig. 6.3).
Es notable que durante los meses de marzo, abril y mayo hay un incremento del ESR (Tabla 6.1), lo
cual sita al MBLiuJordan con una debilidad en la estimacin durante este periodo del ao.
33
Fig.6.2 Valores de radiacin difusa observados contra los estimados por el polinomio del mes de julio (arriba);
diferencia entre los valores observados menos los estimados por el polinomio de julio (abajo).
34
Fig.6.3 Valores de radiacin difusa observados contra los estimados por el polinomio del mes de noviembre
(arriba); diferencia entre los valores observados menos los estimados por el polinomio de noviembre (abajo).
35
6.2 MDivAutores para valores horarios mensuales

Este modelo segn el procedimiento MDivAutores, descart valores de los ndices Kt y Kd y agrup
mensualmente los valores (Fig. 6.4), a cada conjunto de puntos se ajust un polinomio del gradon y
se determin una ecuacin para estimar la radiacin difusa; se compararon los meses entre s
(periodo julio 2011 junio 2012) en base al R2 y ESR entre lo estimado con el polinomio por mes y lo
registrado en la base de datos (Tabla 6.2).
Fig.6.4 Correlaciones Kt, Kd mensuales para el periodo julio 2011- junio 2012. La lnea solida describe
2
grficamente el polinomio ajustado a la dispersin de los puntos; de igual manera el valor de R en cada
ajuste.
36
observados.
MDivAutores
R (Est vs Obs) ESR W/m2
enero = (
0.00
*kt5
0.00
*kt4
0.89
*kt +
1.99
*kt-
13.16
*kt +
13.22 ) *Rg
febrero = (
0.00
*kt5
0.00
*kt4
0.00
*kt +
0.95
*kt+
0.17
*kt -
2.30 ) *Rg
marzo = (
0.00
*kt5
0.95
*kt4
0.83
*kt +
6.21
*kt-
18.94
*kt +
13.89 ) *Rg
abril = (
0.00
*kt5
0.00
*kt4
0.89
*kt +
0.57
*kt-
3.20
*kt +
1.92 ) *Rg
mayo = (
0.00
*kt5
0.00
*kt4
0.87
*kt +
0.89
*kt-
3.72
*kt +
2.15 ) *Rg
junio = (
0.00
*kt5
0.00
*kt4
0.89
*kt +
0.58
*kt-
2.94
*kt +
1.71 ) *Rg
julio = (
0.92
*kt5
1.27
*kt4
9.95
*kt +
30.17
*kt-
41.56
*kt +
19.66 ) *Rg
agosto = (
0.00
*kt5
0.00
*kt4
0.93
*kt +
0.86
*kt-
4.18
*kt +
2.56 ) *Rg
septiembre = (
0.00
*kt5
0.00
*kt4
0.94
*kt +
0.85
*kt-
4.35
*kt +
2.83 ) *Rg
octubre = (
0.00
*kt5
0.00
*kt4
0.93
*kt +
1.36
*kt-
7.45
*kt +
5.74 ) *Rg
noviembre = (
0.00
*kt5
0.00
*kt4
0.89
*kt +
2.08
*kt-
12.90
*kt +
12.46 ) *Rg
diciembre = (
0.00
*kt5
0.00
*kt4
0.90
*kt +
1.87
*kt-
13.91
*kt +
14.75 ) *Rg
0.53
0.54
0.74
0.61
0.76
0.82
0.92
0.73
0.60
0.50
0.41
0.46
Mensualmente con cada polinomio bajo el mtodo MDivAutores se estimaron los valores de
radiacin difusa, mostrando distintos resultados en la evaluacin segn valores de ESR y R2.
El mes que mejor estim los valores de radiacin difusa segn valor de R2 fue julio, de igual
manera el mes con menor valor ESR (Fig. 6.5). Al contrario del caso anterior, noviembre fue el mes
con el menor valor de R2 y el mayor ESR (fig. 6.6), lo cual ubica a este como el polinomio con una de
las estimaciones menos favorables del ao.
Al comparar mes por mes el ESR en MBLiuJordan contra el MDviAutores (Tabla 6.1 y 6.2), este
ltimo presenta los menores errores.
Los meses de septiembre, octubre y noviembre tienen un ESR alto (Tabla.6.2), lo cual sita al
MDivutores con una debilidad en la estimacin durante este periodo del ao.
37
63.34
91.85
75.53
93.72
68.41
57.50
44.77
70.90
91.50
80.94
98.07
63.79
Fig.6.5 Arriba: valores de radiacin difusa observados contra los estimados por el polinomio del mes de julio.
Abajo: diferencia entre los valores observados menos los estimados por el polinomio de julio.
38
Fig.6.6 Arriba: valores de radiacin difusa observados contra los estimados por el polinomio del mes de
noviembre. Abajo: diferencia entre los valores observados menos los estimados por el polinomio de
noviembre.
39
6.3 Comparacin de los MLiuJordan y MDivAutores horarios

En base a los modelos disponibles para la estimacin de radiacin difusa existentes en la literatura,
desarrollados por diversos autores y ajustados a diferentes latitudes con datos de diversas
localidades del mundo (vase pg.8), se han seleccionado cuatro de estos modelos (Liu y Jordan
(1960), Orgill y Hollands (1977), Erbs (1982) y Reindl (1990) - por ser modelos para estimacin de
valores diarios y horarios de radiacin- para comparar contra los del mtodo MLiuJordan y
MDivAutores. En cada modelo fue evaluado el periodo julio 2011 junio 2012 con datos de la
estacin LATEX, Xalapa, y se compararon los valores estimados contra los observados y, a partir
de los valores de R2 y ESR en cada modelo, se determin el que mejor estim (fig.5.9), resultando el
modelo MDivAutores el que muestra los resultados ms favorables. Sin embargo es importante notar
que el modelo propuesto por Erbs (1982), a pesar de no haber sido ajustado para latitudes similares
ni haber sido desarrollado en base a datos de estaciones geogrficamente cercanas, ha mostrado
tambin un aceptable desempeo en la estimacin para Xalapa.
Tabla 6.3 Evaluacin del periodo julio 2011- junio 201, mostrando los valores de R y ESR de lo estimado
por el modelo contra lo observado en los datos originales de la estacin LATEX, Xalapa.
Julio 2011 - Junio 2012

Modelo
R (Est vs Obs)
ESR W/m2
MLiuJordan
0.56
100.56
MDivAutores
0.63
75.02
Liu & Jordan (1960)
0.40
116.27
Orgill & Hollands (1977)
0.42
136.32
Erbs (1982)
0.48
110.51
Reindl (1990)
0.43
126.12
40
6.4 Modelos para valores diarios

Los modelos para la estimacin de valores diarios fueron tratados mediante el procedimiento de
MDivAutores; descartando los valores distintos a 0<Kt<1 y 0<Kd<1, y aadiendo el filtro de Caso 1:
condiciones despejadas y Caso 2: condiciones nubladas (vase pg. 20).
6.4.1 Diarios acumulados mensuales
Los modelos diarios acumulados mensuales, proporcionan la estimacin de la radiacin difusa

durante un da tpico de un mes en especfico. Se gener un total de doce modelos (uno por mes)
para que dependiendo de la necesidad de estimar un valor diario acumulado segn el mes del ao,
este pudiese ser obtenido (KJ/m2) mediante el correspondiente polinomio.
Para estos modelos se establecieron las regresiones Kt, Kd mensualmente usando los valores
diarios acumulados y se ajustaron distintos polinomios por mes. Fue seleccionado el polinomio
mejor ajustado a la dispersin de los datos en las correlaciones Kt, Kd (segn valor de R 2) y se
calcularon los valores del ESR y R2 para los valores observados contra los estimados por los
modelos (Tabla 6.4).
observados.
R (Obsv vs Est) ESR (Obs vs Est) Kj/m2
Modelos diarios acumulados mensuales

Enero = (
0.00 *kt4 +
0.00 *kt -
5.13 *kt+
1.04 *kt +
0.92 ) *Rg
0.83
753.54
Febrero = (
0.00 *kt4 +
0.00 *kt -
4.48 *kt+
1.14 *kt +
0.96 ) *Rg
0.79
1287.52
Marzo = (
0.00 *kt4 +
0.00 *kt -
2.36 *kt+
0.15 *kt +
0.98 ) *Rg
0.32
2110.08
Abril = (
0.00 *kt4 +
0.00 *kt -
1.65 *kt-
0.17 *kt +
0.98 ) *Rg
0.32
3021.58
Mayo = (
0.00 *kt4 +
10.08 *kt -
14.55 *kt+
4.88 *kt +
0.44 ) *Rg
0.59
1661.61
Junio = (
0.00 *kt4 +
19.32 *kt -
23.77 *kt+
7.73 *kt +
0.05 ) *Rg
0.47
810.90
Julio = (
431.43 *kt4 -
473.42 *kt +
184.25 *kt-
36.57 *kt +
2.75 ) *Rg
0.85
1051.37
Agosto = (
-88.12 *kt4 +
121.88 *kt -
59.30 *kt+
10.23 *kt +
0.42 ) *Rg
0.50
1158.56
Septiembre = (
0.00 *kt4 +
0.00 *kt -
1.15 *kt-
0.61 *kt +
1.03 ) *Rg
0.19
6810.71
Octubre = (
0.00 *kt4 +
0.00 *kt +
2.12 *kt-
3.85 *kt +
1.71 ) *Rg
0.66
970.19
Noviembre = (
0.00 *kt4 +
108.88 *kt -
138.54 *kt+
54.76 *kt -
6.17 ) *Rg
0.76
829.34
Diciembre = (
0.00 *kt4 +
0.00 *kt -
2.91 *kt-
0.20 *kt +
0.99 ) *Rg
0.63
1006.37
41
El mes de enero con un polinomio de segundo orden muestra el mejor desempeo en la estimacin
diaria acumulada mensual, con uno de los mayores R2 y el menor ESR. Por otra parte es el mes de
septiembre el cual a pesar de mostrar un alto valor de R2 en la correlacin Kt, Kd (fig. 6.8), no lo es
as en la prctica, pues muestra un bajo valor de R2 entre los valores estimados y observados, y
adems un alto valor en el ESR.
Fig. 6.8 Correlaciones Kt, Kd para el modelo mensual de Enero (Izq.) y Septiembre (Der.). La lnea solida
2
describe grficamente el polinomio ajustado a la dispersin de los puntos; de igual manera el valor de R en
cada ajuste.
Fig. 6.9 Se muestra el R de los valores estimados contra los observados para el mes de Enero (izq) y el
mes de Septiembre (der.)
Segn los valores mostrados en la fig.6.9 es posible notar que el modelo con mejor desempeo en
su estimacin es enero; contrariamente, septiembre es el modelo menos favorecido para el periodo.
42
Esta situacin es ms notoria aun en la comparacin grfica de los valores observados menos los
estimados (Fig. 6.10) en donde se presenta una frecuente sub estimacin de los valores.
Septiembre( Obs-Est)
Enero (obs - Est)

1500
1000
-2000
500
-4000
-500
Obs-Est
-1000
-1500
KJ/m2
Kj/m2
-6000
Obs-Est
-8000
-10000
-2000
-12000
-2500
-14000
Fig. 6.10 Se muestran los valores diarios mensuales observados menos los estimados por el modelo mensual
diario de Julio (izq.) y septiembre (der.) respectivamente.
6.4.2 Diarios acumulados trimestrales

Los modelos diarios acumulados trimestrales, proporcionan la estimacin promedio de la radiacin
difusa durante un da tpico de un trimestre (DEF, MAM, JJA y SON).
Se gener un total de cuatro modelos (uno por trimestre) para que dependiendo de la necesidad de
estimar un valor diario acumulado segn el trimestre del ao, este pudiese ser obtenido (en Kj/m2)
mediante el correspondiente polinomio.
Estos modelos fueron desarrollados mediante la agrupacin de valores Kt y Kd diarios por
trimestres, obteniendo cuatro polinomios para estimar la radiacin difusa diaria promedio trimestral.
Se compararon los valores observados contra los estimados por los cuatro polinomios.
Fue el modelo DEF el modelo que mejor estimacin present en comparacin a los dems (Tabla
6.5).
43
Tabla 6.5. Se muestran los polinomios por trimestre y el valor del R y ESR de los valores estimados
contra los observados.
R (Obsv vs Est) ESR (Obs vs Est) Kj/m2
Modelos diarios acumulados trimestrales

4-
72.46 *kt +
18.76 *kt-
1.56 *kt +
0.97 ) *Rg
0.63
1271.43
MAM = (
0.00 *kt4 +
8.76 *kt -
12.90 *kt+
4.21 *kt +
0.49 ) *Rg
0.50
1910.66
JJA = (
0.00 *kt4 +
4+
0.00 *kt
2.66 *kt 8.08 *kt -
4.82 *kt+
9.75 *kt+
0.72 *kt +
0.95 ) *Rg
0.55
1311.25
1.77 *kt +
0.87 ) *Rg
0.63
1502.84
DEF = (
SON = (
70.68 *kt
El R2 del ajuste del polinomio en las correlaciones Kt y Kd para DEF, MAM, JJA y SON fue similar
(Fig. 6.11), el modelo DEF mostr el mayor R2 para valores estimados contra observados (fig. 6.12).
Fig.6.11. Correlaciones Kt, Kd para el modelo trimestral DEF(diciembre- enero), MAM (marzo
mayo), JJA (julio agosto) y SON (septiembre noviembre). La lnea solida describe grficamente el
2
polinomio ajustado a la dispersin de los puntos; de igual manera el valor de R en cada ajuste.
44
Fig. 6.12 Se muestra el R de los valores estimados contra los observados para los cuatro trimestres
del periodo Julio 2011 Junio 2012.
Fig. 6.13 Se muestran los valores diarios trimestrales observados menos los estimados por cada
modelo trimestral.
45
6.4.3 Diarios acumulados semestrales

Los modelos diarios acumulados semestrales, proporcionan la estimacin de la radiacin difusa
durante un da promedio de un semestre (noviembre-abril y mayo-octubre).
Se gener un total de dos modelos (uno por semestre) para que dependiendo de la necesidad de
estimar un valor diario acumulado segn el semestre del ao, este pudiese ser obtenido (en KJ/m2)
mediante el correspondiente polinomio.
Estos modelos fueron desarrollados mediante la agrupacin de valores Kt y Kd diarios por semestre
N-A y M-O obteniendo dos polinomios para estimar la radiacin promedio difusa diaria semestral.
Se determin al modelo M-O como la mejor estimacin, segn valores ESR de las estimaciones del
modelo , sin embargo no se descarta al modelo N-A como un buen estimador pues los valores de
ESR y R2 de lo observado contra lo estimado son similares (Tabla 6.6).
Grficamente es posible ver en ambos modelos (Fig. 6.14) que
existe gran similitud en la
distribucin de los datos Kt-Kd y en valores de R2 en la comparacin de estimados contra

observados (Fig.6.15), sin embargo el comportamiento de los valores observados menos los
estimados en la (Fig.6.16) muestra en particulares casos una importante subestimacin de la
radiacin difusa por parte del modelo noviembre abril.
Tabla 6.6. Se muestran los polinomios por semestre y el valor del R y ESR de los valores estimados
Modelos diarios acumulados semestrales
N - A = ( 10.10 *kt 11.73 *kt+
2.13 *kt +
M - O = ( 7.60 *kt 10.06 *kt+
2.39 *kt +
0.91 ) *Rg
0.79 ) *Rg
R (Obsv vs Est)
0.63
0.57
ESR (Obs vs Est) KJ/m2

1883.75
1480.58
46
Fig. 6.14 Correlaciones Kt, Kd para el modelo semestral Noviembre - Abril y Mayo - Octubre. La lnea
solida describe grficamente el polinomio ajustado a la dispersin de los puntos; de igual manera el
2
valor de R en cada ajuste.
Fig.6.15 Se muestra el R de los valores estimados contra los observados para los dos modelos
semestrales.
Fig.6.16 Valores diarios trimestrales observados menos los estimados por cada modelo semestral.
47
6.5 MDPMPrec
Los modelos diarios acumulados promedio mensual con precipitacin, proporcionan la estimacin
promedio de la radiacin difusa (en KJ/m2) en funcin de los das y cantidades de precipitacin
(mm/da) segn la climatologa del lugar- para un mes dado. El modelo est conformado por doce
polinomios.
El modelo se desarroll mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos
de valores de precipitacin diaria acumulada mensualmente (Vase pg. 24).
En base a los valores de R2 y ESR mostrados por los modelos en la comparacin de lo estimado
contra lo observado, se determin a febrero como el mes con el mejor desempeo en las
estimaciones de radiacin en este modelo. (Tabla 6.7).
Tabla 6.7. Se muestran los polinomios por mes y el valor del R y ESR de los valores estimados
R (Obsv vs Est)
MDPMPrec
0.27 *kt 0.31 *kt -
7.01 *kt+
6.76 *kt+
1.47 *kt +
0.92 )*Rg
0.73
1805.40
Febrero= (
4+
6.73 *kt
47.19 *kt
1.42 *kt +
0.93 )*Rg
0.77
1208.71
Marzo= (
4+
6.73 *kt
0.67 *kt -
7.44 *kt+
1.58 *kt +
0.92 )*Rg
0.26
2391.07
Abril= (
4-
8.96 *kt 17.64 *kt +
2.91 *kt+
1.34 *kt-
0.72 *kt +
0.97 )*Rg
0.36
2235.35
Mayo =(
13.90 *kt
420.18 *kt
0.12 *kt +
1.02 )*Rg
0.45
2226.06
Junio= (
41.70 *kt
4-
47.21 *kt +
15.68 *kt-
2.92 *kt +
1.20 )*Rg
0.41
881.21
440.35 *kt
433.63 *kt
45.51 *kt +
36.55 *kt +
14.94 *kt10.76 *kt-
2.79 *kt +
1.19 )*Rg
0.73
1817.19
1.99 *kt +
1.14 )*Rg
0.34
1348.13
448.65 *kt
426.90 *kt
57.09 *kt +
27.40 *kt +
20.66 *kt6.37 *kt-
3.92 *kt +
1.26 )*Rg
0.53
1512.19
1.14 *kt +
1.09 )*Rg
0.59
1181.00
4+
0.09 *kt -
7.00 *kt+
1.48 *kt +
0.92 )*Rg
0.57
1715.13
4+
6.73 *kt
0.27 *kt -
7.01 *kt+
1.47 *kt +
0.92 )*Rg
0.55
2278.75
Enero= (
Julio =(
Agosto= (
Septiembre = (
Octubre =(
Noviembre =(
Diciembre =(
6.95 *kt
Segn los valores mostrados en la Tabla 6.7 es posible ver cmo el mejor modelo de estimacin
segn valores de R2 y ESR es el mes de febrero, mientras que contrariamente marzo es el mes que
muestra los valores menos favorables.
Grficamente es posible observar (Fig. 6.17) que en la comparacin de los valores estimados contra
los observados la similitud entre estos resulta mayor en febrero, dicha situacin es an ms notoria
en la comparacin de los grficos de los valores observados menos estimados (Fig.6.18) en donde
el modelo de marzo, subestima la radiacin difusa aumentando el valor del ESR.
48
Fig. 6.17 Se muestra el R de los valores estimados contra los observados para los dos modelos
mensuales.
Fig 6.18 Se muestran los valores diarios mensuales observados menos los estimados por cada
modelo. El mes de febrero (izq.) representa la mejor estimacin mensual y marzo (der.) el modelo
menos favorable.
49
6.6 MDPMax
Los modelos diarios promedio mensual en base a temperaturas mximas diarias se desarrollaron
mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos de valores de
temperaturas mximas diarias mensualmente (Vase pg. 26).
contra lo observado, se determin a julio como el mes con el mejor desempeo en las estimaciones
de radiacin difusa diaria promedio mensual basada en la categorizacin por valores de
Temperatura mxima diaria (Tabla 6.8).
R (Obsv vs Est)
MDPMax
+
Febrero= (
4
11.84 *kt
4
6.55 *kt
Marzo= (
4
-4.21 *kt
Abril= (
Mayo= (
4
-15.71 *kt
4
-21.37 *kt
Junio= (
-13.45 *kt
Enero = (
Julio= (
Agosto= (
Septiembre= (
Octubre= (
6.10 *kt+
14.38 *kt+
2.34 *kt +
0.70 ) *Rg
0.77
1529.49
5.09 *kt +
0.37 ) *Rg
0.81
1163.50
25.95 *kt -
29.49 *kt+
9.85 *kt -
0.19 ) *Rg
0.33
2392.18
48.12 *kt 59.66 *kt -
45.13 *kt+
53.70 *kt+
14.70 *kt -
0.74 ) *Rg
0.51
1991.18
17.50 *kt -
1.08 ) *Rg
0.54
2186.81
44.76 *kt -
43.45 *kt+
14.40 *kt -
0.73 ) *Rg
0.41
921.53
25.86 *kt 32.32 *kt -
31.08 *kt+
35.13 *kt+
10.88 *kt -
0.37 ) *Rg
0.89
1328.77
11.97 *kt -
0.47 ) *Rg
0.25
1335.02
9.84 *kt 9.52 *kt -
20.07 *kt+
6.85 *kt+
7.56 *kt +
0.00 ) *Rg
0.54
1652.89
3.61 *kt +
0.44 ) *Rg
0.59
1046.73
13.39 *kt -
3.40 *kt+
2.29 *kt +
0.62 ) *Rg
0.58
1620.79
9.38 *kt -
4.47 *kt+
2.06 *kt +
0.71 ) *Rg
0.58
1983.96
4 +
4
-2.90 *kt
4
-6.64 *kt
4
5.63 *kt
4
16.00 *kt
4 -
Noviembre= (
17.45 *kt
Diciembre= (
4
14.04 *kt
-6.13 *kt 4.86 *kt -
Segn los valores mostrados en la Tabla 6.8. es posible ejemplificar como el mejor modelo de
estimacin segn valores de R2 y ESR al mes de julio, mientras que contrariamente marzo es el mes
que muestra los valores menos favorecidos.
los observados la similitud entre estos resulta mayor en julio. En la comparacin de los grficos de
los valores observados menos estimados (Fig.6.20) en donde el modelo de marzo, tras mantener un
margen de error en la estimacin bueno, subestima la radiacin difusa aumentando el valor del
ESR, mientras que julio a pesar de subestimar tambin los valores de radiacin, mantiene un
periodo en donde el margen de error en la estimacin resulta estrecho; favoreciendo el bajo valor en
el ESR.
50
Fig. 6.19 Se muestra el R de los valores estimados contra los observados para los dos modelos
mensuales.
Fig. 6.20 Se muestran los valores diarios mensuales observados menos los estimados por el modelo
mensual.
51
6.7 MDPMin
Los modelos diarios promedio mensual en base a temperaturas mnimas diarias se desarrollaron
mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos de valores de
temperaturas mnimas diarias mensualmente (Vase pg. 28).
contra lo observado, se determin a Julio como el mes con el mejor desempeo en las estimaciones
de radiacin difusa diaria promedio mensual basada en la categorizacin por valores de temperatura
mnima diaria (Tabla 6.9).
Enero = (
Febrero = (
Marzo = (
Abril = (
Mayo = (
Junio = (
Julio = (
Agosto = (
Septiembre = (
Octubre = (
Noviembre = (
Diciembre = (
10.37
10.09
9.82
9.76
10.00
9.86
9.21
9.31
9.53
9.46
9.70
10.11
*kt
*kt
*kt
*kt
*kt
*kt
*kt
*kt
*kt
*kt
*kt
*kt
MDPMin
11.91
11.78
11.80
12.52
13.32
13.16
11.82
12.01
12.42
12.07
11.75
11.93
R (Obsv vs Est) ESR (Obs vs Est) KJ/m2

*kt+
*kt+
*kt+
*kt+
*kt+
*kt+
*kt+
*kt+
*kt+
*kt+
*kt+
*kt+
2.17
2.25
2.46
3.22
3.84
3.78
2.90
3.02
3.27
2.98
2.50
2.39
*kt +
*kt +
*kt +
*kt +
*kt +
*kt +
*kt +
*kt +
*kt +
*kt +
*kt +
*kt +
0.89
0.87
0.82
0.68
0.57
0.57
0.73
0.71
0.67
0.72
0.82
0.84
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
) *Rg
0.77
0.80
0.26
0.53
0.59
0.43
0.88
0.28
0.60
0.63
0.54
0.56
1186.69
1337.95
2866.22
1942.19
2109.81
887.77
1303.65
1264.16
1494.06
1122.18
1632.51
1930.01
Segn los valores mostrados en la tabla 6.9 es posible ejemplificar como el mejor modelo de
estimacin segn valores de R2 y ESR al mes de julio, mientras que contrariamente marzo es el mes
que muestra los valores menos favorecidos.
los observados la similitud entre estos resulta mayor en julio. En la comparacin de los grficos de
los valores observados menos estimados (Fig.6.22) en donde el modelo de marzo, tras mantener un
margen de error en la estimacin bueno, subestima la radiacin difusa aumentando el valor del
ESR; mientras que julio a pesar de subestimar tambin los valores de radiacin, mantiene un
periodo en donde el margen de error en la estimacin resulta estrecho, favoreciendo el bajo valor en
el ESR.
52
Fig. 6.21 Se muestra el R de los valores estimados contra los observados para los dos modelos mensuales
Fig. 6.22 Se muestran los valores diarios mensuales observados menos los estimados por el modelo mensual
correspondiente.
53
7. Conclusiones y recomendaciones
Dada la necesidad de informacin y datos de radiacin solar en el pas, el presente trabajo presenta
un ejercicio de adecuacin de modelos empricos estadsticos para la estimacin de la radiacin
solar difusa en sitios en donde esta no sea registrada. En el caso ptimo de contar con la disposicin
de una base de datos de radiacin solar global y difusa para un periodo de informacin de por lo
menos un ao, el ejercicio resultara similar al aplicado por este trabajo; pero cuando la
disponibilidad de datos es nula, resulta recomendable el adecuar un modelo para un sitio cercano
que si cuente con esta informacin y que de ser posible posea caractersticas orogrficas,
latitudinales y climticas similares a las del lugar a donde se busca estimar. Una alternativa es
implementar una campaa de mediciones de radiacin global y difusa de por lo menos un ao para
poder aplicar la metodologa de este trabajo y generar modelos para estimar posteriormente.
Se sugiere en futuros trabajos, aplicar la metodologa de MDivAutores que elimina valores extremos
y errneos, con el propsito de favorecer el ajuste de los modelos en las correlaciones Kt, Kd.
De los modelos propuestos en el trabajo se recomienda utilizar para propsitos de estimaciones
horarias el modelo MDivAutores para valores horarios mensuales, pues es el que mejor precisa
valores de radiacin en periodos cortos. Es sugerible para la estimacin ms detallada; para estimar
valores minutarios y horarios.
Si se precisa la estimacin de valores de radiacin diaria, el modelo mensual diario es
recomendable.
Sin embargo si lo que se busca es una estimacin diaria promedio mensual poniendo en juego la
inclusin de una variable meteorolgica son los modelos MDPMPrec, MDPMax y MDPMin; estos
modelos son tiles cuando se busca conocer de manera promedio el comportamiento de la
radiacin y se cuenta con el dato adicional de Tmax, Tmin o Prec.
54
Glosario(Hernndez et al, 1991)
Irradiacin. Es la energa que en forma de radiacin se integra o totaliza durante cierto tiempo en
una superficie o zona, regularmente sus unidades son J.m-2.hr-1 o KWhr.m-2
Radiacin. Es la energa electromagntica emitida, transferida o recibida en todas direcciones,
regularmente sus unidades son W. m-2.
Radiacin solar directa. Es la radiacin solar que se recibe del ngulo slido del disco solar, y que
no ha sido dispersa por la atmsfera.
Radiacin difusa. Es la radiacin solar cuya direccin original ha sido tambin cambiada por la
dispersin en la atmsfera.
Radiacin solar global. Es la suma del componente de la radiacin difusa ms el componente de la
radiacin directa.
Irradiacin extraterrestre. Es la irradiacin incidente sobre una superficie horizontal en el tope de la
atmsfera. Vara con la latitud y la fecha
55
Nomenclatura
ABREVIATURAS
ESR
2
R
Rdif
Rg
Rext
Kt
Kd
Tmax
Tmin
Prec
MLiuJordan
MDivAutores
MDPMPrec
MDPMax
MDPMin
DEF
MAM
JJA
SON
M -O
N -A
Error estndar de estimacin

Coeficiente de determinacin
Radiacin difusa
Radiacin global
Radiacin extraterrestre
ndice de claridad
ndice de fraccin difusa
Temperatura mxima diaria
Temperatura mnima diaria
Precipitacin diaria mm/da
Modelo basado en el mtodo de Liu y Jordan
Modelo basado en el mtodo de diversos autores
Modelo diario promedio mensual con precipitacin diaria
Modelo diario promedio mensual con temperatura mxima diaria
Modelo diario promedio mensual con temperatura mnima diaria
Modelo de diciembre, enero y febrero
Modelo de marzo, abril y mayo
Modelo de junio, julio y agosto
septiembre, octubre y noviembre
semestre mayo octubre
semestre noviembre abril
56
Anexo 1
Modelos empricos
57
Modelos diarios acumulados mensuales
(Kt, Kd)
R (Obsv vs Est)
ESR (Obs vs Est) Kj/m2
4+
0.0000 *kt -
5.1261 *kt+
1.0358 *kt +
0.9221 ) *Rg
0.875
0.83
753.54
0.0000 *kt
4+
0.0000 *kt -
4.4782 *kt+
1.1360 *kt +
0.9585 ) *Rg
0.794
0.79
1287.52
0.0000 *kt4 +
4+
0.0000 *kt
0.0000 *kt 0.0000 *kt -
2.3622 *kt+
1.6474 *kt-
0.1524 *kt +
0.9844 ) *Rg
0.713
0.32
2110.08
0.1718 *kt +
0.9751 ) *Rg
0.737
0.32
3021.58
4+
10.0760 *kt -
14.5500 *kt+
4.8811 *kt +
0.4355 ) *Rg
0.745
0.59
1661.61
4+
19.3220 *kt -
23.7730 *kt+
7.7286 *kt +
0.0486 ) *Rg
0.838
0.47
810.90
4-
473.4200 *kt +
184.2500 *kt-
36.5700 *kt +
2.7500 ) *Rg
0.309
0.85
1051.37
4+
121.8800 *kt -
59.2950 *kt+
10.2290 *kt +
0.4152 ) *Rg
0.808
0.50
1158.56
Septiembre = (
0.0000 *kt4 +
0.0000 *kt -
1.1494 *kt-
0.6088 *kt +
1.0346 ) *Rg
0.753
0.19
6810.71
Octubre = (
0.0000 *kt4 +
0.0000 *kt +
2.1219 *kt-
3.8467 *kt +
1.7148 ) *Rg
0.854
0.66
970.19
4+
108.8800 *kt -
138.5400 *kt+
54.7580 *kt -
6.1732 ) *Rg
0.654
0.76
829.34
4+
0.0000 *kt -
2.9114 *kt-
0.1967 *kt +
0.9864 ) *Rg
0.856
0.63
1006.37
Enero = (
0.0000 *kt
Febrero = (
Marzo = (
Abril = (
Mayo = (
0.0000 *kt
Junio = (
0.0000 *kt
Julio = ( 431.4300 *kt

Agosto = ( -88.1210 *kt
Noviembre = (
0.0000 *kt
Diciembre = (
0.0000 *kt
Modelos diarios acumulados trimestrales

DEF = (
MAM = (
JJA = (
SON = (
70.6770 *kt4 0.0000 *kt4 +

0.0000 *kt4 +
0.0000 *kt4 +
72.4580 *kt +
8.7599 *kt 2.6639 *kt 8.0775 *kt -
18.7610 *kt12.9000 *kt+

4.8166 *kt+
9.7523 *kt+
1.5550 *kt +
4.2144 *kt +
0.7178 *kt +
1.7678 *kt +
Modelos diarios acumulados semestrales

N- A=(
M- O=(
10.1000 *kt 7.5990 *kt -
11.7300 *kt+
10.0600 *kt+
2.1330 *kt +
2.3850 *kt +
(Kt, Kd) R (Obsv vs Est)
0.9716 ) *Rg
0.4899 ) *Rg
0.9454 ) *Rg
0.8686 ) *Rg
0.9120 ) *Rg
0.7870 ) *Rg
0.63
1271.43
0.723
0.50
1910.66
0.710
0.55
1311.25
0.682
0.63
1502.84
R (Kt, Kd) R (Obsv vs Est)

0.671
0.63
0.733
0.57

1883.75
1480.58
MDPMPrec
4
ESR (Obs vs Est) Kj/m2
0.758
R (Obsv vs Est) ESR (Obs vs Est) KJ/m
Enero= (
6.7258 *kt +
0.2725 *kt -
7.0149 *kt+
1.4659 *kt +
0.9232 )*Rg
0.73
1805.40
Febrero= (
7.1897 *kt4 -
0.3110 *kt -
6.7634 *kt+
1.4216 *kt +
0.9260 )*Rg
0.77
1208.71
Marzo= (
6.7258 *kt4 +
0.6703 *kt -
7.4398 *kt+
1.5845 *kt +
0.9160 )*Rg
0.26
2391.07
Abril= (
13.9000 *kt4 -
8.9572 *kt -
2.9054 *kt+
0.7189 *kt +
0.9698 )*Rg
0.36
2235.35
2226.06
Mayo =(
20.1774 *kt -
17.6423 *kt +
1.3411 *kt-
0.1163 *kt +
1.0217 )*Rg
0.45
Junio= (
41.7000 *kt4 -
47.2144 *kt +
15.6811 *kt-
2.9187 *kt +
1.1957 )*Rg
0.41
881.21
Julio =(
40.3548 *kt4 -
45.5092 *kt +
14.9375 *kt-
2.7861 *kt +
1.1874 )*Rg
0.73
1817.19
Agosto= (
33.6290 *kt4 -
36.5518 *kt +
10.7595 *kt-
1.9950 *kt +
1.1382 )*Rg
0.34
1348.13
Septiembre = (
48.6500 *kt4 -
57.0871 *kt +
20.6570 *kt-
3.9199 *kt +
1.2578 )*Rg
0.53
1512.19
Octubre =(
26.9032 *kt4 -
27.3955 *kt +
6.3690 *kt-
1.1446 *kt +
1.0853 )*Rg
0.59
1181.00
Noviembre =(
6.9500 *kt4 +
0.0932 *kt -
7.0031 *kt+
1.4751 *kt +
0.9227 )*Rg
0.57
1715.13
Diciembre =(
6.7258 *kt4 +
0.2725 *kt -
7.0149 *kt+
1.4659 *kt +
0.9232 )*Rg
0.55
2278.75
58
2
MDPMax
4
Enero = (
11.8412 *kt -
6.1283 *kt -
6.0994 *kt+
2.3433 *kt +
0.6998 ) *Rg
0.77
1529.49
Febrero= (
6.5460 *kt4 +
4.8644 *kt -
14.3848 *kt+
5.0875 *kt +
0.3663 ) *Rg
0.81
1163.50
Marzo= (
-4.2139 *kt4 +
25.9548 *kt -
29.4943 *kt+
9.8512 *kt -
0.1882 ) *Rg
0.33
2392.18
Abril= ( -15.7132 *kt4 +
48.1220 *kt -
45.1263 *kt+
14.6997 *kt -
0.7440 ) *Rg
0.51
1991.18
Mayo= ( -21.3665 *kt4 +
59.6629 *kt -
53.7018 *kt+
17.5023 *kt -
1.0808 ) *Rg
0.54
2186.81
Junio= ( -13.4452 *kt4 +
44.7635 *kt -
43.4467 *kt+
14.4038 *kt -
0.7345 ) *Rg
0.41
921.53
Julio= (
-2.9043 *kt4 +
25.8619 *kt -
31.0812 *kt+
10.8833 *kt -
0.3652 ) *Rg
0.89
1328.77
Agosto= (
-6.6392 *kt4 +
32.3157 *kt -
35.1254 *kt+
11.9720 *kt -
0.4720 ) *Rg
0.25
1335.02
Septiembre= (
5.6323 *kt4 +
9.8359 *kt -
20.0721 *kt+
7.5642 *kt +
0.0049 ) *Rg
0.54
1652.89
Octubre= (
16.0005 *kt4 -
9.5177 *kt -
6.8545 *kt+
3.6051 *kt +
0.4434 ) *Rg
0.59
1046.73
Noviembre= (
17.4485 *kt4 -
13.3853 *kt -
3.3958 *kt+
2.2934 *kt +
0.6197 ) *Rg
0.58
1620.79
Diciembre= (
14.0360 *kt4 -
9.3784 *kt -
4.4740 *kt+
2.0570 *kt +
0.7089 ) *Rg
0.58
1983.96
2
MDPMin
Enero = (
10.3735 *kt -
11.9099 *kt+
2.1745 *kt +
0.8877 ) *Rg
0.77
1186.69
Febrero = (
10.0896 *kt -
11.7821 *kt+
2.2475 *kt +
0.8695 ) *Rg
0.80
1337.95
Marzo = (
9.8164 *kt -
11.8027 *kt+
2.4601 *kt +
0.8249 ) *Rg
0.26
2866.22
Abril = (
9.7561 *kt -
12.5224 *kt+
3.2160 *kt +
0.6801 ) *Rg
0.53
1942.19
Mayo = (
10.0013 *kt -
13.3222 *kt+
3.8365 *kt +
0.5657 ) *Rg
0.59
2109.81
Junio = (
9.8627 *kt -
13.1640 *kt+
3.7772 *kt +
0.5749 ) *Rg
0.43
887.77
Julio = (
9.2122 *kt -
11.8179 *kt+
2.9002 *kt +
0.7320 ) *Rg
0.88
1303.65
Agosto = (
9.3109 *kt -
12.0059 *kt+
3.0172 *kt +
0.7112 ) *Rg
0.28
1264.16
Septiembre = (
9.5303 *kt -
12.4207 *kt+
3.2741 *kt +
0.6656 ) *Rg
0.60
1494.06
Octubre = (
9.4566 *kt -
12.0715 *kt+
2.9798 *kt +
0.7205 ) *Rg
0.63
1122.18
Noviembre = (
9.6983 *kt -
11.7543 *kt+
2.4952 *kt +
0.8165 ) *Rg
0.54
1632.51
Diciembre = (
10.1078 *kt -
11.9339 *kt+
2.3852 *kt +
0.8436 ) *Rg
0.56
1930.01
59
Referencias
Boletn IIE, (2008) Laboratorio Nacional para la Evaluacin de los Recursos Energticos
Renovables en Mxico (LERM). Consultado en enero del 2013.
http://www.iie.org.mx/boletin022008/breves05.pdf
Chikh, M., A. Mahrane, M. Haddadi. ( 2012) Modeling the Diffuse Part of the Global Solar Radiation
in Algeria, Energy Procedia, Vol.18; 1068-1075.
Dincer, I. (2000). Renewable energy and sustainable development: a crucial review. Renewable and
Sustainable Energy Reviews, Vol. 4: 157-175
Ediger, V.. and Kentel, E. (1999) Renewable energy potential as an alternative to fossil fuels in
Turkey, Energy Conversion and Management, Vol. 40 (7); 743-755.
El-Sebaii A. A. and A. Terabia. (2003) Estimation of horizontal diffuse solar radiation in Egypt.
Energy Conversion & Management, Vol. 44. Pag. 2471-2482
(Energa Solar CIE, 2005) Visin a Largo Plazo Sobre la Utilizacin de las Energas Renovables en
Mxico, consultado en http://www.sener.gob.mx/webSener/res/168/A6_Solar1.pdf
Erbs D.G, Klein S.A., and Duffie J.A. (1982). Estimation of the diffuse radiation fraction for hourly,
daily and monthly-average global radiation. Solar Energy, Vol. 4: 293302.
Gopinathan K.K., Soler A. (1995) Diffuse radiation models and monthly average, daily, diffuse data
for a wide latitude range. Energy; Vol. 20(7) 1995: 65767.
Gopinathan K.K.(1988), A general formula for computing the coefficients of the correlation connecting
global solar radiation to sunshine radiation. Solar Energy Vol. 41 (6); 499-502.
Hernndez, E., Tejeda, A., Reyes, S. (1991). Atlas solar de la Repblica Mexicana. Universidad
Veracruzana y Universidad de Colima, Xalapa, Veracruz (Mexico), 155p.
Huashan Li, Weibin Ma, Xianlong Wang, Yongwang Lian(2011). Estimating monthly average daily
diffuse solar radiation with multiple predictors: A case study, Renewable Energy, Vol. 36, (7),
2011;1944-1948.
Haydar A, Balli O, Hepbasli A.(2006) Global solar radiation potential, Part 2: Statistical analysis.
Energy Sources; Vol.1, 2006; 31726.
ISO-9060 Standard & Pyranometer Measurement Accuracy (2013). Consultado en enero del 2013
http://ases.conference-services.net/resources/252/2859/pres/SOLAR2012_0829_presentation.pdf
60
Kipp & Zonen (2013)a. Instruction manual Kipp and Zonen, Piranometers CMP-11. Consultado en
enero del 2013
http://www.kippzonen.com/?download/355282/CMP+6,+CMP+11,+CMP+21,+CMP+22+Pyranom
eters+-+Spanish+Manual.aspx
Kipp & Zonen (2013)b. Instruction manual Kipp and Zonen, Shadow Ring CM121. Consultado en
enero del 2013 http://www.kippzonen.com/?download/46162/CM+121+B+C+Shadow+Ring++Manual+.aspx
Lam JC, Li DHW. (1996). Correlation between global solar-radiation and its direct and diffuse
components. Building and Environment; Vol.31 (6), 1996; 52735.
Linacre, E. (2005) Climate Data and Resources, a Reference and Guide. New York, ROUTLEDGE;
319 p.
Liu BYH, Jordan RC. (1960)The inter-relationship and characteristic distribution of direct, diffuse and
total solar radiation. Solar Energy; Vol.4(3); 1-19.
Llasat, M.C. y Snyder, RL. (1998). Data error effects on net radiation and evapotranspiration
estimation. Agricultural and Forest Meteorology. Vol. 91; 209-221
Louche A, Notton G, Poggi P, Simonnot G. (1998). Correlations for direct normal and global
horizontal irradiations on a French Mediterranean site. Solar Energy; Vol. 46(4); 261266.
OPEX Energy, (2010) Fotovoltaica; principio de funcionamiento, consultado en enero del 2013
http://www.opex-energy.com/fotovoltaica/funcionamiento_fotovoltaica.html
Orgill JF, Hollands KGT. (1977). Correlation equation for hourly diffuse radiation on a horizontal
surface. Solar Energy ; Vol.19(4); 357359.
Posadillo R., R. Lpez Luque. (2009).Hourly distributions of the diffuse fraction of global solar
irradiation in Crdoba (Spain), Energy Conversion and Management, Vol. 50, 2009; 223-231.
Reindl DT, Beckman WA, Duffie JA. (1990). Evaluation of hourly tilded surface radiation models.
Solar Energy 1990; Vol.45; 917.
Roderick ML. (1999). Estimating the diffuse component from daily and monthly measurements of
global radiation. Agricultural and Forest Meteorology; Vol.95; 16985.
Singh, J.; Bhattacharya, B. K.; Kumar, M; Mallick, K.(2011) Modelling monthly diffuse solar radiation
fraction and its validity over the Indian sub-tropics, International Journal of Climatology, Vol. 33, issue
1, pp. 77-86
61
Spencer JW. (1982). A comparison of methods for estimating hourly diffuse solar radiation from
global solar radiation. Solar Energy; Vol. 29(1); 1932.
Spitters CJT, Toussaint HAJM, Goudriaan J. (1986). Separating the diffuse and direct component of
global radiation and its implication for modeling canopy photosynthesis Part I. Components of
incoming radiation. Agriculture For Meteorology;Vol. 38; 21729.
SMN (2013). Informacin y catlogo EMAS, consultado en enero del 2013.
http://smn.cna.gob.mx/emas/catalogoa.html
Tiris M, Tiris C, Ture IE. (1996). Correlations of monthly-average daily global, diffuse and beam
radiations with hours of bright sunshine in Gebze, Turkey. Energy Conversion Management; Vol.
37(9): ;14171421.
Torres J.L., De Blas M., Garca A., de Francisco A. (2010). Comparative study of various models in
estimating hourly diffuse solar irradiance, Renewable Energy, Vol. 35 (6); 1325-1332.
Ulgen K, Hepbasli A. (2009). Diffuse solar radiation estimation models for Turkeys bigcities. Energy
Conversion and Management; Vol. 50(1); 149-156.
Vignola F, McDaniels DK. (1986). Beam-global correlations in the Northwest Pacific. Solar Energy;
Vol. 36(5): 409418.
WMO (2008). WMO Guide to meteorological instruments and methods of observation. WMO-No. 8.
Consultado en enero del 2013
http://www.wmo.int/pages/prog/www/IMOP/CIMO-Guide.html
Wu GF, Liu YL, Wang Tj. (2007). Methods and strategy for modeling daily global solar radiation with
measured meteorological data A case of study in Nanchang station, China. Energy Conversion
and Management; Vol. 35: Pag.2447-52.
Zhou Jin, Wu Yezheng, Yan Gang. (1999).Estimation of daily diffuse solar radiation in China,
Renewable Energy. Vol.29 ( 9); 1537-1548.
62

"Modelos Empíricos para La Estimación Solar Difusa en Xalapa PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

"Modelos Empíricos para La Estimación Solar Difusa en Xalapa PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

FACULTAD DE INSTRUMENTACIN ELECTRNICA

Modelos empricos para la estimacin

5.4 Seleccin del polinomio en la correlacin

2.1 Antecedentes de la correlacin Kt - Kd . 10

3. Estacin solarimtrica e instrumentos .... 11

3.1 Instrumentacin ..................................... 11

6.1 MLiuJordan para valores horarios

3.1.1 Sensor de radiacin solar global

6.4.1 Diarios acumulados mensuales ......... 41

4.2 Clculo de los ndices Kt y Kd ............... 17

6.4.2 Diarios acumulados trimestrales ....... 43

4.2.1 Procedimiento para eliminar registros

6.4.3 Diarios acumulados semestrales ....... 46

4.2.2 Tratamiento de datos Kt - Kd horarios y

6.6 MDPMax ............................................... 50

6.7 MDPMin ................................................ 52

7. Conclusiones y recomendaciones .......... 54

5.1 Modelo de Liu y Jordan ......................... 21

Anexo 1 Modelos empricos ....................... 57

5.2 Diversos modelos de radiacin difusa .. 21

5.3 Mtodos utilizados ................................. 22

5.3.1 Mtodo para valores Kt y Kd horarios

1.1 Importancia del registro de radiacin solar

1.2 La modelacin de la radiacin solar

Es necesario estimar los valores, en lugares donde no existen equipos de medicin.

La estimacin de un dato es til para comprobar la veracidad de algunas mediciones

Por lo anteriormente mencionado, el desarrollo de modelos para estimar en distintas localidades la

2. Antecedentes en la modelacin de la radiacin difusa

2.1 Antecedentes de la correlacin Kt - Kd

3. Estacin solarimtrica e instrumentos

3.1.1 Sensor de radiacin solar global horizontal

3.1.2 Aro de sombra

Caractersticas generales de los instrumentos en LATEX

4. Base de datos meteorolgicos y de radiacin solar

4.1 Valores horarios y mensuales acumulados

-Radiacin global, difusa y extraterrestre fueron obtenidas primeramente mediante la

Joule/seg /m2. Cuando se integra el valor de la

radiacin instantnea a travs del tiempo, se expresa la cantidad de energa acumulada en

4.2 Clculo de los ndices Kt y Kd

Io= constante solar (1367 w/m2)

Kd es calculado mediante el cociente de la radiacin solar difusa entre la radiacin solar.

4.2.2 Tratamiento de datos Kt - Kd horarios y diarios

5.2 Diversos modelos de radiacin difusa

5.3 Mtodos utilizados

distintos a 0<Kt<1 y 0<Kd<1. (vase pg. 17). Posteriormente se establecen correlaciones

b) Modelo basado en el mtodo de diversos autores (MDivAutores): descartan los valores

distintos a 0<Kt<1 y 0<Kd<1, y se aade el filtro de Caso 1: condiciones despejadas y Caso

5.3.1 Mtodo para valores Kt y Kd horarios mensuales

5.4 Seleccin del polinomio en la correlacin Kt - Kd

5.5 Modelo para valores Kt y Kd diarios

Diarios acumulados mensuales: Mediante la agrupacin de valores Kt y Kd diarios por

Diarios acumulados trimestrales: Mediante la agrupacin de valores Kt y Kd diarios por

trimestres, obteniendo cuatro polinomios para estimar la radiacin difusa diaria.

Diarios acumulados semestrales: Mediante la agrupacin de valores Kt y Kd diarios por

semestre, obteniendo dos polinomios para estimar la radiacin difusa diaria .

MDPMPrec: realizado mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos de

Los intervalos fueron:

Fig. 5.1 Histograma de los valores de precipitacin en LATEX.

Rdif= Radiacin difusa diaria

n= nmero total de das del mes

MDPMax: se realiz mediante la categorizacin de valores Kt y Kd diarios segn tres intervalos de

valores de temperatura mxima diaria por mes

Los intervalos fueron:

2.66 kt 8.08 kt -

0.27 kt 0.31 kt -

8.96 kt 17.64 kt +

14.94 kt10.76 kt-

20.66 kt6.37 kt-

48.12 kt 59.66 kt -

25.86 kt 32.32 kt -

9.84 kt 9.52 kt -

-6.13 kt 4.86 kt -

0.0000 kt 0.0000 kt -

70.6770 kt4 0.0000 kt4 +

18.7610 kt12.9000 kt+

10.1000 kt 7.5990 kt -