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
modelos .................................................. 31
6. Resultados .............................................. 32
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
errneos .................................................. 17
6.5 MDPMPrec............................................ 48
diarios ...................................................... 18
5. Mtodos ................................................... 21
Glosario....................................................... 55
Nomenclatura.............................................. 56
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.
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.
Cuando se requieren datos de fechas anteriores en las cuales el dato no fue medido, o se
requieren datos a futuro.
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)
(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.
10
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).
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).
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
14
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
16
) (
( )
Donde
)]
(4.1)
17
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
Kd menor que 0.9 y para el ndice Kt menor que 0.2 este dato es eliminado.
Caso 2 corresponde a los lmites del Kd bajo condiciones nubladas. Si un dato muestra un valor de
Kd menor que 0.5 y para el ndice Kt menor que 0.5 este dato es eliminado.
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.
21
a) Modelo basados en el mtodo Liu y Jordan (MLiuJordan): descartan nicamente los valores
22
mes; obteniendo doce polinomios para estimar la radiacin difusa diaria (segn el mes a
estimar).
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).
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.
24
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)
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.
26
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
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 propuso la forma
general de estimacin del valor diario promedio mensual con datos de Tmax con la
siguiente ecuacin:
[
)
]
(5.2)
27
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.
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
una polinomio de gradon (el polinomio se seleccion en base al valor de R2 que mostraba en
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)
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
) (
) ] [
)
(
) ]
(5.4)
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
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
Tabla 6.2 Se muestran los polinomios por mes y el valor del R y ESR de los valores estimados contra los
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
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.
R (Est vs Obs)
ESR W/m2
MLiuJordan
0.56
100.56
MDivAutores
0.63
75.02
0.40
116.27
0.42
136.32
Erbs (1982)
0.48
110.51
Reindl (1990)
0.43
126.12
40
Tabla 6.4 Se muestran los polinomios por mes y el valor del R y ESR de los valores estimados contra los
observados.
R (Obsv vs Est) ESR (Obs vs Est) Kj/m2
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)
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.
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
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
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
Tabla 6.6. Se muestran los polinomios por semestre y el valor del R y ESR de los valores estimados
contra los observados.
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
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
contra los observados.
R (Obsv vs Est)
MDPMPrec
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-
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 +
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 +
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).
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 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).
Tabla 6.8. Se muestran los polinomios por mes y el valor del R y ESR de los valores estimados
contra los observados.
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
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
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
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
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.
Grficamente es posible observar (Fig. 6.19) que en la comparacin de los valores estimados contra
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).
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 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).
Tabla 6.9. Se muestran los polinomios por mes y el valor del R y ESR de los valores estimados
contra los observados.
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
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.
Grficamente es posible observar (Fig. 6.21) que en la comparacin de los valores estimados contra
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
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
56
Anexo 1
Modelos empricos
57
(Kt, Kd)
R (Obsv vs Est)
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
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
Noviembre = (
0.0000 *kt
Diciembre = (
0.0000 *kt
72.4580 *kt +
8.7599 *kt 2.6639 *kt 8.0775 *kt -
1.5550 *kt +
4.2144 *kt +
0.7178 *kt +
1.7678 *kt +
11.7300 *kt+
10.0600 *kt+
2.1330 *kt +
2.3850 *kt +
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
MDPMPrec
4
0.758
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
R (Obsv vs Est) ESR (Obs vs Est) KJ/m
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
48.1220 *kt -
45.1263 *kt+
14.6997 *kt -
0.7440 ) *Rg
0.51
1991.18
59.6629 *kt -
53.7018 *kt+
17.5023 *kt -
1.0808 ) *Rg
0.54
2186.81
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
R (Obsv vs Est) ESR (Obs vs Est) KJ/m
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