Análisis de desempeño de diferentes técnicas de aprendizaje automático en una adaptación al sitio de irradiancia solar global para Salta (Argentina)

Resumen

En este trabajo se analizan diferentes métricas comparando valores medidos de Irradiancia Solar Global contra valores estimados usando diferentes técnicas de Inteligencia Artificial, particularmente Aprendizaje Automático (Machine Learning), con el objetivo de realizar una Site Adaptation a través de la Base de Datos Satelitales CAMS-Rad para la ciudad de Salta (1200 metros sobre el nivel del mar). Se analizaron los datos con integraciones temporales de 5 minutos y 15 minutos. Se usaron dos periodos diferentes de datos medidos: un año (2014) o dos años (2014-2015) para entrenar y validar. Las técnicas de Machine Learning usadas fueron Regresión Lineal Simple y Múltiple, Quantile Mapping, Multilayer Perceptron, XGBoost y regresión Clusterwise. Todas las métricas indican una mejora sobre los estimados por CAMS-Rad, destacándose las regresiones Clusterwise.