UNA METODOLOGÍA PARA DATOS FALTANTES EN LA MEDICIÓN DE LA RADIACIÓN SOLAR
DOI:
https://doi.org/10.59627/cbens.2008.1335Palavras-chave:
Radiación Solar, Tratamiento de Datos, Serie de TiempoResumo
Para poder realizar un aprovechamiento racional de la energía solar es indispensable tener un conocimiento apropiado de la distribución espacio-temporal del recurso a nivel de la superficie terrestre. Por ello el Grupo de Energía Solar está realizando mediciones de radiación global y directa. En la toma de datos existen muchas posibilidades de cometer error de diferentes tipos, pero lo más significativo es la falta de datos. Lo que se busca es tener una metodología que indique que hacer ante esta situación, por lo que en este trabajo se realiza un estudio en el tratamiento de los datos obtenidos para inferir valores que permitan ser incorporados a la series que por diferentes motivos hay falta de información. La metodología que se utilizó para la incorporación de datos faltantes es el análisis de series de tiempo basado en modelos de espacio de estado.
Downloads
Referências
Abril, J. C. , (1999) Análisis de serie de tiempo basado en modelos de espacio de estado, Eudeba, Argentina
Adaro J., Césari D., Lema A., Galimberti P. y Barral J. (2000) Estudio comparativo de serie de radiación solar.
Proceedings of the Millenium Solar Forum, México.
Aguiar R. y Collares Pereira M. (1992) Tag: A time dependent, autoregressive, gaussian model for generating
synthetichourly radiation. Solar Energy 49, 3, 167-174.
Aguiar, R.J., Collares-Pereira, M. and Conde, J.P. (1988) Simple procedure for generating sequences of daily radiation values using a library of Markov transitions matrices. Solar Energy vol. 40 No. 3, pp. 269-279.
Avila Blas O. J., Abril J. C. y Lesino G. (1999) Análisis estadístico estructural de series de radiación diarias. Avances en Energías Renovables y Medio Ambiente 3, 2, 11.17-11.20.
Avila Blas O. J., Abril J. C. y Lesino G. (2000) Radiación y temperaturas diarias: Un modelo de correlación estructural.Avances en Energías Renovables y Medio Ambiente 4, 2, 11.31-11.36
Box, G. and G. Jenkins. (1976).Time Series Analysis: Forecasting an Control (Revised ed) Holden-Day, Inc: San Francisco.
Harvey A.(1989) Forecasting, Structural Time Series Models and the Kalman Filter. Cambrid University Press: Cambridge.
Harvey, A. and J. Durbin. (1986). The effects of seat belt legislation on Britis road road casualties: a case study in structural time series modeling. J. Roy. Statis. Soc., A, 149, 187-227.
Harvey A. y Shepard N. (1993) Structural Time Series Models, Handbook of Statistics 11, 621-302.
Kalman, R. (1960). A new approach to linear filtering an prediction problems. Trans. ASME, J. Basic Eng., 82D, 35-45.
Koopman S. J., Harvey A. C., Doornik J. A. y Shepard N. (1995). Stamp 5.0 Structural Time Series Analyser, Modeller and Predictor. 1a. edición. Chapman and Hall, London.
Kolmogorov, A. (1941). Interpolation and extrapolation von stationaren Zufalligen Folgen. Bull. Acad. Sci (Nauk). USSR, Ser. Math., 5, 3-14.
Wiener, N. (1949). The Extrapolation, Interpolation an Smoothing of Stationary Time Series with Engineering Aplications. Wiley: New York.