class: center, middle, inverse, title-slide # Nowcasting de radiación solar en Hawaii ### Alberto Torres Barrán --- <script type="text/x-mathjax-config"> MathJax.Hub.Config({ TeX: { Macros: { Xcal: "{\\mathcal{X}}", Xbf: "{\\mathbf{X}}", Qbf: "{\\mathbf{Q}}", Zbf: "{\\mathbf{Z}}", Vbf: "{\\mathbf{V}}", Hbf: "{\\mathbf{H}}", Rbb: "{\\mathbb{R}}" }, extensions: ["AMSmath.js","AMSsymbols.js"] } }); </script> ## Datos * Radiación solar en el aeropuerto Kalaeloa (Hawaii) ([https://data.nrel.gov/submissions/11](https://data.nrel.gov/submissions/11)) * 17 sensores * Resolución temporal 1s * Marzo de 2010 a Octubre de 2011 (20 meses) * Desde las 5:00 hasta las 20:00 HST --- ## Objetivo * Predecir la radiación solar a muy corto plazo (30 s, 1 min, 10 min) * Series temporales: 1. Multivariantes 2. Correladas espacialmente --- ## Persistencia .center[   ] --- ## Primera aproximación * Convertir a datos tabulares: | `\(t\)` | `\(\mathbf{S1_t}\)` | `\(S1_{t-1}\)` | `\(S1_{t-2}\)` | `\(S2_{t-1}\)` | `\(S2_{t-2}\)` | `\(S3_{t-1}\)` | `\(S3_{t-2}\)` | |------|----------|----------|----------|----------|----------|----------|---------| | 1 | 20 | | | | | | | | 2 | 25 | 20 | | 31 | | 5 | | | 3 | 30 | 25 | 20 | 32 | 31 | 9 | 5 | | 5 | 34 | 30 | 25 | 36 | 32 | 3 | 9 | * Usar cualquier modelo para datos estructurados (regresión lineal, etc.) * Incorpora información de todos los sensores --- ## Interpretabilidad * Regresión lineal + regularización (Elastic Net) * Modelos "interpretables"  --- ## Distribución espacial MAE ![:vspace 8] .center[  ] --- ## Dirección y magnitud del viento .center[  ] --- ## Convoluciones 1D * Ordenar los sensores de acuerdo a su longitud * Red neuronal con convoluciones 1D para explotar estructura ![:vspace 2] .center[  ] ![:vspace 1] .center[  .footnotesize[ Fuente: [Peltarion. 1D Convolution block](https://peltarion.com/knowledge-center/documentation/modeling-view/build-an-ai-model/blocks/1d-convolution-block) ] ] --- ## Resultados MAE de la predicción a 1 paso sobre conjunto test (agosto 2011 - noviembre 2011) | Modelo | Izquierda | Centro | Derecha | |--------------|-------|-------|-------| | Persistencia | .red[57.26] | .red[60.00] | .green[57.00] | | ElasticNet | 45.94 | 58.02 | .red[71.46] | | Conv1D | .green[40.20] | .green[47.61] | 57.06 | --- ## Posibles mejoras 1. Modelos de **predicción** meteorológica numérica (Numerical Weather Prediction, NWP) * resolución espacial 2.5-16 km * resolucion temporal 1-3 h 2. Satélites geoestacionarios (por ej. [METEOSAT](https://www.eumetsat.int/website/home/Satellites/CurrentSatellites/Meteosat/MeteosatDesign/index.html)) * resolución espacial 1-3 km * resolución temporal 5-15 min 3. Estaciones meteorológicas * resolución espacial irregular * resolución temporal de minutos o incluso segundos --- ## Aplicación * Plataforma Solar de Almeria (Tabernas) * Necesaria predicción de radiación en tiempo real para operar espejos * **Estado del arte**: cámaras de cielo * **Posible alternativa**: red de sensores --- background-image: url(img/PSA.webp) background-size: cover ![:vspace 95] .right[ .small[ [Fuente: El Periódico de la Energía](https://elperiodicodelaenergia.com/la-plataforma-solar-de-almeria-resucita-de-la-mano-del-ciemat/) ] ] --- ## Conclusión * Trasladar la intuición física a la arquitectura de la red * Explotamos las correlaciones espaciales de los sensores --- .pull-left[ .center[  Roi Naveiro  Victor Gallego ] ] .pull-right[ .center[  David Gómez-Ullate  Simón Rodríguez ] ] .center[  David Gordo ]