Análisis de las variables que afectan la operación del catamarán solar en las Islas Galápagos
Analysis of the variables that affect the operation of the solar
catamaran in the Galapagos Islands
Marcelo Moya
Estudiante de la Maestría de Ecoeficiencia
Industrial en la Universidad Internacional SEK, Ing. En Mecatrónica,
Universidad UTE. Analista Técnico Instituto de Investigación Geológico Energético, Docente
Universidad UTE.
https://orcid.org/0000-0002-2653-4524
marcelomoya@hotmail.com
Ricardo Narváez
MsC. Energías
Renovables, Docente Universidad Internacional SEK. Loughborough
University. Sub director Técnico Instituto de
Investigación Geológico Energético
https://orcid.org/0000-0002-7043-2680
rnarvaez@gmail.com
Javier Martínez
PhD. Ciencia e Ingeniera de Materiales, Universidad
Carlos II Madrid. Docente Universidad Internacional SEK
https://orcid.org/0000-0003-0004-8488
javiermmartinez@hotmail.com
Gonzalo Guerrón
MsC. Docente Universidad
Internacional SEK,
Energías y Combustibles para el Futuro, Universidad Autónoma de
Madrid. Director de Servicios Especializados Instituto de Investigación
Geológico Energético, Docente Universidad Internacional SEK, Docente
Universidad UTE.
https://orcid.org/0000-0003-3514-9289
gguerron@hotmail.com
Artículo recibido 2019 – 1 - 24
Artículo aceptado 2019 – 2 - 29
RESUMEN
El
ecosistema de las Islas Galápagos posee una gran biodiversidad y endemismo, lo
cual se ve afectado en gran medida por diferentes actividades humanas presentes
en las islas. El transporte marítimo de pasajeros en el canal de Itabaca se
basa en embarcaciones con motores de combustión, consume un promedio anual de
4200 galones de combustible que producen alrededor de 38 toneladas de CO2 por
año. En este sentido, la operación del catamarán solar INER 1 de propulsión
eléctrica es un modelo sustentable y renovable para el transporte marítimo de
pasajeros dentro de las Islas Galápagos. Dicho sistema de transporte se ve
influenciado por diferentes variables del tipo social, ambiental - estacional y
energético que requieren ser evaluadas para analizar cuál de ellas es la que
más influye en su funcionamiento y el porqué de su importancia. Para ello se
ha planteado utilizar el método de
selección de atributos para manejar los datos de forma adecuada y predecir de
manera eficiente los efectos de cada una de ellas sobre la embarcación. En base
a lo mencionado se propone realizar una revisión bibliográfica sobre las variables que más influencian o en la
operación del catamarán solar “INER 1” en las Islas Galápagos.
Palabras
Clave: Galápagos, biodiversidad, energía solar, paneles
fotovoltaicos, catamarán, algoritmo, selección atributos.
ABSTRACT
The Galapagos Islands ecosystem has a great
biodiversity and endemism, which is greatly affected by different human
activities present in the islands. Maritime passenger transport on the Itabaca Canal is based on vessels with combustion engines,
consuming an annual average of 4200 gallons of fuel that produce about 38 tons
of CO2 per year. In this sense, the operation of the INER 1 solar-powered
electric catamaran is a sustainable and renewable model for maritime passenger
transport within the Galapagos Islands. This transport system is influenced by
different variables of the social, environmental - seasonal and energy type
that need to be evaluated to analyze which of them is the one that most
influences its operation and why its importance. To this end, it has been
proposed to use the attribute selection method to handle the data in an adequate
manner and to predict efficiently the effects of each of them on the vessel.
Based on the aforementioned it is proposed to carry out a bibliographic review
on the variables that most influence or in the operation of the solar catamaran
“INER 1” in the Galapagos Islands.
Keywords: Galapagos, biodiversity, solar energy, photovoltaic
panels, catamaran, algorithm, selection attributes.
1.
Introducción
El incremento de la calidad de vida y la longevidad
en el ser humano ha provocado un crecimiento poblacional exponencial en los
últimos 200 años, esto ha generado grandes beneficios a la humanidad
pero también ha generado grandes afectaciones en los ecosistemas, recursos
naturales y en general con el medio ambiente. Las actividades humanas provocan
una gran cantidad de emisiones de gases de efecto invernadero, químicos que
afectan a la capa de ozono desechos que
no pueden ser reutilizados (Helling, 2017).
En las últimas décadas el ser humano ha prestado una
gran importancia al cuidado de los recursos energéticos renovables, no
renovables y a la protección del medio ambiente tratando de identificar y
mitigar los impactos ambientales generados por la producción y manufactura de
tecnología. El desarrollo de metodologías de análisis y mitigación de impactos
ambientales han permitido reducir el daño causado al medio ambiente, de tal
manera que se han desarrollado varias metodologías para identificar y mitigar
impactos ambientales una de las metodologías más utilizadas es el Análisis de
Ciclo de Vida y se (LCA) debido a su estandarización y facilidad de aplicación
(Toro, 2015).
De acuerdo a Ko et al. (2016), el sistema económico actual se encuentra basado en
el uso de embarcaciones destinadas para el transporte de pasajeros, productos
primarios, intermedios y productos acabados. Una embarcación presta sus
servicios mientras es utilizable generando ingresos al propietario y al mismo
tiempo genera impactos ambientales a través de las emisiones de la combustión y
residuos de combustible al medio ambiente.
Las embarcaciones con sistemas de propulsión
eléctricos han tenido un importante desarrollo tecnológico en los últimos años,
tal es el caso que en el año 2007 la embarcación denominada Sun21 arribo a
Nueva York siendo el primer bote con propulsión eléctrica utilizando únicamente
energía solar en cruzar el océano atlántico con un recorrido aproximado de
11.000 kilómetros ahorrando un aproximado de 4.000 litros de diésel (GÜRSU, 2016). Posteriormente el “MS Tûranor PlanetSolar” en 2012
concluyó un recorrido de 584 días alrededor del mundo alcanzando un nuevo
record. Sin embargo el bote fue optimizado para romper sus propios records y
cruzo el atlántico en 22 días en 2013 (Bleicher, 2013).
En Junio de 2014, se inauguró en las Islas Galápagos
la primera lancha eléctrica solar denominada Solaris, la cual fue desarrollada
por la Dirección del Parque Nacional Galápagos (DPNG), en coordinación con el
Fondo Mundial para la Naturaleza (WWF) (García et al., 2013). Fue dimensionada considerando un peso total de
1.800 kg con un uso de 1,5 horas al día y un recorrido de 7,6 km que
representan un viaje ida y vuelta en el tour de las Tintoreras en la Isla
Isabela. Su implementación muestra el interés del Ecuador y del mundo en
desarrollar e implementar tecnologías amigables con el medio ambiente (Jara-Alvear et al., 2013).
El gobierno nacional del Ecuador se encuentra
preocupado acerca de la viabilidad ecológica, económica y social respecto a las
actividades diarias que realiza el ser humano en las Islas Galápagos. Una de
ellas y la más problemática también es el transporte marítimo de pasajeros que
amenaza al ecosistema marítimo y terrestre (Muñoz Barriga, 2015). Por ello se impulsa un camino hacia una movilidad
marítima sustentable basada en la sustitución de fuentes de energía de origen
fósil por fuentes de energías renovables (Cuvi et al., 2016). De acuerdo a la investigación realizada por Moya et al. (2015), existe un uso deficiente de la energía en su
mayoría proveniente de combustibles de origen fósil en el transporte marítimo
de pasajeros en el canal de Itabaca, esto debido a
que en promedio las embarcaciones convencionales consumen anualmente 4200
galones de combustible y producen una emanación de 38 toneladas de CO2 por año,
considerando que el combustible utilizado es transportado desde el continente
hacia la provincia de Galápagos.
Según Lucas et al. (2013) un modelo de transporte basado en energía eléctrica
generada a través de hidrogeno ya sea por electrólisis o mediante estaciones de
abastecimiento permitiría reducir las emisiones de gases de efecto invernadero
en un rango de 0.6 -2.2 gCo2/MJ en Europa y entre 6.0-17.7 gCO2/MJ en Estados
Unidos, esto se debe a que los países que tienen una matriz energética basada
en energía renovables tienen un mejor desempeño en una análisis de ciclo de
vida propuesto con las mismas políticas en ambos escenarios. De acuerdo a Ling-Chin et al. (2016) mejorar los
procesos de manufactura y operación de las embarcaciones es posible mediante el
uso de análisis de ciclo de vida.
El Instituto de Investigación Geológico y Energético
(ex INER) empeñado en la implementación de tecnologías eficientes y amigables
con el medio ambiente, desarrolló una embarcación prototipo tipo catamarán
basado en energía solar denominado “INER 1” mostrada en la Fig. 1, el cual se
encuentra en operación desde Octubre de 2015.
Fig. 1. Catamarán Solar
“INER 1”.
A pesar de los beneficios de la utilización de las
energías renovables, la intermitencia del recurso solar impide que los sistemas
solares desempeñen un papel fundamental en el desarrollo sustentable en el
transporte marítimo de pasajeros (Zhang et al., 2018).
2. Materiales y métodos
El presente trabajo cuenta con una revisión de 73 artículos
científicos entre el año 2014 y 2018. De los 73 artículos revisados fueron
utilizados 29 debido a la poca información de estudios en sistemas de
transporte marítimos de pasajeros basados en propulsión eléctrica -
fotovoltaica en una reserva marina como lo son las Islas Galápagos, el análisis
se basa en varias revistas especializadas indexadas en SCOPUS de los últimos 5
años.
Se utilizaron varios descriptores de búsqueda tales
como: energía fotovoltaica, transporte marítimo de pasajeros, energía solar,
catamarán, baterías, motores eléctricos, movilidad sustentable.
Para el desarrollo de la investigación se ha
planteado utilizar la metodología planteada por Khmaissia et al. (2018), en la cual recomienda como primer paso a seguir
generar una base de datos de las variables que afectan al sistema en este caso
se las ha definido como variables climatológicas, energéticas y sociales.
Variables climatológicas.- Según Jurado et al. (2015) las variables a considerar para un estudio de
selección de atributos deben ser: radiación solar global, temperatura y humedad
ambiental, velocidad y dirección del viento, datos que pueden generarse a través
del software Meteonorm (Kumar et al., 2017), y la recopilación de tablas de mareas que se
encuentran en el repositorio digital del Instituto Oceanográfico de la Armada (INOCAR, 2016).
Variables energéticas.- Según (Zhang et al., 2018) los datos necesarios para analizar el desempeño
energético de un instalación solar requiere de: la energía rica de la red eléctrica
para consumo de servicios auxiliares, energía fotovoltaica generada por el
sistema y absorbida por el banco de baterías de la instalación y la energía
fotovoltaica entregada para consumo o sincronización hacia la red eléctrica. Además se debe considerar información relevante a la
generación eléctrica de otros sistemas de generación como instalaciones
eólicas, plantas termoeléctricas, centrales hidráulicas, entre las principales.
Variables sociales.- Se
consideran como variables sociales los movimientos humanos como migración y
turismo interno o externo que puede afectar al comportamiento del sistema en un
periodo determinado de tiempo. Esta información se encuentra disponible en la
página web de la Dirección del Parque Nacional Galápagos en los informes de
visitantes anuales (Galápagos., 2017).
Análisis de datos.- De acuerdo a Leary et al. (2017) la creación y gestión de una base de datos donde se
almacenen todas las variables históricas recopiladas y las variables auxiliares
y principales generadas con el proceso de identificación de parámetros, es uno
de los procesos que demanda mayor atención ya que desde ahí se generara los
análisis estadísticos que se requiera. Las variables ordenadas y filtradas se
deben procesar mediante el software libre WEKA (Waikato
Enviroment for Knowledge Analysis) desarrollado
por la Universidad de Waikato Hamilton, New Zealand, lo cual permitirá obtener los atributos más
influyentes en la operación del sistema y analizar sus resultados para emitir
conclusiones sobre el mismo.
3. Resultados
Las Islas Galápagos poseen una economía sensible que
se encuentra basada en el turismo por lo tanto existe una gran cantidad de
turistas nacionales y extranjeros que visitan las islas y requieren de
transporte marítimo entre ellas (Schiller et al., 2015). De acuerdo a Maggí et al. (2018), en el año 2015 se contabilizaron 70.451 pasajeros
nacionales y 154.304 pasajeros extranjeros que ingresaron a las Islas
Galápagos. Del total de pasajeros que ingresaron 173.487 el 77% ingreso por el
aeropuerto de Baltra y los 51.116 pasajeros restantes el 23% por la isla de San
Cristóbal. Las visitas de los turistas a las Islas se encuentran determinadas
por dos estaciones climáticas la cálida y lluviosa que va desde Enero hasta
Junio y la seca y fría que empieza en Julio y termina en Diciembre de cada año.
De acuerdo a lo mencionado existen dos temporadas turísticas en las Islas que
se las conoce como temporada alta que comprende los meses de Enero, Junio,
Julio, Agosto, Diciembre con un promedio de 19.370 visitantes y la temporada
baja Febrero, Marzo, Abril, Mayo, Septiembre, Octubre, Noviembre con un
promedio de 18.022 visitantes (Galápagos., 2017).
Para disminuir el daño ambiental que está realizando
el ser humano se ha implementado un modelo sostenible y renovable para el
transporte marítimo de pasajeros en las Islas reemplazando las barcazas
convencionales que son contaminantes con un prototipo tipo catamarán propulsado
por motores eléctricos alimentado por energía solar que se encarga de transportar
a los pasajeros provenientes del aeropuerto de la Isla Baltra a la Isla Santa
Cruz a través del canal de Itabaca. El
catamarán solar INER 1 puede transportar un máximo de 40 pasajeros sentados y 2
en silla de ruedas con su respectivo equipaje en 8 recorridos de 0.6 km cada
uno. Posee una potencia fotovoltaica instalada de 4.2 kWp con una capacidad de
almacenamiento de 11.5kWh @ 2h y un consumo máximo de 3kWh por día de la red
eléctrica de la isla Baltra la cual se basa en energía eólica. El canal de Itabaca
donde la embarcación realiza su actividad de transporte de pasajeros posee una
radiación solar directa promedio de 600 W/m2 como se muestra en la Fig. 2 (Moya et al., 2015).
Fig. 2. Gráfica Radiación solar vs Potencia
eléctrica.
Touati et al. (2017) en uno de sus trabajos menciona que uno de los
mayores problemas de las energías renovables es la intermitencia del recurso lo
cual impide la penetración de dicha energía en los sistemas de potencia. Para
contrarrestar esta restricción, se han desarrollado varios métodos de
predicción analizados en términos de su rendimiento de acuerdo al tipo de
tecnología en el que se requiera aplicar. Dichos sistemas de predicción
permiten estimar la cantidad de energía que puede producir una fuente renovable
en determinadas condiciones y escenarios de producción. (Salcedo-Sanz et al., 2018).
De acuerdo a Hatwaambo et al. (2009) la obtención de parámetros climatológicos en
lugares donde no se tiene acceso a una estación meteorológica como las Islas
Galápagos, es posible mediante de la plataforma Meteonorm ya que los cálculos
realizados a través de ella se encuentran basados en promedios de bases de
datos de alrededor de 1000 estaciones meteorológicas en el mundo en un periodo
de 10 años. Para la radiación solar el sistema brindan valores máximos en
condiciones en las que el cielo se encuentra despejado. Según Meteonorm, las
comparaciones de los valores de radiación solar muestreadas para períodos más
largos presentan una variación de menos del 2% para todas las estaciones
meteorológicas, pero los modelos matemáticos computacionales muestran un error
menor que la variación en la radiación total medida entre un año y el otro.
Okello et al. (2015) en su trabajo menciona que los datos climatológicos
derivados de la plataforma Meteonorm poseen muy pequeñas desviaciones ya que
sus modelos utilizan datos promedio de periodos entre (1985 - 2005), esto
permitió realizar análisis de sistemas fotovoltaicos con una alta precisión ya
que el rendimiento presentado en la simulación oscila entre los 5754 y 5771
kWh/año y los datos reales medidos por el inversor solar de la instalación
fotovoltaica es 5757 kWh/año.
EL análisis de datos mediante la selección de
atributos realizar una predicción de sus variables de más peso, dicho problema
ha sido investigado de forma amplia en los campos de la informática y
aprendizaje automático, donde recibe el nombre de Problema de selección de
características (FSP) (Salcedo-Sanz et al., 2018).
El método de selección de atributos permite utilizar
diferentes combinaciones de características y observar cual es el
comportamiento global del sistema (Chandrashekar et al., 2014).
De acuerdo a Jain et al. (1997), existen varios algoritmos para la selección de
atributos donde se considera la probabilidad del error como una función
dependiente del tipo de clasificador usado, el tamaño de los datos de
entrenamiento y los datos de prueba utilizados, su taxonomía es la siguiente:
·
Algoritmos determinísticos de una sola solución, (Guyon et al., 2003).
·
Algoritmos determinísticos de n soluciones, (Chandrashekar et al., 2014).
·
Algoritmos estocásticos de n soluciones, (Almaraashi, 2018).
·
Los algoritmos óptimos (Dash et al., 1997).
·
Algoritmo tipo Node Pruning (Leary et al., 2017)
Según Khmaissia et al. (2018), existen varios modelos predictivos propuestos y
analizados en base a su rendimiento para cada tecnología, en el estudio de los
sistemas de predicción una parte muy importante es la selección de las
variables de entrada más influyentes en
los resultados de un sistema de predicción.
4. Conclusiones
Los artículos científicos utilizados en la presente
revisión bibliográfica poseen la base teórica para necesaria para definir la
importancia de analizar variables como el recurso solar ya que debido a su
intermitencia ocasiona una baja producción de energía en los sistemas
fotovoltaicos y disminución de su eficiencia.
Se videncia que las variables climatológicas
seleccionadas son las más adecuadas para buscar su relación con la operación de
la embarcación ya que la mayoría de ellas afectan de forma directa o indirecta
en el desempeño energético y rendimiento de los motores eléctricos de la
embarcación.
Uno de los puntos más importantes en el estudio
desarrollado es la selección adecuada de los algoritmos de identificación ya
que requieren de una configuración específica donde sus resultados estadísticos
finales entreguen valores de correlación bajos. Existe muy poca información en
el estado del arte respecto a embarcaciones propulsadas por motores eléctricos
y energía solar, lo cual implica una excelente oportunidad para realizar
estudios enfocados en el área.
La identificación de los atributos que más afectan a
un sistema energético como la embarcación INER 1 permitirá elaborar planes de
mitigación y sistemas de control operacional que ayuden a incrementar la vida
útil de la embarcación.
En la actualidad la tecnología comercial para el
almacenamiento de energía aplicable en embarcaciones propulsadas por motores
eléctricos depende en su totalidad de bancos de baterías que poseen una
relación adictiva con el sistema mientras mayor distancia se debe recorrer más
grande debe ser el banco de baterías por lo tanto aumenta el peso y se debe
incrementar la potencia de los motores. En este contexto se está explorando
tecnológica basada en celdas de combustible de hidrogeno que podrían ser la
solución en el futuro.
Los estudios de análisis de ciclo de vida demuestran
que a pesar de que en el transcurso de la vida útil de una embarcación
eléctrica ahorre combustible y deje de emitir gases contaminantes al medio
ambiente si no se realiza una adecuada disposición de sus componentes
estructurales, eléctricos y químicos como las baterías podría llegar a
contaminar mucho más que una embarcación convencional que ha realizado un
adecuado proceso de reciclaje de sus partes internas.
Referencias bibliográficas
Almaraashi, M. (2018). Investigating the impact of
feature selection on the prediction of solar radiation in different locations
in Saudi Arabia. Applied Soft Computing, 66, 250-263. doi:https://doi.org/10.1016/j.asoc.2018.02.029
Bleicher, A. (2013). Solar sailor [Dream Jobs 2013 -
Renewables]. IEEE Spectrum, 50(2), 45-46. doi:10.1109/MSPEC.2013.6420144
Chandrashekar, G., & Sahin, F. (2014). A survey on
feature selection methods. Computers & Electrical Engineering, 40(1), 16-28.
Cuvi, N., & Guijarro, D. (2016). ¿ Una
trayectoria hacia la insustentabilidad? La movilidad terrestre en la isla Santa
Cruz, Galápagos. Revista Transporte y Territorio(15), 216-240.
Dash, M., & Liu, H. (1997). Feature selection for
classification. Intelligent
data analysis, 1(3), 131-156.
Galápagos., P. N. (2017). Informe anual 2017
visitantes a las áreas protegidas de Galápagos. Retrieved from http://www.galapagos.gob.ec/
García, J., Rangel, E., & Farías, M. (2013).
Informe Galápagos 2011-2012. DPNG, GCREG, FCD y GC. . In. Puerto Ayora.
GÜRSU, H. (2016). Solar And Wind Powered Concept
Boats: The Example Of Volitan. METU Journal of the Faculty of Architecture,
31(2).
Guyon, I., & Elisseeff, A. (2003). An introduction
to variable and feature selection. Journal of machine learning research,
3(Mar), 1157-1182.
Hatwaambo, S., Jain, P. C., Perers, B., &
Karlsson, B. (2009). Projected beam irradiation at low latitudes using
Meteonorm database. Renewable Energy, 34(5), 1394-1398. doi:https://doi.org/10.1016/j.renene.2008.09.011
Helling, R. K. (2017). The Role of LCA in Sustainable
Development. In M. A. Abraham (Ed.), Encyclopedia of Sustainable Technologies
(pp. 237-242). Oxford:
Elsevier.
INOCAR, I. O. d. l. A. (2016). Tabla de Mareas In:
INOCAR.
Jain, A., & Zongker, D. (1997). Feature selection:
Evaluation, application, and small sample performance. IEEE transactions on
pattern analysis and machine intelligence, 19(2), 153-158.
Jara-Alvear, J., Pastor, H., Garcia, J., Casafont, M.,
Araujo, E., & Calderon, E. (2013). Embarcaciones solares, una evolución al transporte
marino en las islas Galápagos, Ecuador. Paper presented at the 1st International congress and
scientific expo ISEREE.
Jurado, S., Nebot, À., Mugica, F., & Avellana,
N. (2015). Hybrid
methodologies for electricity load forecasting: Entropy-based feature selection
with machine learning and soft computing techniques. Energy, 86, 276-291. doi:https://doi.org/10.1016/j.energy.2015.04.039
Khmaissia, F., Frigui, H., Sunkara, M., Jasinski, J.,
Garcia, A. M., Pace, T., & Menon, M. (2018). Accelerating band gap
prediction for solar materials using feature selection and regression
techniques. Computational Materials Science, 147, 304-315. doi:https://doi.org/10.1016/j.commatsci.2018.02.012
Ko, N., & Gantner, J. (2016). Local added value
and environmental impacts of ship scrapping in the context of a ship's life cycle.
Ocean Engineering, 122, 317-321. doi:https://doi.org/10.1016/j.oceaneng.2016.05.026
Kumar, N. M., Kumar, M. R., Rejoice, P. R., &
Mathew, M. (2017). Performance analysis of 100 kWp grid connected Si-poly
photovoltaic system using PVsyst simulation tool. Energy Procedia, 117,
180-189. doi:https://doi.org/10.1016/j.egypro.2017.05.121
Leary, D., & Kubby, J. (2017). Feature Selection
and ANN Solar Power Prediction. Journal of Renewable Energy, 2017, 7.
doi:10.1155/2017/2437387
Ling-Chin, J., & Roskilly, A. P. (2016). A
comparative life cycle assessment of marine power systems. Energy Conversion
and Management, 127, 477-493. doi:https://doi.org/10.1016/j.enconman.2016.09.012
Lucas, A., Neto, R. C., & Silva, C. A. (2013).
Energy supply infrastructure LCA model for electric and hydrogen transportation
systems. Energy,
56, 70-80. doi:https://doi.org/10.1016/j.energy.2013.04.056
Maggí, P. D. E., Rodríguez, J. P. C., Litardo, J. E.
T., & Caviedes, E. C. E. (2018). ANÁLISIS DEL MERCADO TURÍSTICO DE LAS
ISLAS GALÁPAGOS: CASO CRUISING GALÁPAGOS. Observatorio de la Economía
Latinoamericana. doi:http://www.eumed.net/2/rev/oel/2018/02/mercado-turistico-galapagos.html
Moya, M., & Arroyo, D. (2015). Análisis de los
resultados de la operación del catamarán “Génesis Solar” en el estrecho de
Itabaca (Islas Galápagos). Congreso Internacional I+D+I, 2.
Muñoz Barriga, A. (2015). La contradicción del
turismo en la conservación y el desarrollo en Galápagos - Ecuador. Estudios y
perspectivas en turismo., 24(2), 399-413. doi:http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1851-17322015000200012&lng=es&tlng=es.
Okello, D., van Dyk, E. E., & Vorster, F. J.
(2015). Analysis
of measured and simulated performance data of a 3.2kWp grid-connected PV system
in Port Elizabeth, South Africa. Energy Conversion and Management, 100, 10-15. doi:https://doi.org/10.1016/j.enconman.2015.04.064
Salcedo-Sanz, S., & Cornejo-Bueno, L. (2018).
Feature selection in machine learning prediction systems for renewable energy
applications. Renewable and Sustainable Energy Reviews, 90, 728-741. doi:https://doi.org/10.1016/j.rser.2018.04.008
Schiller, L., Alava, J. J., Grove, J., Reck, G., &
Pauly, D. (2015). The demise of Darwin's fishes: evidence of fishing down and
illegal shark finning in the Galápagos Islands. Aquatic Conservation: Marine
and Freshwater Ecosystems, 25(3), 431-446.
Touati, F., Chowdhury, N. A., Benhmed, K., San Pedro
Gonzales, A. J. R., Al-Hitmi, M. A., Benammar, M., . . . Ben-Brahim, L. (2017).
Long-term performance analysis and power prediction of PV technology in the
State of Qatar. Renewable Energy, 113, 952-965. doi:https://doi.org/10.1016/j.renene.2017.06.078
Zhang, W., Dang, H., & Simoes, R. (2018). A new
solar power output prediction based on hybrid forecast engine and decomposition
model. ISA
Transactions. doi:https://doi.org/10.1016/j.isatra.2018.06.004