https://hdl.handle.net/20.500.12008/31530 2026-09-17T19:54:23Z https://hdl.handle.net/20.500.12008/56673 Título: Desempeño energético de la lana ovina aplicada como aislante térmico en programa de vivienda rural para la zona cálida de Uruguay Autor: Gonzalvez, Cecilia M.; Hongn, Marcos; Vitale, Gerardo Resumen: Por su conjunto de características y propiedades físicas, la lana ovina es un material con óptimas condiciones para ser utilizado como aislante térmico, es un excelente aislante acústico, tiene un bajo índice de toxicidad y es un material ignífugo. El objetivo de esta investigación es obtener un material apto para ser utilizado en obras edilicias, conocer sus propiedades térmicas y evaluar su desempeño. Para ello, se describen los resultados del proceso de acondicionamiento del material que permiten viabilizar su puesta en obra; se estudia su conductividad térmica a través de ensayos de muestras de distintas densidades; y finalmente se evalúa el desempeño energético de una vivienda aislada con lana ovina a través de la simulación de un modelo numérico. El material analizado arroja resultados que aseguran un comportamiento térmico adecuado de la lana en su función aislante. La masa térmica aislada es ampliamente beneficiosa como estrategia de diseño pasivo para los requerimientos del período frío, donde las horas de disconfort pueden ser reducidas entre un 30 y 55% respecto al caso base. Sin embargo, puede suponer un efecto de sobrecalentamiento de los locales durante el período caluroso, esto implica que es necesario optimizar el diseño edilicio para mejorar los requerimientos de confort en los espacios habitables.; Due to its set of characteristics and physical properties, sheep wool has optimal conditions for use as thermal insulation, it’s an excellent acoustic insulator, has a low toxicity index, and is fire-resistant. The aim of this research is to develop a material suitable for use in building construction, to understand its thermal properties, and to evaluate its performance. To this end, the results of the material conditioning process are described, which enable its practical application; its thermal conductivity is studied through tests on samples of varying densities; and finally, the energy performance of a dwelling insulated with sheep wool is studied through the simulation of a numerical model. The tests carried out confirm the adequate thermal behavior of wool as an insulation material. It can be concluded that insulated thermal mass is highly beneficial as a passive design strategy for cold-season requirements, with reduction in the percentage of discomfort hours between 30% and 55% compared to the base case. However, it may lead to overheating of indoor spaces during the warm season, implying the need to optimize architectural design to improve comfort requirements in living spaces. 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/56672 Título: Extrapolación espacial de un modelo de aprendizaje automático basado en imágenes satelitales para la estimación de la irradiancia global horizontal Autor: Iturbide, Paula; Orsi, Ximena; Stern, Valeria; Ronchetti, Franco; Alonso-Suárez, Rodrigo Resumen: La disponibilidad de estimaciones precisas de irradiancia solar en zonas sin mediciones directas resulta decisiva para el diseño y planificación de sistemas de energía solar. En este trabajo se analiza la capacidad de extrapolación espacial de un modelo empírico basado en redes neuronales artificiales (RNA) e imágenes satelitales, entrenado exclusivamente con datos de la estación de Luján, Argentina. Se evalúa su desempeño al aplicarlo en las estaciones de Paraná, Concepción del Uruguay y General Villegas, comparando las estimaciones con mediciones en tierra y con modelos físicos de referencia (CAMS y NREL). Los resultados muestran que el modelo mantiene un buen desempeño incluso en estaciones alejadas, con una ligera disminución en la precisión que se mantiene dentro de parámetros aceptables. En todos los casos, el modelo RNA supera en hasta un 16 % en términos de error cuadrático medio porcentual (RMSEn) a las estimaciones de CAMS y NREL. Al analizar los errores por condición de cielo, el modelo RNA obtiene los mejores resultados en cielo nublado y parcialmente nublado. En días despejados presenta un rendimiento inferior al de los modelos físicos, lo que es esperable porque no incorpora información de aerosoles o vapor de agua, ni en forma directa como entrada ni a través de un modelo de cielo claro. Estos hallazgos permiten tener mayor confianza en un enfoque basado únicamente en imágenes satelitales y su potencial para ser aplicado en regiones con escasa infraestructura de medición.; The availability of accurate solar irradiance estimates in areas without ground measurements is crucial for the design and planning of solar energy systems. This study analyzes the spatial extrapolation capability of an empirical model based on machine learning (ANN) and satellite imagery, trained exclusively with data from the Luján station in Argentina. Its performance is evaluated by applying it to the stations of Paraná, Concepción del Uruguay, and General Villegas, comparing the estimates with ground-based measurements and with two physical reference models (CAMS and NREL). The results show that the model maintains very good performance even at distant stations, with only a slight decrease in accuracy that remains within excellent parameters. In all cases, the model outperforms CAMS and NREL estimates by up to 16% in terms of normalized root mean square error (RMSEₙ). When analyzing errors by sky condition, the ANN model performs best under cloudy and partly cloudy conditions. On clear-sky days, it performs worse than physical models, which is expected given that it does not incorporate solar geometry variables or a clear-sky model as inputs. These findings highlight the robustness of the approach based solely on satellite imagery and its potential for application in regions with limited measurement infrastructure 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/56667 Título: Site adaptation of satellite-based GHI and DNI using clustered features and combined local-global modeling Autor: Miranda, Diego Rodrigues de; Salazar, Germán; Alonso-Suárez, Rodrigo; Costa, Alexandre; Costa, Renan Soares Siqueira; Ing Ren, Tsang; Vilela, Olga Castro Resumen: Estimating solar irradiance over several years is essential for assessing large-scale photovoltaic and heliothermic projects. The usual way to achieve this is to adapt long-term satellite-based solar irradiance estimates for specific locations using short-term ground measurements. In this context, a novel site adaptation method is proposed for global horizontal irradiance (GHI) and direct normal irradiance (DNI) based on a two-level modelling strategy incorporating both clustered and unclustered features. These lead to global and local models, which are evaluated separately and in combination. Input variables are provided by the Copernicus Atmosphere Monitoring Service Radiation Service (CAMS) and ECMWF ERA5- Land. The method is tested at four locations – El Rosal and Salta (Argentina), Petrolina (Brazil), and Gobabeb (Namibia), addressing sites in the Southern Hemisphere with similar climates, but different latitudes and satellite viewing angles. A new non-supervised sky conditions classification method is proposed for the local models using the clear sky index, a variability index, and Kernel Density Estimation. This classification forms an integral part of the siteadaptation procedure by capturing local cloud-irradiance interactions. For GHI at 15-minute resolution, the method improves accuracy relative to CAMS at locations near the edge of the Meteosat Second Generation field of view satellites, with RMSE reductions of 26.2% (El Rosal) and 4.8% (Salta). For DNI in Petrolina and Gobabeb, the local and combination models outperform CAMS model, achieving RMSE reductions of 10.2% and 5.8%, respectively. Combination models present the more accurate results as they use the global, local, and CAMS outputs as input variables. 2026-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/56496 Título: Detección georreferenciada de gases traza en la refinería de Montevideo Autor: Silva, Adriana; Barragán, Roberto C.; Coronato, Marco; Osorio, Matías; Agesta, Alejandro; Casaballe, Nicolás; Rivera, Claudia; Seidel, Selena; Velasco, Lucía; Frins, Erna Resumen: La refinería Eduardo Acevedo Vázquez (comúnmente denominada “La Teja”) de ANCAP, ubicada al noroeste de la bahía de Montevideo, es de suma importancia para el suministro energético de Uruguay, ya que es clave en la producción de una amplia gama de combustibles, solventes, asfaltos y lubricantes. Sin embargo, su naturaleza industrial conlleva el riesgo de que sus emisiones puedan modificar la calidad del aire local. Por ejemplo, el dióxido de nitrógeno (NO₂) es un gas atmosférico comúnmente presente en este tipo de entornos, generado durante procesos de combustión a altas temperaturas, como los que ocurren en calderas, hornos y antorchas utilizadas para procesar hidrocarburos [1]. Entender y estudiar estas emisiones es de particular importancia, dado que el NO₂ es un precursor para la formación de otros potenciales compuestos contaminantes relevantes. La Espectroscopia de Absorción Óptica Diferencial (DOAS, en inglés) es un método ampliamente usado para teledetección y cuantificación de gases traza atmosféricos que presentan estructuras características de absorción en el rango ultravioleta y visible. El análisis de la radiación solar adquirida permite identificar y cuantificar compuestos como el NO₂ a partir de sus firmas espectrales [2]. El método DOAS para detección desde tierra puede realizar las observaciones desde plataformas estáticas o móviles. DOAS móvil emplea espectrómetros montados en vehículos en movimiento, lo que permite realizar estimaciones a tiempo real de la densidad de columna de diferentes gases presentes en entornos urbanos e industriales, así como su georreferenciación. Esta técnica ha demostrado ser útil para estudios de emisiones en zonas cercanas a fuentes puntuales de emisión como refinerías, centrales térmicas o lugares con tránsito intensivo [3,4]. En este trabajo presentamos resultados preliminares de mediciones realizadas con DOAS móvil para la detección de gases traza en las instalaciones de la refinería de ANCAP. Sobre un automóvil se instaló un telescopio observando a cenit, conectado por una fibra óptica a un espectrómetro, y este último a una computadora portátil. Este arreglo experimental fue usado para circular en el interior y los alrededores de la refinería durante varias fechas siguiendo distintas rutas. A partir de la información obtenida en estos recorridos, generamos mapas georreferenciados que muestran las columnas de gases traza detectados, confirmando la presencia de NO₂ y formaldehído (HCHO) que fue utilizado como trazador de la presencia de compuestos volátiles orgánicos. Además, al considerar factores como la dirección del viento, no solo se identificaron las fuentes de emisión en la refinería que coincidieron con las mediciones realizadas, sino que también se mapeó el transporte de los gases y su interacción. Finalmente, se detectó la presencia no anticipada de ácido nitroso en la atmósfera, lo que sugiere la necesidad de un análisis más detallado. 2025-01-01T00:00:00Z