REVISIÓN DE LA LITERATURA ACTUAL

Existe una gran variedad de métodos usados para identificar sitios con mejores condiciones para la generación de energía solar en distintos lugares del mundo. Por ejemplo, autores como ^{Al Garni y Awasthi (2018)}, ^{Suprova et al. (2020)} y ^{Malemnganbi y Shimray (2020)}, recopilan artículos que tienen este objetivo para diferentes formas de aprovechamiento de la radiación solar. Los autores encuentran que el proceso analítico jerárquico (AHP, por sus siglas en inglés), solo o integrado a otro método, es la forma más utilizada de los métodos de análisis de decisión multicriterio (MADM).

Algunas de las ventajas del AHP, es que puede tratar con problemas complejos (^{Elkarmi y Mustafa, 1993}), permite evaluar alternativas para cumplir con un objetivo definido (^{Ozdemir y Sahin, 2018}), y es una metodología sencilla en su aplicación e interpretación, pero con fundamentos robustos (^{Khemiri et al., 2018}) que se sustentan en la experiencia de expertos para determinar la importancia relativa de los factores que afectan el objetivo (^{Vaidya y Kumar, 2006}).

A su vez, el AHP se puede usar junto con distintos métodos para obtener resultados más confiables y robustos (^{Koc et al., 2019}), como es el caso de los sistemas de información geográfica (GIS por sus siglas en inglés), que complementan a los AHP al manejar y procesar los datos de entrada, así como visualizar los resultados (^{Taibi y Atmani, 2017}). Los GIS-AHP son una herramienta eficiente para evaluar la factibilidad de las características de un lugar para cumplir con un objetivo específico, especialmente en el aspecto costo-eficiencia (Chandio et al., 2012).

De esta forma, las aplicaciones de GIS-AHP para analizar y buscar cumplir con objetivos espaciales específicos ha aumentado (^{Al Garni y Awasthi, 2018}; Chandio et al., 2012), sin embargo, existen relativamente pocas investigaciones que usan un GIS-AHP para la selección de sitios con mejores condiciones para la generación de electricidad con base en el proceso fotovoltaico (Colak et al., 2019).

Cabe mencionar que los diferentes autores mencionados previamente (^{Solangi et al., 2019}; ^{Al Garni y Awasthi, 2017}; ^{Malemnganbi y Shimray, 2020}; ^{Suprova et al., 2020}; ^{Al Garni y Awasthi, 2018}), solo en unos pocos casos mencionan que se trata de un GIS en conjunto con el AHP (GISAHP) y ninguno de los que presentan los lugares geográficos, contemplan a Sonora o México para el cumplir con este objetivo.

Existen pocos estudios que abordan la estimación de electricidad usando EF. ^{Huld y Gracia Amillo (2015)} estudian el papel de diferentes variables para la estimación de electricidad usando tecnología fotovoltaica en regiones geográficas grandes. Los autores encuentran que existe un fuerte efecto en la eficiencia de las celdas solares con relación a la radiación solar, temperatura y, en menor grado, la velocidad del viento en el sitio.

Por su parte, ^{Ropp et al. (1997)} plantean una ecuación para la estimación de la eficiencia solar con relación a la temperatura de las celdas solares durante su operación. ^{Chung (2020)} realiza estimaciones de electricidad complementando dicha ecuación con otra para estimar la temperatura de la celda y encuentra que la modelación se acerca a los valores reales tanto con radiación medida como estimada. ^{Ayvazoğluyüksel y Filik (2018)} comparan el método anterior con otros, también complementado con ecuaciones para la estimación de la temperatura de la celda considerando tanto la temperatura ambiente como la velocidad del viento, y encuentran poca diferencia entre los diversos instrumentos empleados.

En cuanto a la literatura de las plantas fotovoltaicas en Sonora, la revisión arrojó que existe una importante carencia en el desarrollo de este tema, sin embargo, se lograron identificar algunas referencias. Una es ^{Engie (2018)}, donde se menciona que la radiación promedio del sitio y la cercanía a la red eléctrica nacional son factores relevantes para la selección del sitio. De forma similar, los informes de dos plantas fotovoltaicas para obtener financiamiento del Banco de Desarrollo de América del Norte -BDAN- (^{BDAN, 2017}, ^2017a), hacen alusión a la importancia de la alta radiación incidente en el sitio como factor de selección.

INTRODUCCIÓN

La transición energética consiste en transitar al uso de energías renovables para disminuir la participación de las energías tradicionales. A diferencia de las primeras, las energías tradicionales son fuentes finitas con mayor grado de daño al medio ambiente y la humanidad por la aceleración que producen en la generación de gases de efecto invernadero, incrementando con ello el calentamiento global del planeta (^{Barasa y Olanrewaju, 2022}; ^{Kyriakopoulos et al., 2022}; ^{IPCC, 2021}).

En este escenario, las renovables son el recurso necesario para sustentar una civilización con crecientes necesidades energéticas, que también requiere mantener un equilibrio con el mundo en el que vive (^{IRENA, 2018}; ^{IPCC, 2012}). Según ^{IRENA (2019)}, la energía fotovoltaica será la fuente renovable más relevante en las próximas décadas, si se quiere llegar a un escenario positivo en cuanto a la mitigación del cambio climático. En su caso, México tiene una locación geográfica privilegiada en términos de esta energía, ya que cuenta con algunas de las zonas con mayor radiación solar en el mundo, en promedio cada día recibe 5.5 kWh/m², llegando a 6.12 kWh/m² en el verano (^{ProMéxico, 2017}; Limón, 2017; ^{IRENA, 2015}; ^{GIZ, 2018}).

Aunque no se ha probado, se estima que el país tiene la posibilidad de producir hasta 6 500 000 GWh al año (INERE en ^{GIZ, 2018}). Para ponerlo en perspectiva, en el año 2020 el país consumió 267,340 GWh de electricidad (^{Expansión, s.f.}), por lo que la capacidad de generación de electricidad fotovoltaica mexicana es más de 24 veces su consumo total eléctrico. Sin embargo, la electricidad producida con el proceso fotovoltaico sigue siendo marginal en el país, debido su poca explotación comercial a gran escala (^{ProMéxico, 2017}; ^{IRENA, 2015}). En 2016 el uso de radiación solar para generar electricidad representó solo el 0.5% del total energético producido en nuestro país (^{ProMéxico, s.f.}).

Cabe mencionar en especial que Sonora y Baja California Sur tienen una radiación solar incidente promedio de 6.2 kWh/m² diarios (^{González García, 2019}). Tan solo en Sonora se estima que el 0.29% de su territorio es suficiente para abastecer toda la demanda eléctrica que existía en el país en 2017 (^{González García, 2019}). Aunque este cálculo se hizo sin considerar características espaciales, que afectan la eficiencia de las celdas, por lo que los cálculos pueden tener sobreestimaciones (^{González García, 2019}).

Esta investigación analiza el potencial de energía fotovoltaica en Sonora, México, por varias razones. La primera de ellas es que, de acuerdo con diversos autores, Sonora tiene uno de los potenciales fotovoltaicos más elevados del mundo (^{Taddei et al., 2014}; ^{Universidad de Sonora, s.f.}; ^{Arancibia-Bulnes et al., 2014}), lo que representa un área de oportunidad para México, si se desarrolla energía que aproveche la radiación solar. Otra de los motivos es que han existido una serie de proyectos públicos que buscaban, junto con la iniciativa privada, poner a esta entidad federativa en la frontera de la generación de esta energía en el país, lo cual habla del interés de diversos actores para desarrollarla (^{Comité de Energía de la Comisión Sonora-Arizona, 2017}; ^{COEES, 2018}; ^{CENACE, 2016}). Por último, no existen datos meteorológicos libres a nivel nacional, pero gracias a las Redes Meteorológicas Automáticas de Sonora, las cuales son parte del Comité Estatal de Sanidad Vegetal de Sonora-Sistema de Alerta Fitosanitaria del Estado de Sonora (^{CESAVE-SIAFESON, 2020}), se tienen datos meteorológicos que permiten identificar las zonas con mejores condiciones para la generación de energía fotovoltaica.

El objetivo general de esta investigación es evaluar la cantidad de energía fotovoltaica potencial que se puede generar en Sonora. Por su parte, los objetivos específicos son:

La metodología propuesta para identificar los sitios con mejores condiciones para la producción de electricidad vía el proceso fotovoltaico propone primero aplicar el GIS-AHP, que contempla lugares donde no es posible instalar plantas fotovoltaicas y las variables espaciales que afectan la generación de esta energía. Posteriormente, se aplican ecuaciones simples que usan la radiación solar incidente y otras variables que afectan la tecnología fotovoltaica para estimar qué tanta electricidad fotovoltaica se puede producir en estos sitios.

En general, los resultados del trabajo son que 35.85% del espacio en Sonora es apto para producir electricidad vía el proceso fotovoltaico. Y sería suficiente el 0.58% de este territorio, equivalente a 1081 km², para satisfacer el consumo total de electricidad mexicano del año 2020 (^{Expansión, s.f.}).

METODOLOGÍA

La Figura 1 resume el diseño metodológico de la investigación, mostrando las diferentes variables que se emplearon en este trabajo, las fuentes de donde se obtuvieron los datos, los principales procedimientos analíticos seguidos, así como las delimitaciones espaciales del estudio.

Fuente: elaboración propia.

Nota: los cuadrados significan insumos, los cuadrados sin esquinas son explicaciones para mayor detalle y los decágonos son resultados.

Figura 1 Mapa de insumos-procesos-resultados de la metodología de investigación. 

En una primera instancia cabe mencionar que los datos meteorológicos, como radiación solar, duración de la luz solar, temperatura, humedad relativa y velocidad del viento, se obtienen gracias a las Red de Estaciones Meteorológicas Automáticas de Sonora (REMAS), que son parte del ^{CESAVE-SIAFESON (2020)}. Estos datos corresponden al periodo del 1º de enero 31 de diciembre de 2019. Se cuenta con 97 puntos de medición, de las cuales se emplearon el 80%, equivalente a 78 estaciones, para aplicar los métodos de interpolación espacial y 20% para probar qué tan buena es la estimación.

Los métodos de interpolación espacial usados son la distancia inversa ponderada (IDW, por sus siglas en inglés), el kriging ordinario, el kriging simple, la regresión kriging y un método propuesto en esta investigación, denominado Regresión basado en Distancia Inversa Ponderada (IDW), que es un método propuesto en este trabajo, en el cual se aplica una regresión con una variable espacial explicativa aplicándose con algebra de mapas. Paso siguiente, se emplea el método IDW sobre el error de la regresión en su forma de datos espaciales y, por último, se suma la parte determinística de la regresión con el error estimado.

Las métricas de error que se usan para comparar la precisión de la estimación de los métodos de interpolación espacial son:

En las ecuaciones anteriores N es el total de observaciones, y_n es el registro real de radiación solar en la estación de prueba y f_n es el valor de la interpolación espacial en el mismo lugar.

El resto de los criterios de selección se obtienen de diferentes fuentes de información. En el caso de la elevación del terreno del Continuo de Elevaciones Mexicano de ^{INEGI (s.f.)}, la inclinación y la orientación del terreno se estimaron con los datos de elevación con la técnica geodésica de su método respectivo en el software Arcmap. Las vialidades se tomaron de la Red Nacional de Caminos obtenida de ^{INEGI (2020)}, las manchas urbanas y rurales respectivas de ^{INEGI (2016)} y las líneas de transmisión eléctrica de ^{CENACE (2016)}. El método de proximidad empleado para estas tres variables fue el de camino-distancia del software Arcmap.

DATOS DE LA INVESTIGACIÓN

Los datos meteorológicos se obtienen gracias a ^{CESAVE-SIAFESON (2020)}. SIAFESON es un proyecto que tiene como objetivo proporcionarles a los productores agrícolas las herramientas para estar preparados contra posibles eventualidades que tengan una causa meteorológica, como heladas, plagas, entre otros (^{SIAFESON, s.f.}).

En el pasado, Sonora contaba con la red Agroson, que era la fuente de datos meteorológicos más importante de la entidad, no obstante, un diagnóstico efectuado en 2011 reveló que se encontraba en condiciones inadecuadas para garantizar su funcionamiento, por lo que SAGARHPA encargó su cuidado y mantenimiento al CESAVE, que contaba con personal e infraestructura para mantener la red a partir de octubre de 2014, renombrada REMAS, y a la cual se le han agregado estaciones con el paso del tiempo (^{CESAVE-SIAFESON, s.f.a}).

De esta forma, la REMAS tiene el propósito de generar, procesar, almacenar e informar sobre datos meteorológicos (^{CESAVE-SIAFESON, 2020}). Para ello se cuenta con más de 100 estaciones meteorológicas repartidas a lo largo de la entidad (^{CESAVE-SIAFESON, 2020}).

Cada estación meteorológica consiste en un sensor de viento, un sensor de radiación solar (LP02), un panel solar para dar energía a la estación, una unidad de transmisión remota, un sensor de temperatura y humedad (TR1), un barómetro (BP1), un pluviómetro y un sensor de suelo (^{CESAVE-SIAFESON, 2017}). M´ss detalles de la estación se pueden apreciar en la Figura 2.

Fuente: ^{CESAVE-SIAFESON (2017: 3)}.

Figura 2 Estación meteorológica de REMAS. 

El sensor LP02 es de clase C (segunda clase), espectralmente plano, que se alinea al ISO 9060:2018 y monitorea el espectro solar completo (^{Campbell Scientific, s.f}). Cuenta con una termopila que permite su uso en condiciones desfavorables, como días nublados, con rayos reflejados, bajo sombra, entre otros (^{Campbell Scientific, s.f}).

En ^{CESAVE-SIAFESON (s.f.)} se presentan diversos documentos para la correcta limpieza de los elementos que conforman la estación meteorológica, cambio de baterías, conexiones de la unidad de transmisión remota (necesaria para enviar la información captada), entre otros. De acuerdo con ^{CESAVE-SIAFESON (s.f.a)}, las estaciones se visitan cada 15 días, para revisar su condición, así como realizar procedimientos de limpieza y mantenimiento.

El cambio de los sensores se realiza cada cuatro años, siguiendo especificaciones del productor.

Sobre los datos de ^{CESAVE-SIAFESON (2020)}, el comportamiento de la radiación solar es diferente a la mayoría de los demás fenómenos meteorológicos, ya que solo se tienen valores las horas del día con sol visible, es decir, la radiación solar es prácticamente nula durante la noche. Se probaron distintos valores mínimos de radiación solar para observar el comportamiento de la radiación solar, horas de luz solar y la generación vatios/m² y vatios-hora/m². Los resultados se presentan en la Tabla 1. Las 97 estaciones empleadas para este trabajo, separadas en estaciones para realizar interpolación espacial y para probar métodos, se observan en la Figura 3.

Fuente: elaboración propia con base en datos de ^{CESAVE-SIAFESON (2020)}.

Figura 3 Estación meteorológica de REMAS. 

Una primera aclaración es que las horas de luz solar no son una variable medida por las estaciones de ^{CESAVE-SIAFESON (2020)}, pero es posible inferir la variable al contar las horas en las que se tiene una radiación solar mayor a un cierto límite para cada estación.

De la Tabla 1 se aprecia que, conforme aumenta el valor límite de radiación solar, mayor es la radiación solar promedio diaria, así como la generación de electricidad vía el proceso fotovoltaico en vatios/m², sin embargo, las horas luz y la generación por día en vatios-hora/m² disminuye. Lo anterior tiene lugar debido a que, conforme mayor es el límite, mayor es el promedio de radiación solar, pero disminuyen las horas diarias de luz a esos valores.

Para esta investigación se eligió el valor límite de 100 vatios, debido a que ofrece un valor más representativo de la radiación solar promedio al día con respecto al valor promedio de radiación solar por hora, considerando que existen horas de radiación solar muy bajas, las primeras y últimas del día, así como horas con promedios de radiación solar muy altas en el mediodía. Por ello, se estableció un límite de radiación solar mínima para el cálculo del promedio, con el fin de eliminar las horas del día con niveles muy bajos de radiación solar.

Un ejemplo de estos problemas es que había estaciones con datos cercanos a 0 en horas con poco o nula luz solar, que, de incluirlo en los datos, haría que la estación tuviera horas de sol al día mayores a las que realmente tiene, por lo que la generación por día podría ser considerablemente más alta de la real.

Los promedios diarios de la temperatura, velocidad del viento y humedad relativa también corresponden solo a las horas en las cuales se tiene radiación solar mayor a 100 vatios. De forma que estas variables serán más representativas de la parte del día en las que estaría funcionando la tecnología fotovoltaica.

Para analizar la consistencia de los datos, primero se analizó el número de observaciones de cada estación. Solo cuatro estaciones obtuvieron menos de 3500 observaciones por hora, dos cerca de 3000 y dos de 3400, que se mantuvieron debido a que se encuentran en zonas con pocas estaciones y que el promedio de sus variables era similar al de las demás.

Criterios de exclusión

En la Figura 4 se presenta tanto el polígono que representa a Sonora como los lugares donde sería posible poner plantas fotovoltaicas, es decir, se quitan los sitios de exclusión del polígono del estado. El resultado es que, alrededor de 115 998 282 598.79 m² no son adecuados para instalar plantas solares. En total, Sonora cuenta con 180 840 617,117 m² y 35.85% del territorio esta fuera de los criterios de exclusión.

Fuente: elaboración propia con datos de ^{CONANP (2021}, ^2021a), ^{CENACE (2016)} e ^{INEGI (2009}, ²⁰¹⁶, ^2016a, ²⁰¹⁷, ²⁰²⁰, ^s.f.).

Figura 4 Sonora sin sitios de exclusión. 

Los criterios de exclusión son las líneas de transmisión (^{CENACE, 2016}), los patrimonios de la humanidad (^{CONANP, 2021a}), las áreas naturales protegidas (^{CONANP, 2021}), los sitios de vegetación nativa y vida (^{INEGI, 2017}), los cuerpos de agua (^{INEGI, 2009}), las manchas urbanas y rurales (^{INEGI, 2016}), la propiedad social que se encuentra en la carta catastral de Sonora (^{INEGI, 2016a}), La red vial (^{INEGI, 2020c}), lugares con una inclinación mayor a 10 grados (^{INEGI, s.f.}), y los sitios turísticos, religiosos, aeropuertos y otros (^{INEGI, 2020c}).

Identificación de los sitios óptimos

La estimación de la cantidad de electricidad generada a través del proceso fotovoltaico se realizó en dos etapas. Primero se identificaron las zonas óptimas para la instalación de plantas/celdas solares y, en una segunda fase, se estimó de la cantidad de electricidad potencialmente puede ser producida con celdas fotovoltaicas. Para la identificación de las zonas óptimas de instalación de plantas/celdas solares, se determinaron los criterios de selección de factores que influyen en el funcionamiento de la tecnología fotovoltaica. Estos dependen principalmente de tres categorías de análisis: climatología, topografía y proximidad (^{Doorga et al., 2018}).

Una vez seleccionados los criterios, se llevó a cabo el Proceso Analítico Jerárquico para la ponderación de los factores geolocalizados que afectan la generación de energía fotovoltaica, después de excluir los lugares donde no es posible instalar esta tecnología (^{Alami et al., 2018}; ^{Doorga et al., 2018}).

El funcionamiento del AHP-GIS se sustenta en la estimación de ponderaciones prioritarias de una serie de criterios en una matriz cuadrada de comparación de pares múltiples; dicha matriz es positiva y, si los pares de comparación son totalmente consistentes, es recíproca (^{Amini y Amin, 2016}). Los elementos de decisión se comparan en pares en términos de su importancia relativa, que se determina en una escala de nueve puntos, llamada “Escala Fundamental de Saaty” (^{Bottero et al., 2011}). La definición e implicación de la escala de intensidad de nueve puntos se presentan en la Tabla 2.

Tabla 2 Definición e implicación de la escala de intensidad de nueve puntos. 

Intensidad del peso relativo	Definición	Implicación
1	De igual importancia	Dos criterios contribuyen igualmente a los objetivos
3	Moderada importancia	Un criterio contribuye ligeramente más que otro
5	Importancia fuerte	Un criterio contribuye significativamente más que otro
7	Importancia muy fuerte	Un criterio contribuye muy significativamente más que otro
9	Importancia extrema	Un criterio contribuye extremamente más que otro
2, 4, 6, 8	Valores intermedios	Se emplean para representar compromiso entre las prioridades enlistadas arriba

Nota: propiedad de reciprocidad, si un criterio i tiene asignado un número no cero en comparación con j, entonces j tiene un valor recíproco al compararse con i (^{Doorga et al., 2018}; ^{Amini y Amin, 2016}).

Fuente: elaboración propia con base en ^{Doorga et al. (2018)}.

Una vez que se dieron valores a las matrices de comparación, los pesos relativos de los elementos de cada criterio de selección con respecto a un elemento adyacente del próximo criterio se designan como componentes del eigenvector asociado al eigenvalor más grande de la matriz de comparación (^{Bottero et al., 2011}). Las inconsistencias salientes del método de eigenvector se determinan por el Índice de Consistencia (CI, por sus siglas en inglés) como (^{Doorga et al., 2018}):

CI=λmax-nn-1

Donde λ_max es el máximo eigenvalor y n es el número de columnas o renglones en la matriz de selección o ponderación. Además, del método de eigenvector se desprende una medida natural de consistencia, denominada Ratio de Consistencia (CR por sus siglas en inglés) y se expresa como (^{Bottero et al., 2011}):

CR=CIRI

RI es el Índice Aleatorio (RI, por sus siglas en inglés) del índice de consistencia, en escala de nueve puntos, generado aleatoriamente por una matriz recíproca (^{Amini y Amin, 2016}), es decir, se generan matrices aleatorias con los números 19,18,…,1,…,8,9, y se obtiene el índice de la matriz (^{Teknomo, 2006}). Por lo general, el proceso se repite al menos 500 veces para obtener un RI confiable (^{Teknomo, 2006}).

Según ^{Amini y Amin (2016)}, el CR donde RI es función del tamaño de la matriz y CR es menor a 0.1 o 10% es el límite aceptable, en caso de no cumplirse se debe revisar y ajustar la metodología.

Una vez aplicado el proceso analítico, se obtienen los valores de ponderación de los criterios de selección, los cuales representan la importancia relativa de esos criterios.

Cabe mencionar que, dentro de esta metodología, se considera que los expertos o tomadores de decisiones lleven a cabo la asignación de los pesos relativos con base en el contexto del lugar y fenómeno de estudio, porque en realidad no existe un protocolo general para aplicar estas herramientas (^{Doorga et al., 2018}).

Por último, para la identificación de sitios más factibles para producir EF, se emplea el método de Ponderación de Combinaciones lineales (WLC, por sus siglas en inglés), que se usa para combinar las capas ráster resultantes del proceso de jerarquización y reclasificación de los criterios de evaluación usando el entorno GIS (^{Doorga et al., 2018}).

La superposición ponderada es un análisis combinatorio relativamente simple en el que se asignan pesos a los factores causales en su relación con el objeto de estudio (^{Pardeshi et al., 2013}). Para determinar la significancia estadística y el valor numérico del peso relativo de los aspectos causales se usa la función de discriminación bi-variada, que tiene la siguiente forma (^{Nagarajan et al., 2000}; ^{Doorga et al., 2018}; ^{Malczewski, 2000}):

SAi=w1Xi1+w2Xi2+w3Xi3+…+wnX

Lo cual se puede expresar como:

SAi=∑j=1nwjXij

Donde SA_i es el indicador de idoneidad para el i-ésima área, es decir, el indicador resultado de sumar los criterios de selección (en este caso, las variables espaciales interpoladas) multiplicados por su peso relativo; w_j es el peso relativo de criterio j; X_ij es el valor estandarizado del criterio de selección j en el área i, y n es el número total de criterios de evaluación (Malczewski en ^{Doorga et al., 2018}; ^{Malczewski, 2000}).

Generación de energía eléctrica en los sitios óptimos

La cantidad de energía eléctrica por hora generada por m² en condiciones de sitio es principalmente estimada con una ecuación basada en ^{Obukhov et al. (2017)}, multiplicada por el número de horas luz, que es:

W=S*n1*n2*Hluz

Donde W es la cantidad de energía eléctrica estimada (Wh/m²), S es la intensidad promedio de radiación solar por unidad de área (W/m²), n₁ es la eficiencia de las celdas (cantidad de luz solar que se convierte en electricidad sobre el total de luz solar incidente), H_luz es el número de horas de luz solar que se tienen en promedio al día y n₂ es la eficiencia de la conversión de energía (cantidad de electricidad que se transmite a la red eléctrica sobre el total de electricidad generado), que en se toma de 96% con referencia en ^{Chung (2020)}. Esta ecuación tiene el supuesto de que hay celdas solares en toda área usable.

Para mejores estimaciones, se usa la ecuación de la eficiencia de las celdas solares de ^{Ropp et al. (1997)}, también usada en investigaciones como ^{Chung (2020)} y ^{Omran (2010)}, que tiene la forma siguiente:

n1=nstc*1+KT*Tc-TSTC

La eficiencia máxima de la celda a temperatura de prueba en condiciones estándares (n_stc) se toma como 15.34%, siguiendo a ^{Chung (2020)}, el coeficiente termal de la celda solar (K_T) es de -0.0037°C^-1 (^{Ropp et al. 1997}, ^{Omran, 2010}), T_c es la temperatura de la celda solar y T_STC es la temperatura de prueba en condiciones estándar de la celda, que generalmente es de 25°C (^{Ropp et al., 1997}; ^{Chung, 2020}; ^{Omran, 2010}).

La ecuación de ^{Faiman (2008)}) se usa para predecir la temperatura de la celda, que es:

Tc=Tamb+SUo+U1*Wc

Donde T_amb es la temperatura ambiente, W_c es la velocidad del viento en la celda, U₀ y U₁ son constantes de la ecuación. Aquí U_o se tomó de 25 y de 6.84 (^{PVPMC, 2018}; ^{pvlib Python. s.f.}). La estimación de la velocidad del viento en la celda está dada como (^{Huld y Gracia Amillo, 2015}):

Wc=dcdane0.2*Wane

Con d_c es la altura de la celda solar, W_ane y d_ane son la velocidad del viento y la altura del anemómetro. Para la altura de la celda se emplearon los valores de 0.2 y 0.5 m (^{PurePoint Energy, 2020}). La altura de la medición de la velocidad del viento es de 3 m de acuerdo con ^{CESAVE-SIAFESON (2020)}.

RESULTADOS

Antes de comenzar con la matriz de pesos relativos de los criterios de selección, fue necesario hacer una reclasificación de los valores de estas variables. Esta reclasificación es necesaria para aplicar el proceso de estandarización que permite sobreponer y comparar las capas en las que se representan los criterios de selección. A su vez, la estandarización permite asignar la intensidad del peso relativo de cada variable de acuerdo con su relación con el proceso fotovoltaico (^{Doorga et al., 2018}). En este caso se siguió a ^{Doorga et al. (2018)} y se clasificaron las variables en un rango de 1 a 9. Esta reclasificación va progresivamente de menor a mayor idoneidad. Los rangos de clasificación se obtuvieron usando nueve clases de rupturas naturales (Jenks) en Arcmap, debido a que lo emplean estudios similares, como ^{Wong et al. (2016)}, ^{Magar et al. (2023)} y ^{Beriro et al. (2022)}, así como porque es mejor en un rango de 7-10 clases (1967).

En la Figura 5 se muestran los mapas de los diferentes criterios de selección, con excepción de la inclinación del terreno, que por sus características solo puede mapearse en los sitios con valores menores a los 10 grados. Cabe recordar que el análisis de la información vertida en los mapas se refiere a los sitios donde es posible establecer plantas fotovoltaicas.

Fuente: elaboración propia con datos de ^{CESAVE-SIAFESON (2020)}, ^{CENACE (2016)}, ^{INEGI (2016}, ²⁰²⁰ y ^s.f), ^{The European Space Agency (s.f.)}, ^{Solargis (2017)} y ^{USGS (s.f.)}

Figura 5 Criterios de selección reclasificados (parte 1). 

En la Tabla 3, la columna sitios presenta los pesos relativos de los criterios de selección después de usar la escala de Saaty. Por su parte, la columna que se llama sitios con velocidad del viento agrupa a todos estos criterios, pero se agrega la velocidad del viento, como criterio de selección de los sitios más factibles.

En ambos casos, el ratio de consistencia fue muy cercano a 0, por lo que se considera dentro del límite aceptable en términos de consistencia y se pueden usar estos pesos relativos para identificar los sitios con características más factibles para producir electricidad vía el proceso fotovoltaico.

En la Figura 6 se ven los resultados de aplicar el AHP usando los criterios de ponderación. Una primera apreciación es que los valores y rangos de los dos casos son bastante similares, aunque existen pequeñas diferencias en términos de los sitios que se adjudican a cada intervalo. La idoneidad va de menor valor (idoneidad más baja) a mayor valor (idoneidad más alta).

Nota: la imagen de la izquierda usa todos los criterios de selección con excepción de la velocidad del viento y la de la derecha usa todos.

Fuente: elaboración propia con datos de ^{CESAVE-SIAFESON (2020)}, ^{CENACE (2016)}, ^{CONANP (2021}, ^2021a), ^{INEGI (2009}, ²⁰¹⁶, ^2016a, ²⁰¹⁷, ²⁰²⁰, ^s.f.), ^{The European Space Agency (s.f.)}, ^{Solargis (2017)} y ^{USGS (s.f.)}.

Figura 6 Sitios con condiciones más factibles para generar energía fotovoltaica.  

Un ejemplo es en el oeste de Sonora, donde algunos sitios que estarían en el cuarto intervalo de idoneidad de no considerarse la velocidad del viento pasan a estar en el quinto lugar. Esto se puede apreciar principalmente en el norcentro y centro de Sonora, que corresponde a sitios con un bajo promedio de la velocidad del viento. En el primer caso aumenta el intervalo menor y en el segundo disminuye el mayor.

De esta forma, es posible inferir que la inclusión de la velocidad del viento como criterio de selección de sitios con mejores condiciones para generar energía fotovoltaica, principalmente afecta los lugares donde esta variable tiene valores bajos.

Los resultados de la generación de electricidad por m² se presentan en la Figura 7, tanto para el total de la superficie de la entidad federativa. Teniendo en las zonas de exclusión, una diferencia notable es el área que cubren los mapas, en el caso de Sonora en su totalidad se cuenta con 27 107 pixeles, cada pixel mide alrededor de 6771.07 km², por lo que el área cubierta seria alrededor de 183 543 km² en el espacio del mapa. Por su parte, los sitios no excluidos cuentan con 5325 pixeles, lo que corresponden a 36 055 km². Los sitios, entonces, representan 19.64% del total de la superficie de Sonora.

Fuente: elaboración propia con datos de ^{CESAVE-SIAFESON (2020)}, ^{CENACE (2016)}, ^{CONANP (2021}, ^2021a), ^{INEGI (2009}, ²⁰¹⁶, ^2016a, ²⁰¹⁷, ²⁰²⁰, ^s.f.), ^{The European Space Agency (s.f.)}, ^{Solargis (2017)} y ^{USGS (s.f.)}.

Figura 7 Potencial promedio de generación de electricidad diario por m² en Sonora y zonas donde es posible instalar plantas solares con celdas a 50 cm de altura del suelo.  

Otra distinción importante es el intervalo de la capacidad de generación entre los mapas, mientras el intervalo del total de la superficie del estado va de alrededor de 580 a poco más de 832 vatios-hora/ m² por hora, lo sitios con mayor idoneidad están entre 597 y 821 vatios-hora/m² por hora. Estos valores son coherentes con la eficiencia promedio de los paneles solares según diferentes fuentes, como ^{Lane (2021)}, ^{Howell (2021)}, ^{Stenhouse (2021)} y ^{Svarc (2022)}.

También es posible estimar la cantidad de Vatios por hora que se pueden generar en todo el territorio al multiplicar la generación de electricidad promedio diaria por m² por el área de la celda. De esta forma, en los sitios con mayor idoneidad se puede generar un total de 260 860 GWH en promedio por día (suponiendo que toda el área tiene celdas solares). En 2020 México consumió 267 340 GWh (^{Expansión, s.f.}), por lo que, de instalarse plantas solares en todos los sitios, tomaría alrededor de 11 días para cubrir el consumo anual de electricidad mexicano o, usando alrededor del 3% de los sitios o 0.58% de Sonora, equivalente a 1081 km², para abastecer el consumo eléctrico total del país en un año.

DISCUSIÓN

Esta investigación tiene la novedad de aplicar procesos y metodologías establecidos en el área geográfica de Sonora, donde no existen estudios similares y, por ende, sectores públicos, académicos y privados tendrían la posibilidad de aprovechar información nueva para tomar decisiones referentes a esta energía.

Si bien no existen estudios públicos específicos para la identificación de sitios con mejores condiciones para la localización de plantas fotovoltaicas, Sonora cuenta con diez parques solares fotovoltaicos (^{COEES, 2018}), once si se suma la planta de Puerto Peñasco, que actualmente está en sus procesos iniciales de construcción y cuya ubicación se aproximó con ^{Zarco (2022)} y ^{Flores (2022)}. En la Figura 8 se observa la distribución de las once plantas y su relación con los sitios más factibles, así como la generación de electricidad.

Fuente: elaboración propia con datos de ^{CESAVE-SIAFESON (2020)}, ^{CENACE (2016)}, ^{CONANP (2021}, ^2021a), ^{INEGI (2009}, ²⁰¹⁶, ^2016a, ²⁰¹⁷, ²⁰²⁰, ^s.f.), ^{The European Space Agency (s.f.)}, ^{Solargis (2017)} y ^{USGS (s.f.)}.

Figura 8 Potencial promedio de generación de electricidad diario por m², lo sitios más factibles y plantas solares en Sonora.  

De estas, cuatro plantas se encuentran dentro del área de influencia de 5 km y nueve dentro de un área de 10 km. Contrariamente, solo tres de las diez plantas parecen ubicarse en zonas con un potencial de generación de electricidad relativamente las zonas para las plantas solares sin considerar bajo (zonas amarillas). Hay diferentes razones para estos criterios de exclusión, por ejemplo, el caso esta discrepancia. Una es que el gobierno facilita de la nueva planta en Puerto Peñasco, que está localizada cerca de vegetación desértica, propiedad social, carreteras y un aeropuerto (^{INEGI, 2016a}, ²⁰¹⁷, ²⁰²⁰), que es construida por la CFE y donde se tuvo que construir una línea de transmisión para garantizar el funcionamiento de la planta (^{Hernández, 2022}).

Por otro lado, ^{Arancibia-Bulnes et al. (2014)} estiman que con menos del 1% del territorio de Sonora, sería posible abastecer de electricidad al país, lo cual se comprueba en este estudio con mayor precisión.

Un área específica de oportunidad para futuros estudios, que se encuentra fuera del marco de esta investigación, son los medios de distribución o traslado de la electricidad, ya que, si bien solo se requiere conectar las plantas a la red nacional eléctrica, para plantas grandes el proceso puede ser más complicado y requerir de análisis adicional para poder llevarse a cabo.

Un aspecto novedoso a lo encontrado en la literatura es la inclusión de la velocidad del viento como factor determinístico para generar esta energía, como es el caso de ^{Sánchez-Lozano et al. (2013)}, ^{Chen et al. (2014)}, ^{Noorollahi et al. (2016)}, ^{Zoghi et al. (2017)}, ^{Doljak y Stanojević (2017)}, ^{Al Garni y Awasthi (2017)} y ^{Doorga et al. (2018)}. Aparentemente los resultados sin y con esta variable son similares, pero sí existen ligero cambios en las categorías más y menos factibles, que en general se pueden relacionar con espacios con baja velocidad del viento.

Otra variante con respecto a estudios similares es la comparación de diferentes métodos de interpolación espacial para poder elegir el método que tenga menores métricas de error. Y que se propone el método de Regresión IDW, que tuvo mejores resultados en algunas de las variables en las que se usó interpolación espacial. Posiblemente porque hay una relación espacial determinística entre las variables, así como que existe evidencia que ligeras mejoras en este instrumento aumentan su eficiencia (^{Barrios et al., 2018}). Las métricas de error para cada variable interpolada se presentan en la Tabla 4:

Este estudio se limita al año 2019, por lo que valdría la pena hacer estudios con datos históricos que nos permitan analizar las tendencias futuras en temas de generación de EF. Otra limitación es que, si bien Sonora cuenta con condiciones favorables para producir este tipo de energía, otros estados, como Durango y Chihuahua, podrían beneficiarse de estudios similares.

Resulta relevante seguir trabajando en la búsqueda de ecuaciones más precisas que permitan estimar la electricidad que sería posible generar bajo ciertas condiciones; por ejemplo, incluir variables como sombra, humedad relativa, entre otros, y comparar estas predicciones contra valores específicos de sitio en esta región geográfica. También queda la posibilidad de realizar análisis similares con metodologías diferentes a las presentadas en este artículo, como es el caso del GIS-Fuzzy AHP, GIS-AHP-Topsis, GIS-Boolean Fuzzy, GIS-Best Worst Method, GIS-Fuzzy Topsis, entre otros (para más detalle puede revisarse ^{Suprova et al., 2020}; ^{Malemnganbi y Shimray, 2020}), para realizar comparaciones en cuanto a la efectividad de cada método para este caso en específico.

Por último, es relevante que estudios futuros involucren tanto a tomadores de decisiones como al sector energético privado y público, en materia de tecnología fotovoltaica, para obtener elementos que permitan hacer investigaciones con mayor nivel de profundidad y que estén conectadas con las necesidades presentes de estos actores.

CONCLUSIONES

El objetivo general de este trabajo fue hacer una primera aproximación para la estimación de electricidad vía el proceso fotovoltaico en Sonora. Tiene la intención de coadyuvar al desarrollo racional de esta energía en México a través de la elaboración, recolección o unión de un conjunto de instrumentos y herramientas replicables que, al aplicarse a datos geoespaciales, permitan obtener información relevante para la toma de decisiones con respecto a la generación de electricidad vía el proceso fotovoltaico.

Específicamente, para aportar a la generación de conocimiento necesaria para lograr una transición energética en las próximas décadas, esta investigación evaluó la cantidad de electricidad potencial que se puede generar en Sonora usando el proceso fotovoltaico. Considerando tanto los sitios más factibles donde se podrían ubicar estas plantas, así como una estimación de la electricidad que sería posible generar en sitio.

De esta forma, podemos afirmar que, considerando el consumo eléctrico total de México en 2020 (^{Expansión, s.f.}), se requerirían de alrededor de 1081 km² del territorio de Sonora para abastecer al país usando tecnología fotovoltaica, y esto solo representaría el 3% de todo el espacio disponible en la entidad para emplear EF. Así, es posible afirmar que el potencial fotovoltaico en Sonora es privilegiado y presenta un área de oportunidad para la entidad y el país.

Poder pasar de las energías fósiles, que generan problemas importantes al ambiente y por su naturaleza son finitos, hacia energías renovables que tienen el potencial de contener los efectos negativos que la humanidad ha y sigue produciendo, es una responsabilidad relevante para la sociedad actual. En este escenario, el aprovechamiento de la radiación solar es fundamental, pero requiere de investigación para disminuir su impacto en el ambiente, así como eficientizar su aplicación