La precisión de las técnicas de pronóstico de la energía solar fotovoltaica se traduce en una mayor capacidad de gestión del sistema eléctrico para el despacho de energía y administración de las reservas. Dado que el recurso solar es una fuente de energía variable, disponer de pronósticos precisos es necesario para garantizar la integración eficiente de esta fuente de energía en las redes eléctricas. Existen una serie de técnicas para predecir la energía solar, cuya utilidad depende críticamente del horizonte de pronostico y la resolución espacial requerida. En general, estas técnicas se dividen en cuatro grandes grupos de formas de predicción: cámaras todo-cielo, nowcasting satelital, modelos numéricos de atmósfera (NWP, Numerical Weather Predictions) y pronóstico por la utilización de técnicas estadísticas o de aprendizaje automático. Esta tesis analiza el desempeño del pronóstico de la radiación solar provisto por diferentes NWP en varios sitios del sureste de Sudamérica durante el período de tres años. Se consideran las salidas de las primeras 24 horas del pronóstico de cada modelo, y se utilizan medidas registradas en tierra con calidad controlada como referencia para cuantificar la incertidumbre de predicción de los modelos. Se analiza la incertidumbre de predicción para el acumulado diario y para la escala horaria intra-día, considerando el período completo y la discriminación por cada estación del año. Además, en el análisis diario se incluye una evaluación del desempeño de los modelos según las condiciones de nubosidad del cielo. Los modelos aquí evaluados presentan un mejor desempeño para la región que el procedimiento de referencia de persistencia, tanto a escala horaria como diaria. No se observa variabilidad significativa de desempeño entre los sitios evaluados y tampoco en las diferentes estaciones del año. La discriminación por distintas condiciones de cielo muestra que el desempeño de los modelos empeoran con el aumento de la nubosidad. Entre los modelos NWP evaluados, el ECMWF se destaca por su alto rendimiento en la región, con un desvió cuadrático medio relativo a la media (rRMSD) de 17.0% a escala diaria. Sin embargo, se observa que subestima el recurso en condiciones de cielo despejado y el acceso a sus pronósticos es de uso restringido. Por otro lado, el modelo ICON también tiene un buen rendimiento y es de dominio público, con un rRMSD diario de 18.0 %. El modelo GFS con resolución de 0.5 km presenta resultados un poco peores, con un rRMSD diario de 21.9 %. Las predicciones GFS son también de dominio público, pero subestiman en mayor grado que los demás modelos la ocurrencia de nubosidad. Por último, el modelo NEMS30 es de especial interés por ser uno de los pronósticos utilizados en Uruguay para el despacho eléctrico. Este presenta un rRMSD diario de 21.0% y se muestra competitivo en días nublados, aunque se desconoce la técnica de postprocesamiento que utiliza la empresa propietaria.

The accuracy of photovoltaic solar energy forecasting techniques translates into enhanced capability for electricity system management, including energy dispatch and reserve handling. Given the variable nature of solar resources, having precise forecasts is essential to ensure the efficient integration of this energy source into power grids. There are various techniques for solar energy prediction, the usefulness of which critically depends on the forecast horizon and required spatial resolution. Generally, these techniques fall into four major groups of prediction methods: allsky cameras, satellite nowcasting, numerical weather prediction models (NWP), and forecasting using statistical or machine learning techniques This thesis analyzes the performance of solar radiation forecasting provided by different NWPs at various sites in southeastern South America over a three-year period. The outputs of the first 24 hours of each model’s forecast are considered, and quality-controlled ground measurements are used as a reference to quantify the models’ prediction uncertainty. The prediction uncertainty is analyzed for daily integrated values and for the intra-day hourly scale, considering the entire period and discrimination by each season of the year. Additionally, the daily analysis includes an evaluation of the models’ performance based on sky cloudiness conditions. The models evaluated here show better performance for the region compared to the reference persistence procedure, both at hourly and daily scales. No significant variability in performance is observed among the assessed sites or across different seasons of the year. Discrimination by different sky conditions shows that model performance deteriorates with increasing cloudiness. Among the evaluated NWPs, ECMWF stands out for its high performance in the region, with a root mean square deviation relative to the mean (rRMSD) of 17.0% at the daily scale. However, it is noted that it underestimates the resource under clear sky conditions and its forecast access is restricted. On the other hand, the ICON model also exhibits good performance and is publicly available, with a daily rRMSD of 18.0 %. The GFS model with a resolution of 0.5 km shows slightly poorer results, with a daily rRMSD of 21.9 %. GFS predictions are also publicly available but underestimate the occurrence of cloudiness more than other models. Finally, the NEMS30 model is of particular interest as it is one of the forecasts used in Uruguay for electricity dispatch. It presents a daily rRMSD of 21.0% and is competitive on cloudy days, although the post-processing technique used by the owning company is unknown.