Todos los proyectos solares —desde una instalación en tejado de 100 kW hasta una cartera a gran escala de 5 GW— dependen de los datos sobre los recursos solares. Los equipos más expertos del sector no se limitan a confiar en esos datos de irradiación, sino que analizan minuciosamente su precisión y tienen en cuenta su incertidumbre en cada paso.
Con la eliminación acelerada del ITC en EE. UU. y el estrechamiento de los márgenes operativos, cualquier ventaja que los promotores solares puedan aportar a su financiación da sus frutos, y todo empieza por los datos. Si se hacen bien, las estimaciones energéticas se mantienen y las condiciones de financiación siguen siendo competitivas. Si se hacen mal, los errores se acumulan en las estimaciones P50/P90, el DSCR, la TIR y, en última instancia, en los ingresos reales.
«¿Por qué iba a pagar por datos sobre energía solar si puedo conseguirlos gratis?»
Es la pregunta que más nos hacen —y es una pregunta lógica—. Las bases de datos como la Base de Datos Nacional de Radiación Solar (NSRDB) son recursos públicos muy valiosos y, para la fase inicial de exploración, suelen ser un excelente punto de partida. Pero cuando un proyecto avanza hacia las fases de desarrollo, financiación u operaciones, las diferencias entre una base de datos gratuita y otra que se actualiza continuamente y se valida de forma independiente se reflejan directamente en las estimaciones energéticas, las condiciones de financiación y la rentabilidad.
En este artículo, ilustramos la importancia de utilizar un conjunto de datos comercial sobre recursos solares, como SolarAnywhere®, compartiendo los resultados de una comparación entre los datos de SolarAnywhere y los de NSRDB. Los resultados revelan una diferencia en la precisión en todas las escalas temporales, y cómo esa diferencia puede afectar negativamente a la precisión de sus proyecciones energéticas y al retorno de la inversión de su proyecto. Sin embargo, esto no es todo.
El uso de SolarAnywhere ofrece muchas ventajas adicionales, algunas de las cuales resumimos a continuación.
Ejemplo de escenario de financiación
Comprueba qué ventajas económicas te reporta una menor incertidumbre: mayor capacidad de endeudamiento, mayor margen de DSCR y una TIR del capital propio más elevada.
Modelización contrastada y transparente
- Modelo revisado por expertos: SolarAnywhere se ha desarrollado a partir del modelo SUNY de conversión de datos satelitales a irradiancia (Dr. Richard Pérez, Universidad de Albany). Se trata de uno de los modelos de irradiancia más citados y sometidos a análisis independientes del sector, y llevamos más de dos décadas perfeccionándolo.
- Un modelo coherente a escala mundial: el modelo SolarAnywhere es coherente con los satélites GOES, Meteosat e Himawari, por lo que un proyecto en Chile o Vietnam se simula con el mismo rigor que uno en Texas, independientemente de si hay mediciones terrestres cercanas.
- Actualizaciones de modelos documentadas y con control de versiones: cada actualización de modelo va acompañada de un informe técnico de validación publicado, para que siempre sepas qué modelo generó tus datos y cuál fue su rendimiento.
- Validación transparente: publicamos nuestra metodología de validación y nuestras fórmulas para que cualquier cliente, ingeniero independiente o socio financiero pueda reproducir nuestros resultados.
- Equipo de investigación especializado: el modelo SolarAnywhere cuenta con el respaldo de un equipo de investigación interno que mejora continuamente el modelo y ofrece asistencia directa a los clientes.
Mayor cobertura con SolarAnywhere
- Desde 1998 hasta la actualidad: un registro histórico de más de 25 años que se ha reelaborado de forma continua.
- De hoy a +14 días: datos de previsión para operaciones, gestión de flujos y planificación a corto plazo.
- De 2015 a 2099: proyecciones climáticas a escala reducida para la planificación de activos a largo plazo y los estudios de resiliencia.
- Datos globales de alta resolución: resoluciones espaciales de hasta 1 km y 500 m, y series temporales de 1 minuto para proporcionar el nivel de detalle que necesitan los equipos de ingeniería avanzada.
Un equipo técnico y de gestión de cuentas con una plantilla completa
- Equipos de atención al cliente y de gestión de cuentas: con sede en Bellevue (Washington) y Berlín (Alemania), con servicio de chat en directo durante el horario laboral.
- Documentación detallada de la API: la documentación incluye solicitudes de ejemplo y fragmentos de código para optimizar tus flujos de trabajo.
- Información cuando la necesites: disponible las 24 horas del día, los 7 días de la semana, a través de un Centro de Asistencia con un servicio de mantenimiento completo que abarca modelos, validación y colaboraciones de integración.
- Portal de datos fácil de usar: desde el portal de datos, puedes adquirir y acceder a conjuntos de datos, así como obtener muestras gratuitas de conjuntos de datos en determinados lugares de todo el mundo para evaluarlos antes de comprarlos.
Pero la verdadera respuesta es la precisión
La cobertura temporal, las herramientas y el soporte técnico son importantes. Sin embargo, la razón principal por la que los clientes eligen SolarAnywhere es muy sencilla: un menor sesgo e incertidumbre, que se mantienen constantes en todas las zonas climáticas y a lo largo de todo el registro histórico.
La comparativa: cómo hemos comparado SolarAnywhere V4.1 con NSRDB
Todos los conjuntos de datos conllevan cierto sesgo e incertidumbre, y elegir uno implica aceptar esas compensaciones —a menudo sin darse cuenta de hasta qué punto repercuten en la producción energética, las condiciones de financiación y las operaciones—. Hemos realizado este análisis comparativo para ayudar a cuantificar esas compensaciones, de modo que la elección sea deliberada y no fortuita.
Para evaluar la diferencia de precisión entre SolarAnywhere V4.1 (lanzada en mayo de 2026) y NSRDB PSM v4.0.0 (lanzada en mayo de 2023), hemos comparado ambos conjuntos de datos con mediciones terrestres independientes. A continuación se describen la configuración, el alcance y la metodología.
- Red de referencia terrestre: 19 estaciones de piranómetros de acceso público repartidas entre SOLRAD (NOAA), SURFRAD (NOAA), NLR y SRML (Universidad de Oregón). Estas estaciones de referencia de alta calidad están equipadas, en su mayoría, con piranómetros de termopila de patrón secundario o de clase A (ISO 9060), los instrumentos de grado de referencia utilizados en estudios de validación de modelos satelitales sometidos a revisión por pares.
- Ámbito de aplicación: América del Norte, donde se mide la precisión anual, mensual y diaria, concretamente el error de sesgo medio relativo (rMBE), la desviación estándar del rMBE (Std), el error absoluto medio relativo (rMAE) y el error cuadrático medio relativo (rRMSE).
- Metodología: para cada estación, hemos extraído series temporales coincidentes por hora de SolarAnywhere V4.1 y NSRDB; a continuación, hemos calculado los valores de rMBE, Std, rMAE y rRMSE utilizando fórmulas idénticas para ambos conjuntos de datos, con el fin de garantizar que no existiera ninguna asimetría metodológica. Los resultados se han evaluado por emplazamiento y por año, y se han agregado a nivel de toda la red. Para obtener información detallada sobre el filtrado de datos, el control de calidad y las definiciones exactas de las ecuaciones, consulte nuestro informe técnico de validación de la versión 4.1.
SolarAnywhere V4.1 frente a NSRDB
Las figuras 1 a 3 muestran una comparación entre SolarAnywhere V4.1 y NSRDB en cuanto a métricas de validación habituales, evaluadas en los mismos emplazamientos de referencia y durante los mismos periodos de tiempo.
| Métrico | NSRDB | SolarAnywhere V4.1 | SolarAnywhere Mejora |
|---|---|---|---|
| rMBE anual | 1.40% | 0.35% | Un sesgo inferior en aproximadamente un 75 % |
| Desviación estándar del rMBE (incertidumbre) | 2.80% | 1.53% | aproximadamente un 45 % menos |
| rMAE anual | 2.36% | 1.23% | aproximadamente un 48 % menos |
| rRMSE anual | 18.25% | 14.15% | aproximadamente un 22 % menos |
| Métrico | NSRDB | SolarAnywhere V4.1 | SolarAnywhere Mejora |
|---|---|---|---|
| rMBE anual | 4.30% | 1.38% | Un sesgo inferior en aproximadamente un 68 % |
| Desviación estándar del rMBE (incertidumbre) | 5.52% | 3.64% | aproximadamente un 34 % menos |
| rMAE anual | 5.78% | 3.10% | aproximadamente un 46 % menos |
| rRMSE anual | 35.98% | 26.17% | aproximadamente un 27 % menos |
| Plazo | Métrico | NSRDB | SolarAnywhere V4.1 | Mejoras en SolarAnywhere |
|---|---|---|---|---|
| GHI por hora | rMBE | 1.40% | 0.45% | Un sesgo inferior en aproximadamente un 68 % |
| GHI por hora | rRMSE | 18.02% | 14.00% | aproximadamente un 22 % menos |
| GHI mensual | rMBE | 1.00% | 0.82% | un sesgo inferior en aproximadamente un 17 % |
| GHI mensual | rRMSE | 19.64% | 15.04% | aproximadamente un 23 % menos |
| GHI diario | rMBE | 2.43% | 1.98% | un sesgo inferior en aproximadamente un 19 % |
| GHI diario | rRMSE | 21.69% | 16.48% | aproximadamente un 24 % menos |
Lo que revelan los datos por sitio
Al observar los mapas de calor por emplazamiento y por año de las figuras 4 y 5, se aprecia que los residuos de SolarAnywhere se mantienen más cercanos a cero y son más consistentes de un año a otro que los de la NSRDB (pasa el cursor por encima del mapa de calor para ver los valores concretos). La NSRDB muestra sesgos persistentes y específicos de cada emplazamiento (por ejemplo, SurfradPennState, SurfradGoodwinCreek, SurfradBoulder, SurfradBondville) que se mantienen a lo largo de muchos años.
Este es el tipo de error estructural oculto que, sin que nos demos cuenta, distorsiona las estimaciones energéticas a largo plazo.
El problema de la precisión histórica: por qué los datos más antiguos de la NSRDB se desvían
Hay un matiz que se les escapa a la mayoría de los usuarios de datos, y es una de las diferencias más importantes entre SolarAnywhere y NSRDB.
Las plataformas satelitales no permanecen estáticas. Los sensores sufren desviaciones con el paso del tiempo, los estándares de calibración evolucionan y, cada 10 o 15 años, entra en servicio una generación completamente nueva de satélites geoestacionarios. En el continente americano, la serie GOES ha pasado del GOES-8 (1994) al GOES-13 (2006) y a la actual serie GOES-R (el GOES-16, conocido como GOES-East, a finales de 2017), a la que seguirá GeoXO a principios de la década de 2030.
La misma tendencia se observa en todo el mundo. En Europa y África, la primera generación de Meteosat estuvo en servicio entre 1977 y 2017, dando paso a la segunda generación de Meteosat (12 canales espectrales, frente a los 3 originales) y, actualmente, a la tercera generación de Meteosat, operativa desde 2024. En la región de Asia-Pacífico, Himawari dio un salto comparable al pasar del Himawari-7 a los Himawari-8/9, de prestaciones muy superiores.
Cada una de estas transiciones modifica los datos de medición subyacentes, y un registro histórico coherente a nivel global debe corregir activamente todas ellas.
Cómo se gestionan los cambios en los satélites en SolarAnywhere
Con cada lanzamiento anual de un modelo de SolarAnywhere, volvemos a procesar todo el historial, no solo los últimos años. Cada nuevo procesamiento incorpora nuevos datos de validación sobre el terreno, calibraciones específicas de cada plataforma actualizadas y correcciones para la deriva conocida de los sensores. Esto significa que la precisión no disminuye en las épocas de satélites más antiguas.
Nuestros datos de 2005 cumplen los mismos criterios que los de 2025, y la precisión anual se mantiene constante a lo largo de toda la serie histórica.
Lo que muestra el índice de referencia
En nuestra evaluación comparativa, el sesgo anual del GHI de NSRDB aumenta en los primeros años, mientras que el de SolarAnywhere se mantiene estable a lo largo de todo el registro. Como se muestra en la figura 5, la desviación en el conjunto de datos de NSRDB aumenta considerablemente en los años previos a la entrada en funcionamiento de la serie GOES-R a finales de 2017. Esto refleja la menor resolución y la diferente calibración de los primeros satélites GOES, e ilustra cómo se trata de un problema relacionado con los datos de entrada que debe corregirse activamente durante el reprocesamiento.
Nuestra evaluación comparativa indica que SolarAnywhere lo hace de forma más constante a lo largo de las distintas épocas de observaciones por satélite, manteniendo una precisión estable a lo largo de todo el registro histórico.
Por qué es importante
La mayoría de los proyectos solares utilizan datos históricos de irradiación de más de 20 años para calcular una media a largo plazo y estimar la energía P50/P90. Si los años más antiguos de tu conjunto de datos presentan un sesgo oculto, toda tu media a largo plazo queda sesgada, y por mucha precisión que tenga el «año actual», esto no se corrige. Estás financiando un activo de 25 años basándote en un historial de 20 años que no es coherente consigo mismo.
La coherencia a lo largo del tiempo es tan importante como la precisión en un año concreto.
Por qué es importante contar con datos fiables en proyectos de cualquier envergadura
La precisión de los datos es fundamental a escala industrial, ya que los proyectos son enormes y un pequeño error en los recursos puede suponer una diferencia de millones de dólares en los ingresos. Pero sería un error pensar que los proyectos más pequeños pueden permitirse ignorarla. Las cantidades son menores, pero también lo son los márgenes y el margen de seguridad.
En cualquier caso, el coste de cometer un error recae sobre el propietario o el financiador cada año que el proyecto esté en funcionamiento. Frente a ese riesgo, el coste de disponer de mejores datos es insignificante.
Para proyectos de generación distribuida (DG) y del sector comercial e industrial (C&I)
Los proyectos pequeños dejan menos margen de error. Cuando los datos no son correctos, es el propietario del sistema quien lo nota. Esto se debe a que tanto la decisión de desarrollar el sistema como los beneficios que espera obtener se basan en esos datos.
Esto es lo que cuesta un pequeño error. Supongamos que se espera que una instalación en tejado de 500 kW produzca 700 000 kWh al año. Si los datos sobreestiman la insolación solar en un 3 %, el sistema producirá en realidad 21 000 kWh menos de lo prometido cada año. Al precio medio actual de la electricidad comercial en EE. UU., de 13,5 céntimos/kWh, eso supone unos 2.800 dólares al año (o aproximadamente 71.000 dólares a lo largo de los 25 años de vida útil del sistema) que el propietario espera obtener, pero que nunca llega a recibir. En un sistema o cartera de mayor tamaño, de 2 MW, ese mismo error del 3 % supone unos 11 300 dólares al año, o aproximadamente 285 000 dólares a lo largo de su vida útil.
En este ejemplo, las instalaciones fotovoltaicas funcionan correctamente, pero generan menos ingresos de lo que preveía el plan, que se basaba en datos con un mayor grado de incertidumbre. Esto se traduce en una menor rentabilidad para el propietario, posibles pagos compensatorios en caso de que la producción estuviera garantizada y una fijación de precios más prudente en la próxima operación.
En comparación con las pérdidas de este ejemplo, unos datos más precisos se amortizan con creces. También cabe destacar que los proyectos pequeños no necesitan los conjuntos de datos más detallados y de alta resolución. Rara vez requieren los datos por hora o a intervalos inferiores a una hora (series temporales) que utilizan los grandes proyectos a escala industrial para realizar evaluaciones detalladas del rendimiento energético. Los simples totales mensuales de irradiación y los archivos de «año típico» de menor resolución te ofrecen la misma precisión fiable de SolarAnywhere, a un precio adaptado a los proyectos más pequeños.
Para la evaluación del rendimiento energético a escala industrial y la financiación de proyectos
A escala industrial, las cifras son claras. Un solo punto de desviación en un proyecto de 200 MW puede suponer una diferencia de millones en los ingresos a lo largo de su vida útil y modificar el volumen de deuda que un prestamista esté dispuesto a conceder. Cada punto básico de incertidumbre en los recursos se traduce directamente en la capacidad de endeudamiento, el margen del DSCR y la TIR del capital propio. Analizamos esto en detalle en la siguiente sección.
Para la operación y el mantenimiento y la gestión de activos
Una vez que un proyecto está en funcionamiento, los datos sobre los recursos sirven de base para la evaluación comparativa del rendimiento, la verificación de la garantía de rendimiento y las reclamaciones de garantía. Cuando parece que una planta tiene un rendimiento inferior al esperado, la primera pregunta es: ¿por qué? ¿Se debe a los paneles, a los inversores, al proveedor de operaciones y mantenimiento o a los datos? Dado que métricas como el índice de rendimiento se calculan dividiendo la energía real por la energía esperada a partir de la irradiación medida, unos datos sesgados sobre los recursos pueden hacer que una planta en buen estado parezca deficiente, o bien ocultar un problema real.
La mayoría de las plantas utilizan estaciones MET in situ para comparar su rendimiento, pero se trata de una solución imperfecta. Los sensores de suelo se ensucian, se desplazan, pierden la calibración y dejan de funcionar. En 14 emplazamientos, BayWa r.e. documentó un gasto de unos 59 000 dólares para restaurar estaciones MET descuidadas, además de unos 40 000 dólares al año en mantenimiento y en la subsanación de datos faltantes.
Los datos satelitales no presentan estos problemas, y algunos operadores los utilizan ahora como fuente principal de información. Por ejemplo, BayWa sustituyó las estaciones MET in situ por datos en tiempo real de SolarAnywhere, y constató que la diferencia con respecto a una estación calibrada era «igual o inferior a la precisión de medición de las propias estaciones meteorológicas». Otros los mantienen como una fuente de respaldo de alta calidad, como Invenergy Services, que utiliza SolarAnywhere para cubrir las lagunas en sus datos terrestres y garantizar la coherencia de sus comparativas.
En cualquier caso, disponer de datos precisos y fiables sobre los recursos puede resultar rentable con solo evitar una sola disputa o con el cierre de una estación MET.
Qué te aporta realmente una menor incertidumbre: un escenario de financiación
Veámoslo en términos de dólares.
La figura 7 analiza un proyecto a escala industrial de 200 MW con una estimación de energía P50 de ~438 000 MWh/año (un factor de capacidad aproximado del 25 %) y unos ingresos combinados por venta al mercado libre y acuerdos de compra de energía (PPA) de aproximadamente 29 $/MWh. Se supone que todo es idéntico —los mismos paneles, el mismo emplazamiento y la misma estructura de capital— salvo la incertidumbre del conjunto de datos de recursos. Uno de los proyectos se financia basándose en la incertidumbre de la NSRDB; el otro, en la incertidumbre de SolarAnywhere V4.1.
Figura 7: Comparación financiera utilizando datos de la NSRDB frente a los de SolarAnywhere
Proyecto a gran escala de 200 MW
| Supuesto | NSRDB Caso | SolarAnywhere Carcasa V4.1 |
|---|---|---|
| Incertidumbre de los datos sobre los recursos (desviación estándar de 1σ del sesgo) | 2.80% | 1.53% |
| Otros componentes, combinados (IAV, transposición, contaminación, modelo de potencia): idénticos | ~4.56% | ~4.56% |
| Incertidumbre total de los recursos P50 (1σ, todas las fuentes) | ~5.35% | ~4.81% |
| Relación P90/P50 resultante | ~0.931 | ~0.938 |
| Energía anual del P90 (MWh) | ~408,000 | ~411,000 |
| Ingresos anuales de P90 | ~11,8 millones de dólares | ~11,9 millones de dólares |
| Ingresos adicionales del P90 | Situación inicial | ~88 000 dólares al año |
| Deuda ajustada a los criterios de los prestamistas (con un DSCR de 1,35 veces sobre los CFADS del percentil 90) | Situación inicial | mayor capacidad de endeudamiento |
| DSCR efectivo en el P50 | ~1.50x | ~1.52x |
| TIR del capital propio (con las mismas condiciones de deuda) | Situación inicial | +0,30–0,50 puntos (30–50 puntos básicos) |
(A título meramente ilustrativo; las diferencias exactas dependen de la estructura de capital, la estructura del acuerdo de compra de activos (PPA) y la metodología del prestamista. La tendencia y la magnitud coinciden con lo que observamos en las transacciones reales.)
Conclusión
Una menor incertidumbre en cuanto a los recursos se traduce directamente en una mayor capacidad de endeudamiento, un mayor margen de DSCR y una TIR del capital propio más elevada. Esto no se debe a que el proyecto genere más energía, sino a que el intervalo de confianza en torno a esa producción es más estrecho. Cada punto básico de incertidumbre que se pueda eliminar de forma justificada genera beneficios reales.
En resumen
Todos los proyectos se benefician de unos datos de mayor calidad, desde los proyectos de prospección y generación distribuida hasta la financiación a gran escala y las operaciones y mantenimiento. A continuación se indican las consideraciones clave para elegir el conjunto de datos adecuado que se ajuste a tus necesidades.
- NSRDB es un valioso conjunto de datos gratuito, pero la diferencia de precisión con respecto a SolarAnywhere V4.1 es significativa en todas las escalas temporales.
- SolarAnywhere V4.1 ofrece un sesgo anual en la radiación solar global (GHI) aproximadamente un 75 % menor, con una mayor consistencia por emplazamiento y residuos interanuales más uniformes.
- El historial de SolarAnywhere mantiene su precisión desde el principio, ya que volvemos a procesar los datos cada vez que se lanza una nueva versión del modelo, lo cual es fundamental para obtener estimaciones P50/P90 a largo plazo que sean fiables.
- SolarAnywhere funciona en tiempo real, con datos disponibles hasta el momento actual y previsiones de hasta +14 días. NSRDB, por el contrario, publica los datos con retraso. Los datos de 2025 se publicaron aproximadamente seis meses después de que comenzara 2026, y su disponibilidad depende de la financiación federal. Si tu media a largo plazo se basa en los últimos 5-7 años, la falta de datos del último año supone una parte significativa de la información más relevante.
- SolarAnywhere tiene un precio que lo hace accesible a cualquier escala, incluyendo conjuntos de datos de «año típico» y de «series temporales», así como opciones de alta resolución de 1 minuto y 500 metros para los proyectos que las necesiten.
Ahora que este verano la capacidad fotovoltaica mundial supera los 3 teravatios, Clean Power Research® sigue trabajando para garantizar la máxima precisión de los datos sobre recursos solares de SolarAnywhere, con el fin de ayudar al sector a financiar sus proyectos de forma responsable y a mantener bajos los costes para sus clientes.
Si estás evaluando conjuntos de datos para tu próximo proyecto o cartera, nos gustaría enviarte nuestros últimos informes técnicos sobre validación o explicarte con más detalle nuestros estudios comparativos. Visita los enlaces que aparecen a continuación para explorar las opciones de datos históricos y en tiempo real de SolarAnywhere, o ponte en contacto con nosotros para obtener más información.