Inteligencia artificial para predecir qué días serán idóneos para la energía solar

Unos científicos han ideado un sistema, basado en inteligencia artificial, para predecir con más acierto los días soleados de modo que la obtención de electricidad a partir de la energía solar pueda planificarse con antelación mucho mejor de lo que ahora se consigue.

La energía solar desempeña un papel cada vez más importante en el suministro eléctrico mundial, por lo que es fundamental disponer de previsiones precisas a días vista sobre el nivel de generación fotovoltaica con el fin de equilibrar la oferta y la demanda de energía.

Las previsiones meteorológicas son un elemento clave para los sistemas de gestión de energía fotovoltaica, pero a menudo contienen errores sistemáticos que afectan a su precisión. El equipo de Nina Horat, Sina Klerings y Sebastian Lerch, los tres del Instituto Tecnológico de Karlsruhe (KIT) en Alemania, examinó distintas formas de mejorar estas predicciones aplicando técnicas de procesamiento de datos en varias fases del proceso de previsión.

El equipo de investigación probó tres estrategias, una de las cuales incluía el uso de un sistema de aprendizaje automático (una modalidad de inteligencia artificial).

Los resultados de las pruebas indican, entre otras cosas, que el sistema de aprendizaje automático es más fiable que los métodos estadísticos tradicionales.

Los autores del estudio también constataron que tener en cuenta la hora del día resultaba crucial para lograr un buen grado de precisión.

“Observamos grandes mejoras cuando entrenamos modelos distintos para cada hora del día o introducimos la hora directamente en los algoritmos”, explica Lerch.

Paneles solares en la fachada de un edificio. (Foto: Amazings / NCYT)

El uso de un algoritmo de aprendizaje automático para predecir, directamente de los datos meteorológicos, la energía solar aprovechable, ofrece una importante ventaja práctica con respecto a los modelos tradicionales que han venido siendo empleados para hacer pronósticos de producción de energía fotovoltaica: no requiere un conocimiento detallado del diseño de una central de energía solar.

Este estudio abre un camino fácil hacia la realización de futuras investigaciones tendentes a perfeccionar más los enfoques predictivos basados en aprendizaje automático. A medida que las energías renovables sigan creciendo, la mejora de las técnicas para pronosticar su productividad con días de antelación resultará decisiva para garantizar una red eléctrica estable y eficiente.

El estudio se titula “Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning”. Y se ha publicado en la revista académica Advances in Atmospheric Sciences. (Fuente: NCYT de Amazings)