A diferencia de lo que ocurre en los sistemas de producción convencionales, en los que la energía se genera de forma estable, las plantas solares se caracterizan por un carácter más intermitente. Por ello, disponer de datos precisos sobre la previsión de la radiación solar es fundamental para una buena planificación y gestión de los tanques de almacenamiento.

Investigadores del grupo AYRNA de la Universidad de Córdoba (UCO), liderado por el científico César Hervás.

En este sentido, el grupo de investigación AYRNA de la Universidad de Córdoba (UCO), liderado por el investigador César Hervás, ha ideado un nuevo modelo que permite predecir la radiación solar y cuyos resultados podrían ser de utilidad para la toma de decisiones en las plantas fotovoltaicas. «Cuando se usan este tipo de energías renovables que dependen de componentes aleatorias, se exige una predicción sobre cuánta energía se va a suministrar en la red para poder incluirla en la planificación del sistema eléctrico y que la producción programada iguale a la demanda esperada», explica el investigador Pedro Antonio Gutiérrez, uno de los autores de la investigación.

Una de las novedades del estudio, en el que también participa el investigador de la UCO Antonio Gómez Orellana y en el que colabora la Universidad de Ciencias y Tecnología Houari Boumediene (Argelia), es que permite realizar estimaciones de radiación recibida sobre planos inclinados, y no sólo de forma horizontal, tal y como se venía haciendo habitualmente. Esto posibilita jugar con la inclinación de las placas solares para que, en función de la predicción, puedan orientarse a un determinado ángulo y aprovechar así la energía de forma más eficiente.

Concretamente, el sistema permite realizar esta estimación con una hora de antelación, un intervalo de tiempo que según destacan desde el grupo de investigación «es suficiente para facilitar la gestión en la industria fotovoltaica y saber qué cantidad de energía exacta se va a suministrar a la red». Además, según indican los resultados, el margen de error de la predicción «es, en la mayoría de los casos, más bajo que el alcanzado por otros estudios similares».

Redes neuronales evolutivas

El modelo matemático empleado para realizar las predicciones se sustenta en tres tipos de redes neuronales evolutivas, una rama de la inteligencia artificial en la que el grupo de investigación posee una dilatada experiencia. La clave es que el algoritmo de aprendizaje evoluciona iterativamente los modelos a lo largo del proceso para minimizar el margen de error, utilizando para ello operadores de mutación. Se trata de un sistema basado en los principios de la evolución biológica, sólo que, en lugar de seleccionar los mejores genes, opta por los mejores parámetros para obtener los mejores resultados.

La investigación, concretamente, se enmarca dentro del proyecto Hamlet, una iniciativa en la que participan las universidades de Córdoba y Alcalá de Henares y que tiene como objetivo desarrollar algoritmos predictivos para abordar problemas relacionados con la salud y el medioambiente. https://doi.org/10.1016/j.jclepro.2020.125577

Referencias bibliográficas:

B. Amiri, A.M. Gómez-Orellana, P.A. Gutiérrez, R. Dizene, C. Hervás-Martínez y K. Dahmani. «A Novel Approach for Global Solar Irradiation Forecasting on Tilted Plane using Hybrid Evolutionary Neural Networks», Journal of Cleaner Production, Vol. 287, marzo 2021, pp. 125577.