Validan dos metodologías de Inteligencia Artificial para mejorar la predicción de la velocidad del viento en parques eólicos

La energía eólica representó el pasado año el 23,2% de toda la energía inyectada en el sistema eléctrico español, según datos publicados por Red Eléctrica en su último informe de 2024. A pesar de que la eólica lidera la producción energética nacional, su dependencia de las condiciones meteorológicas y su propia naturaleza intermitente plantean algunos desafíos. Por ello, afinar los datos de predicción de velocidad de viento en estas infraestructuras se antoja como una tarea clave para optimizar la gestión y el rendimiento de los aerogeneradores.

Esto es precisamente lo que se ha propuesto el grupo AYRNA de la Universidad de Córdoba (UCO), quien ha logrado que la Inteligencia Artificial sople un poco más a favor de la energía eólica.

Afinar los datos de predicción de velocidad de viento en estas infraestructuras se antoja como una tarea clave para optimizar la gestión.

El equipo ha validado dos metodologías entrenadas con más de 13 años de datos, capaces de predecir velocidades extremas con mayor precisión que otros métodos tradicionales, a partir de distintas variables como las componentes del viento a diferentes alturas, la presión o la temperatura del aire.

Ambos sistemas están basados en lo que se conocen como redes neuronales artificiales, inspirados en el funcionamiento del cerebro humano, y sistemas de clasificación ordinal, que, en lugar de predecir velocidades concretas del viento, lo clasifican en categorías de menor a mayor intensidad.

Tal y como explica el investigador Antonio Gómez, del departamento de Ciencia de la Computación e Inteligencia Artificial de la UCO, ambas metodologías han sido entrenadas para pronosticar con un horizonte temporal de 1, 4, y 8 horas, cuatro rangos distintos que abarcan desde vientos bajos a moderados, altos y extremos. Cada una de estas categorías no sólo está asociada a un rango específico de velocidad de viento, sino también a un rango estimado de producción de energía eólica.

Mientras que el primer modelo obtiene un rendimiento similar en las cuatro clases de viento, el segundo funciona especialmente bien en eventos más severos, destaca David Guijo, otro de los autores del trabajo. De hecho, para ráfagas superiores a 20 metros por segundo, correspondientes a la categoría de viento extremo, el sistema ofrece mejores resultados que otras metodologías tradicionales y puede llegar a predecir velocidades con un margen de precisión superior al 94%, lo que resulta especialmente útil para prever situaciones de viento extremo en las que se deban detener las turbinas para evitar posibles daños o colapsos.

«Las empresas energéticas tienen que dar una estimación periódica de la energía que van a inyectar en la red, de ahí la necesidad de afinar los pronósticos para realizar las mejores predicciones posibles», subraya el investigador Pedro Antonio Gutiérrez, quien destaca que, si bien ambos sistemas pueden extrapolarse a distintos parques eólicos con cierta facilidad, los modelos han sido entrenados en un parque determinado con unas condiciones concretas, por lo que requeriría un nuevo entrenamiento y validación para aplicarse a otros entornos distintos.

El trabajo, que ha contado con la colaboración de investigadores del departamento de Teoría de la Señal y Comunicaciones de la Universidad de Alcalá, se enmarca dentro del proyecto nacional de investigación NEXO, que busca generar modelos de Inteligencia Artificial aplicados a energías renovables, a distintos eventos meteorológicos y al campo de la medicina.

Referencia:

A.M. Gómez-Orellana, M. Vega-Bayo, D. Guijo-Rubio, J. Pérez-Aracil, V.M. Vargas, P.A. Gutiérrez, L. Prieto-Godino, S. Salcedo-Sanz, C. Hervás-Martínez, ‘Enhancing wind speed prediction in wind farms through ordinal classification’, Energy and AI, Volume 22, 2025, 100596, ISSN 2666-5468.