Noticia Internacional
Cómo predecir mejor la Radiación Solar
Científicos de la Universidad Carlos III de Madrid (UC3M) y la Universidad de Jaén (UJA) han desarrollado una combinación óptima de los modelos de predicción de radiación solar , de tal forma que se consigue reducir entre un 25% y un 30% el error en los plazos a corto plazo (6 horas).
El proyecto se ha centrado en la mejora del pronóstico de la radiación solar en la península ibérica a corto plazo, en escalas de minutos a horas y días, que resulta de gran interés para las instalaciones solares.
En concreto, analizar cinco tipos de modelos distintos: analizar en cámaras de nubes, medidas, imágenes satelitales, predicción meteorológica y un híbrido de estos dos últimos. Para ello, seleccione cuatro estaciones meteorológicas, situadas en Sevilla, Lisboa, Madrid y Jaén , como zonas representativas para la evaluación.
Se ha encontrado una combinación óptima de los modelos de predicción de radiación solar que permite reducir entre un 25% y un 30% el error en los reducidos a corto plazo
Por otro lado, el Grupo de Modelización de la Atmósfera y Radiación Solar (MATRAS) de la UJA se ha centrado en la elaboración y mejora de distintos métodos de predicción de la radiación solar, para lo que han utilizado distintas metodologías, como cámara de nubes , imágenes de satélite y modelos meteorológicos.
El resultado más impactante obtenido en la investigación es que la combinación óptima de los modelos rebaja la predicción de error en torno a un 30% respecto al mejor de los modelos en cada horizonte temporal.
“Es la primera vez que se comparan cinco modelos independientes y gracias a la inteligencia artificial y al tratamiento matemático hemos logrado reducir el margen de error en cada horizonte de predicción, lo que supone un ahorro económico porque reduce el costo de integración de la energía solar ”, Explica el coordinador del proyecto, David Pozo , catedrático de Física Aplicada de la UJA.
Uso de la inteligencia artificial
“El uso de la inteligencia artificial y, en particular, de técnicas de aprendizaje automático ( machine learning ) permitirá integrar las predicciones de los diferentes modelos de manera automática y eficiente, siendo el propio modelo el encargado de proporcionar la mejor predicción para cada horizonte temporal «, explican los responsables del estudio en la UC3M, Inés M. Galván y Ricardo Aler , profesores titulares del Departamento de Informática.
Además –añaden–, el uso de técnicas de optimización evolutiva permite cuantificar la incertidumbre existente para cada una de las predicciones. La actualización de estas nuevas técnicas en el contexto de energías renovables ha permitido obtener mejoras importantes en la predicción respecto a las técnicas de partida ”.
Se han usado modelos actualizados en cámaras de nubes, en medidas, en imágenes satelitales, en predicción meteorológica e un híbrido de estos dos últimos
Parte del estudio ha sido publicado en dos artículos en la revista científica Solar Energy , y otra parte está en proceso de revisión en otras revistas. El proyecto ha contado con financiación del Ministerio de Economía y Competitividad, y la colaboración de la Facultad de Ciencias de la Universidad de Lisboa y Abengoa Solar.
Referencias bibliográficas:
Rodríguez-Benítez, FJ, Arbizu-Barrena, C., Huertas-Tato, J., Aler-Mur, R., Galván-León, I., y Pozo-Vázquez, D. (2020). Un sistema de predicción de radiación solar a corto plazo para la Península Ibérica. Parte 1 : Descripción de los modelos y evaluación del desempeño. Energía solar , 195, 396-412.
Huertas-Tato, J., Aler, R., Galván, IM, Rodríguez-Benítez, FJ, Arbizu-Barrena, C., y Pozo-Vázquez, D. (2020). Un sistema de predicción de radiación solar a corto plazo para la Península Ibérica. Parte 2 : enfoques de combinación de modelos basados en el aprendizaje automático. Energía solar , 195, 685-696.
Fuente/Sinc Chile Desarrollo Sustentable/www.chiledesarrollosustentable.cl www.facebook.com/pg/ChiledesarrollosustentableCDS twitter.com/CDSustentable #CDSustentable,#Sostenible #DesarrolloSostenible #MedioAmbiente,#ECOXXI