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 sobre superficies horizontales, así como inclinadas, para mejorar la gestión de las plantas fotovoltaicas.
Los sistemas de producción convencionales son más estables que las plantas solares, caracterizadas por una condición intermitente de la generación de la energía. Por esta razón, disponer de datos precisos sobre la previsión de la radiación solar es fundamental para una buena planificación y gestión de los tanques de almacenamiento.
Una de las novedades de la investigación del grupo AYRNA de la Universidad de Córdoba, en la que también participa el investigador de la UCO Antonio Gómez Orellana y en la que colabora la Universidad de Ciencias y Tecnología Houari Boumediene (Argelia), es que permite realizar estimaciones de radiación recibida sobre planos inclinados, y no solo de forma horizontal como se venía haciendo habitualmente.
De esta manera, hace posible utilizar 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.
Este estudio se enmarca en el proyecto Hamlet, en el que participan las universidades de Córdoba y Alcalá de Henares, y que tiene como objetivo desarrollar algoritmos predictivos para abordar problemas relacionados con el medio ambiente y la salud.
Estimación de radiación con una hora de antelación
El nuevo modelo, basado en los principios de la evolución biológica que opta por los mejores parámetros para obtener los mejores resultados, permite realizar la estimación de radiación con una hora de antelación, tiempo “suficiente para facilitar la gestión en la industria fotovoltaica y saber qué cantidad de energía exacta se va a suministrar a la red”, destacan desde el grupo de investigación AYRNA. Asimismo, 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”.
El modelo matemático empleado para realizar las proyecciones se sustenta en tres tipos de redes neuronales evolutivas, una rama de la inteligencia artificial. 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.