Académico UOH participa en proyecto internacional que permite predecir la generación de energía solar a corto plazo
En el mundo se instalan 40 mil paneles solares por hora, lo que refleja el atractivo de las fuentes de energía renovables – como la eólica y la solar – desde el punto de vista ambiental y económico. Sin embargo, éstas generan desafíos importantes, ya que su producción depende de factores climáticos externos que no pueden controlarse.
Por ejemplo, la energía generada por un parque eólico depende de la cantidad de viento en un día determinado; la energía de un panel solar de la capa de nubes, las condiciones climáticas, etc., todo lo cual puede variar drásticamente con el transcurso de minutos. Para que la energía solar se desarrolle completamente, se integre a las redes de energía existentes y se administre de manera eficiente, debemos conocer su generación futura.
En este contexto, el proyecto “Deep photovoltaic nowcasting” (Predicción a corto plazo de generación de energía solar usando imágenes del cielo) – desarrollado por el Dr. Rodrigo Verschae, académico del Instituto de Ciencias de la Ingeniería de la Universidad de O´Higgins, los investigadores Jinsong Zhang y Jean-François Lalonde de la Laval University, Canadá, y Shohei Nobuhara, de la Kyoto University, Japón – busca hacer una proyección al corto plazo, local, precisa y de alta resolución, de la generación de energía solar fotovoltaica.
“Saber cuál va a ser la generación de energía solar nos permitiría, por ejemplo, controlar la demanda o reducir el tamaño de la batería donde almacenemos en forma temporal la energía. La tendencia establecida en Chile y el mundo, es que el foco actualmente está puesto en eficiencia energética; el siguiente paso tiene que ver con un control de precios: te dicen las horas punta del costo de la energía entonces buscas consumir en otro momento; lo que viene a futuro tiene que ver con poder decidir en tiempo real, en razón de la energía renovable que hay disponible – y del uso de otras fuentes de generación y de consumo – quién va a consumir y cuándo, coordinando todos los equipos de manera automática. En una comunidad se podrían organizar varias casas e industrias en función de la disponibilidad y en forma automática, esa es una gran motivación para realizar este trabajo”, explicó el Dr. Verschae.
En este trabajo, los investigadores entrenaron un sistema que aprenden automáticamente la relación entre la apariencia del cielo – incluyendo nubes, sol, cielo despejado, etc. – y la generación de energía fotovoltaica del panel solar. En particular, utilizaron técnicas avanzadas de Deep Learning que aprenden de manera eficiente a combinar una secuencia de observaciones de la generación de energía y una secuencia de imágenes del cielo, obteniendo un modelo compacto y capaz de predecir con precisión la generación futura.
Esta investigación, financiada por la Japan Science and Technology Agency, también se destaca porque busca resolver el problema de la predicción de energía solar reemplazando las tecnologías más tradicionales por un modelo de Deep Learning, que utiliza algoritmos de aprendizaje dentro del área de la inteligencia artificial. Los académicos comparan varios tipos de redes neuronales profundas (Deep Learning), exponiendo que funcionan mejor que el modelo base, y utilizan un modelo que incluye información temporal tanto de las imágenes como de la fuente de energía fotovoltaica, revelando que se puede hacer una predicción muy precisa en el corto plazo mediante varias medidas de error.
Nota: UOH
