La incorporación de las energías renovables para el abastecimiento de ciudades y comunidades cada vez está más presente en los proyectos de I+D+I. Uno de los problemas de este tipo de energías es que dependen de elementos naturales cambiantes como el viento, el agua y las horas de sol.
Para poder predecir la producción de energía solar fotovoltaica, científicos del Instituto de Energía Solar de la Universidad Politécnica de Madrid (IES-UPM) y del Instituto de Micro y Nanotecnologia del Consejo Superior de Investigaciones Científicas (IMN-CSIC), han desarrollado una técnica basada en estadística e inteligencia artificial.
Esta técnica se conoce como “clustering” y es capaz de predecir la producción de la solar fotovoltaica de manera que, en pocas horas de cálculo, se puede encontrar el diseño óptimo de panel solar multiunión para cada localización. La técnica permite tener en cuenta las variaciones atmosféricas en el diseño de células solares para producir más energía.
A lo largo del día y a través de las estaciones del año, la posición del sol y las condiciones atmosféricas cambian, y esto hace que la luz que llega a los paneles fotovoltaicos tenga unas características diferentes. El cambio más importante se produce en el contenido espectral de la luz, que consiste en el reparto de colores de ésta. Los paneles solares del futuro serán de tipo multiunión, según los investigadores, combinando varios materiales para aprovechar mejor el espectro de la luz solar.
Inteligencia artificial para analizar los conjuntos de datos
Pero la producción de energía de los paneles multiunión depende en cierta medida de los cambios de color que se producen en la luz del sol. Por este motivo, estos paneles se fabrican para producir la máxima energía para un determinado color de la luz y, por tanto, los cambios producidos por la posición del sol y las condiciones atmosféricas dan lugar a pérdidas en la producción.
Para lograr reducir estas pérdidas, se intenta diseñar los paneles buscando el óptimo de producción de energía global y no para un color determinado. Pero, debido a la infinita variedad de condiciones atmosféricas combinadas con distintas posiciones del sol, esta optimización es muy complicada, según los expertos.
En el trabajo que han llevado a cabo los investigadores han demostrado que los conjuntos de datos con miles de espectros solares pueden reducirse a unos pocos espectros característicos utilizando técnicas de inteligencia artificial, y utilizarlos con éxito para predecir la eficiencia promedio anual en función del diseño de la célula solar.
Te puede interesar: Enel Green Power inicia operaciones en la planta fotovoltaica de El Paso Solar en Colombia