Inteligencia Artificial para producir energía solar

Un grupo de científicos de la Universidad Politécnica de Madrid y del Consejo Superior de Investigaciones Científicas han desarrollado un método, a partir de técnicas de Inteligencia Artificial, que permite tener en cuenta las variaciones atmosféricas en el diseño de células solares para producir más energía.

Se trata de un estudio, publicado en Nature Communications, que permite, en cuestión de pocas horas de cálculo, hallar el diseño óptimo de panel solar multiunión para cada localización en la que se sitúe. Podrán mejorar su rendimiento según las variaciones atmosféricas y proporcionar más energía solar. El estudio ha sido llevado a cabo por los 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 usado la técnica clustering, una técnica basada en estadística e inteligencia artificial. Así han logrado una manera práctica de poder incluir en sus cálculos todos los cambios que se producen en el espectro solar. De esta manera podrán predecir la producción de energía solar fotovoltaica.

Introducción

La expansión de la energía fotovoltaica (PV) solía estar limitada por el alto costo de las células solares, pero el costo de la electricidad fotovoltaica ahora está determinado principalmente por costos relacionados con el área distintos del costo de las células solares1, lo que aumenta la eficiencia energética no solo da como resultado un mayor retorno de la inversión, pero también reduce el impacto medioambiental y estético de las instalaciones fotovoltaicas. La eficiencia nominal o estándar de una celda de energía solar se define de la siguiente manera; la salida de energía eléctrica por unidad de área en condiciones de prueba estándar dividida por el valor estándar de la irradiancia horizontal global.

En la práctica, la eficiencia estándar difiere de la eficiencia promedio anual. Esta viene determinada por el rendimiento energético anual por unidad de área dividido por la irradiancia solar integrada en el tiempo, debido a variaciones espectrales en función de la posición del sol y los fenómenos atmosféricos. La eficiencia estándar nominal de los módulos en nuevas instalaciones a escala de servicios públicos está aumentando en un 0,6% por año en promedio1. Al ritmo actual, alcanzaremos los límites prácticos de la tecnología fotovoltaica de unión única en una década. También se ha informado de una tendencia similar hacia una mayor eficiencia del inversor, y el 80% de los sistemas a escala de servicios públicos de EE. UU.

Condiciones atmosféricas

Las condiciones atmosféricas cambian, tanto a través de las estaciones del año como a lo largo del día, así como en lo relativo a la posición del Sol. Estas variaciones ocasionan que la luz solar que llega a los paneles fotovoltaicos tenga unas características diferentes. En este sentido, el cambio más relevante se produce en el contenido espectral de la luz. Esto es, el reparto de colores de esta: al mediodía la luz es más azul, mientras que, durante la tarde, es más roja.

Todos estos cambios que se producen en el espectro de luz son los que los científicos han logrado incluir en sus cálculos de manera práctica. Así han conseguido una predicción en la producción de energía solar fotovoltaica. Así, los paneles solares del futuro serán de tipo multiunión, combinando diferentes materiales que permitan un mayor aprovechamiento del espectro de luz solar.

Inteligencia Artificial para producir energía solar

La producción de energía en este tipo de paneles depende en gran medida de los cambios de color producidos en la luz solar, por lo que se fabrican para producir la máxima energía para un determinado color de la luz. Así, los cambios que se producen por la posición del Sol y las condiciones atmosféricas dan lugar a pérdidas en la producción. Para reducir estas pérdidas se intenta diseñar los paneles para conseguir el óptimo de producción de energía global y no para un determinado color. Una optimización complicada si se tiene en cuenta la variedad de condiciones atmosféricas derivadas de las distintas posiciones del Sol.

La idea inicial se debe a Iván García Vara (IES-UPM). García Vara concibió un método estadístico para este tipo de cálculo durante su estancia en el National Renewable Energy Laboratory. Después, José María Ripalda Cobián y Jeronimo Buencuerpo Fariña (IMN – CSIC), aplicaron la técnica de clustering al anterior método consiguiendo un resultado con éxito. Porque el trabajo que han llevado a cabo muestra que; los conjuntos de datos con miles de espectros solares se pueden reducir a unos pocos espectros característicos. Pueden hacerlo usando técnicas de inteligencia artificial que predicen de manera certera la eficiencia promedio anual en función del diseño de la célula solar.