12/12/2016 - Mayor precisión para estimar la radiación solar a corto plazo gracias al uso de Redes Neuronales Artificiales

Menéame

Un estudio realizado por un equipo de investigadores de la Universidad Politécnica de Madrid (UPM) y del Instituto Nicaragüense de Estudios Territoriales (INETER), introduce una nueva metodología basada en observaciones realizadas en paralelo por sensores colocados en distintos emplazamientos y valores para diferentes variables (temperatura, humedad, presión, viento y otras estimaciones).

Los experimentos se llevaron a cabo utilizando Redes Neuronales Artificiales con diferentes arquitecturas y parámetros para determinar cuáles generaban las mejores predicciones para los diferentes tiempos estudiados. Los resultados permitieron generar modelos que predicen laIrradiancia Solar Global a corto plazo con tasas de error inferiores al 20%, lo que puede resultar muy útil a las compañías que operan las instalaciones de energía solar fotovoltaica y termo solar para estimar la capacidad de producción de sus instalaciones.

Uno de los retos de la sociedad moderna es la utilización eficiente de los recursos naturales y la minimización del impacto ambiental derivado del incremento en la demanda y consumo de energía. Es aquí donde una de las energías renovables, la energía solar, se está consolidando como una de las soluciones a largo plazo con mayor potencial, más sostenible y con menor impacto. En particular, estamos hablando de la energía solar fotovoltaica, que puede conectarse a la red de transporte y distribución pero que requiere que se gestione adecuadamente la oferta y la demanda de energía. Por su parte los operadores de los sistemas de energía solar necesitan en todas sus etapas (planificación, construcción y posterior operación) conocer con suficiente antelación la radiación solar que van a recibir sus instalaciones. Es aquí donde se hace necesaria la predicción de la Irradiancia Solar Global (ISG) a unas pocas horas y con el menor error posible para estimar la producción de energía prevista.

Se conocen varios métodos para estimar la Irradiancia Solar Global: predicciones numéricas basadas en la localización y el tiempo complementadas con distintos modelos de corrección, los basados en imágenes de satélite que registran la nubosidad y estiman las pérdidas en el modelo ideal, otras basadas en series temporales y otras en Inteligencia Artificial. Cada método presenta unas ventajas e inconvenientes. Por ejemplo, la predicción basada en imágenes de satélite ha demostrado ser universal por ofrecer estimaciones para grandes extensiones geográficas; sin embargo, presenta el inconveniente de la disponibilidad de dichas imágenes para determinadas regiones del planeta y el pre-procesamiento de las imágenes, entre otros. En el caso de las predicciones basadas en métodos numéricos se estima la dinámica de la atmosfera de un modo realista mediante la asimilación de datos; sin embargo, garantizan la estabilidad general del pronóstico sobre eventos meteorológicos locales generados en cortas escalas espacio-temporales. Por otro lado, los métodos basados en Inteligencia Artificial desarrollados hasta ahora utilizaban tan sólo el histórico de datos endógenos, asociados al propio lugar de la predicción.

El estudio realizado por los investigadores de la UPM e INETER se centró en la hipótesis de que era posible mejorar el pronóstico a corto plazo de la Irradiancia Solar Global mediante la generación de modelos basados en Redes Neuronales Artificiales utilizando muchas variables meteorológicas de entrada, observadas tanto en el lugar de interés como en emplazamientos próximos y distribuidas tanto en el espacio como en el tiempo (se emplearon aproximadamente 900 variables). La imagen que se presenta a continuación es una representación simplificada de uno de los modelos creados para predecir la Irradiancia Solar Global en un tiempo futuro utilizando como datos de entrada las observaciones registradas (en el espacio y el tiempo) en los lugares establecidos (señalados en el gráfico de la “A” a la “J”). En ella se puede ver cómo cada emplazamiento aporta 9 variables distintas y cada una de estas con una historia en el tiempo de 10 valores.

Ilustración simplificada de los modelos RNAs desarrollados. Fuente: UPM

Los resultados de la investigación evidencian la capacidad de los modelos desarrollados, basados en Redes Neuronales Artificiales, para capturar las relaciones tanto lineales como no lineales entre las distintas variables consideradas. Tal y como señalan los investigadores “esto nos ha permitido predecir la Irradiancia Solar Global a corto plazo con una habilidad de pronóstico (forecast skill) significativo y un error medio cuadrático normalizado inferior al 20% respecto al resto de modelos basados en Redes Neuronales Artificiales. También nos ha permitido identificar una relación entre las ventanas temporales de predicción de 1-3 horas y 4-6 horas respecto a la distancia de referencia de 55 km (representado con un circulo azul en la imagen), dejando abierta una línea de investigación para utilizar distintas distancias de referencia para distintas ventanas de predicción”.

El resultado de esta investigación tiene distintas aplicaciones, la más directa en las compañías que operan las instalaciones de energía solar fotovoltaica/térmica para estimar la capacidad de producción de sus instalaciones tal y como demanda la legislación vigente y las operadoras de los sistemas eléctricos nacionales. Tanto unas como otras las pueden usar para ser más eficientes en sus objetivos: maximizar el retorno de la inversión y ajustar las curvas de la oferta y la demanda también pronosticada de energía.

Ref.

Gutierrez-Corea, FV; Manso-Callejo, MA; Moreno-Regidor, MP; Manrique-Sancho, MT. Forecasting short-term solar irradiance based on artificial neural networks and data from neighboring meteorological stations. SOLAR ENERGY 134: 119-131. DOI: 10.1016/j.solener.2016.04.020. SEP 2016.

_______________________

UPM

Oracle acaba de emitir una alerta de seguridad para corregir la vulnerabilidad CVE-2026-91403, que afecta al componente Java Secure Socket Extension (JSSE) de versiones concretas de Oracle Java SE y GraalVM. La compañía le asigna una puntuación de 9,1 sobre 10 en CVSS 3.1. La matriz de riesgo señala que la vulnerabilidad puede explotarse por red sin autenticación y que,...

Acuerdo provisional sobre el mercado europeo de carbono El Consejo de la Unión Europea y el Parlamento Europeo alcanzaron el 20 de octubre de 2026 un acuerdo político provisional para modificar las reglas de invalidación de derechos de emisión en la Reserva de Estabilidad del Mercado (MSR), integrada en el régimen de comercio de derechos de emisión de la Unión...

El Consejo General de Colegios Oficiales de Graduados e Ingenieros Técnicos Industriales de España (COGITI) ha remitido documentación actualizada a octubre de 2026 sobre las atribuciones profesionales de los ingenieros técnicos industriales y de los graduados en Ingeniería con titulaciones habilitantes. El Colegio Oficial de Ingenieros Técnicos Industriales de Zamora ha difundido la comunicación entre sus colegiados. Los documentos toman...

Miguel Ángel Carrera, Ixone Angulo y Bebidas PepsiCo, S. L. han sido anunciados como ganadores de la primera edición de los Premios de Ingeniería e Industria de Euskadi, impulsados por el Consejo Vasco de Ingeniería Industrial, integrado por los colegios oficiales de Álava, Bizkaia y Gipuzkoa. Miguel Ángel Carrera ha sido distinguido como Ingeniero del Año por su trayectoria profesional....

El programa NAVISP impulsa técnicas de aprendizaje automático para identificar señales anómalas en sensores cuánticos destinados a posicionamiento, navegación y sincronización. Un nuevo enfoque para la navegación de precisión La Agencia Espacial Europea, a través de su programa NAVISP, impulsa el proyecto AI for Anomaly Detection in Multi-Sensor PNT, orientado a detectar comportamientos anómalos en sensores cuánticos empleados en sistemas...