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

La Comisión Europea prepara un plan de acción destinado a acelerar la digitalización del sector del agua y mejorar la eficiencia en la gestión de los recursos hídricos. La comisaria de Medio Ambiente, Resiliencia Hídrica y Economía Circular Competitiva, Jessika Roswall, convocó para el 9 de noviembre de 2026 una mesa de trabajo con representantes de empresas, operadores de servicios,...

El Colegio Oficial de Ingenieros Aeronáuticos de España (COIAE) ha convocado una jornada virtual dedicada a la eficiencia operacional de las aerolíneas, una de las líneas de trabajo de la aviación comercial para optimizar recursos y reducir su impacto ambiental. La sesión está programada para hoy martes 10 de noviembre de 2026, a las 18:30 horas, y se integra en...

La Universidad Carlos III de Madrid (UC3M) participa entre el 10 y el 12 de noviembre de 2026 en Horizon Deep Tech Summit, un encuentro dedicado al desarrollo de tecnologías avanzadas, la colaboración con la industria y la creación de empresas a partir del conocimiento científico. La universidad ha anunciado su presencia a través del Servicio de Apoyo al Emprendimiento...

La Unión Europea ha iniciado siete proyectos de ciberseguridad dirigidos a hospitales y proveedores sanitarios, con una inversión conjunta próxima a los 30 millones de euros. La iniciativa, anunciada por el Centro Europeo de Competencia en Ciberseguridad (ECCC), pretende mejorar la capacidad de los centros para prevenir, detectar y responder a los ciberataques, especialmente a los episodios de ransomware capaces...

La seguridad del suministro energético, la diversificación de proveedores y la robustez de las infraestructuras logísticas ocuparon el centro del LXIII Almuerzo de la Ingeniería, organizado por la Asociación de Ingenieros Industriales de Madrid y el Colegio Oficial de Ingenieros Industriales de Madrid (COIIM). El encuentro contó con la intervención de Javier Goñi, consejero delegado de Exolum. Bajo el título...