Investigadores de la Universidad Carlos III de Madrid (UC3M) y la Universidad de Jaén (UJA) han publicado un estudio que informa de una combinación óptima de modelos de predicción de radiación solar con la que pueden reducir en 25 el error en las predicciones a corto plazo (6 horas). % y 30%.

El proyecto de investigación se ha centrado en mejorar la previsión de radiación solar a corto plazo para la Península Ibérica, en una escala de minutos, una escala de horas y una escala de días. Específicamente, Se analizaron cinco tipos de modelos:basados ​​en cámaras de nubes, mediciones, imágenes de satélite, predicciones meteorológicas, y un híbrido de los dos últimos. Para este propósito, los investigadores seleccionaron cuatro estaciones meteorológicas como áreas representativas para la evaluación ubicadas en Sevilla, Lisboa, Madrid y Jaén.

Durante dos años, Ambos grupos de investigación han dividido su trabajo en dos partes. Por un lado, el Grupo de Computación Evolutiva y Redes Neuronales (EVANNAI) de la UC3M se ha centrado en aplicar técnicas de inteligencia artificial para seleccionar el mejor modelo o combinación de modelos para cada situación meteorológica, ubicación y horizonte de tiempo, así como obtener intervalos de predicción para estimar la incertidumbre en los pronósticos. Por otra parte, el Grupo de Modelado de Atmósfera y Radiación Solar (MATRAS) de la UJA se ha centrado en el diseño y mejora de diferentes métodos de predicción de la radiación solar, para lo cual han utilizado diferentes metodologías como las cámaras de nubes, imágenes de satélite y modelos meteorológicos.

El resultado más llamativo obtenido en esta investigación es que la combinación de modelos óptimos reduce el error de pronóstico en alrededor de un 30% con respecto a los mejores modelos en cada horizonte temporal. "Esta es la primera vez que se comparan cinco modelos independientes, y gracias a la inteligencia artificial y el procesamiento matemático, hemos podido reducir el margen de error en cada horizonte de pronóstico, lo que representa un ahorro económico porque reduce el costo de integración de la energía solar, "explicó el coordinador del proyecto, David Pozo, catedrático de física aplicada en la UJA.

"El uso de inteligencia artificial y, en concreto, técnicas de aprendizaje automático permiten que las previsiones de diferentes modelos se integren de forma automática y eficaz, con el propio modelo proporcionando el mejor pronóstico para cada horizonte de tiempo. Es más, el uso de técnicas de optimización evolutiva permite cuantificar la incertidumbre para cada uno de los pronósticos. La incorporación de estas nuevas técnicas en el contexto de las energías renovables ha supuesto importantes mejoras con respecto a las técnicas iniciales, "explicaron Inés M. Galván y Ricardo Aler, profesores asociados del Departamento de Ingeniería y Ciencias de la Computación.

Los investigadores han determinado el momento del horizonte temporal durante el cual cada modelo es más confiable, como ocurre, por ejemplo, con el uso de imágenes de satélite durante las primeras dos o tres horas o el uso del modelo numérico de predicción del tiempo después de la cuarta o quinta hora. Y entre otras cosas también ha llegado a la conclusión de que la predicción cerca de las zonas costeras es más difícil incluso dentro del margen de una hora.

Parte de este estudio ha sido publicado en dos artículos en la revista científica Energía solar , y otra parte está en proceso de revisión para otras revistas.