La UJA desarrolla una modelo de predicción de radiación solar que reduce el error a corto plazo
Investigadores del grupo 'Modelización de la Atmósfera' (Matras) de la Universidad de Jaén (UJA) y del grupo 'Computación evolutiva y redes neuronales' (Evannai) de la Universidad Carlos III de Madrid han desarrollado una combinación "óptima" de los modelos de predicción de radiación solar que reduce entre un 25 y un 30 por ciento el error en los pronósticos a corto plazo (seis horas).
"Una de nuestras líneas de investigación es el desarrollo de modelos que sean capaces de pronosticar lo que va a producir una central de energía renovable, eólica o solar, con antelación", ha explicado el responsable del estudio y catedrático de Física Aplicada de la Universidad de Jaén, David Pozo.
Al hilo de las cosas, Pozo ha señalado que "el pronóstico de la radiación solar es importante para la gestión del sistema eléctrico, sino predecimos de forma certera la radiación solar no se puede aprovechar bien la energía solar, por lo que se produce una desaprovechamiento de los recursos".
Según ha explicado la UJA en un comunicado de prensa, el proyecto, "pionero a nivel mundial", se ha centrado concretamente en la mejora del pronóstico de la radiación solar a corto plazo, en escalas de minutos a horas y días, en la Península Ibérica.
Para ello, han analizado cinco modelos distintos: modelos basados en cámaras de nubes, modelos estadísticos basados en medidas, modelos numéricos de predicción meteorológica y un híbrido de estos dos últimos.
"No existe el mejor modelo de predicción, sino que cada modelo puede ser el óptimo en función del horizonte de predicción, las condiciones meteorológicas o el emplazamiento. En nuestro caso, seleccionamos cuatro estaciones meteorológicas, situadas en Sevilla, Lisboa, Madrid y Jaén, como zonas representativas para la evaluación", ha indicado Pozo.
A lo largo de dos años, ambos grupos de investigación han dividido su trabajo en dos partes. Por una parte, el grupo de la UJA se ha centrado en la elaboración y mejora de distintos métodos de predicción de la radiación solar. Para este fin, han utilizado distintas metodologías como cámaras de nubes, imágenes de satélite y modelos meteorológicos).
Por su parte, el grupo de la Universidad Carlos III de Madrid se ha centrado en aplicar técnicas de inteligencia artificial para seleccionar el mejor modelo o combinación de modelos para cada situación meteorológica, localización y horizonte temporal así como para obtener intervalos de confianza de las predicciones.
El resultado "más impactante" que se ha obtenido es que la combinación óptima de los modelos rebaja la predicción de error en torno a un 30 por ciento al mejor de los modelos en cada horizonte temporal.
"Es la primera vez que se compara cinco modelos independientes y gracias a la inteligencia artificial y al tratamiento matemático hemos logrado reducir el margen de error en cada horizonte de predicción, lo que supone un ahorro económico porque disminuye el coste de integración de la energía solar", ha argumentado Pozo.
A su vez, han determinado el momento del horizonte temporal en el que cada modelo es más fiable, como por ejemplo ha ocurrido con el uso de imágenes satélite durante las dos o tres primeras horas, o con la utilización del modelo numérico de predicción meteorológica a partir de la cuarta o quinta hora.
También han concluido que "el pronóstico cerca de las zonas costeras es muy difícil incluso en el margen de una hora. Por ello, las centrales de energía solar situadas cerca de la costa suponen un reto para la integración de la energía solar en la red eléctrica", ha expuesto Pozo.
Parte del estudio ha sido publicado en dos artículos en la revista científica 'Solar Energy', y otra parte está en proceso de revisión en otras revistas de prestigio.
En su elaboración han participado los investigadores de la UJA, David Pozo, Clara Arbizu, Francisco J. Rodríguez-Benítez y Joaquín Tovar; y los investigadores de la Universidad Carlos III, Javier Huertas, Ricardo Aler e Inés Galván.
Por último, el proyecto ha contado con financiación del Ministerio de Economía y Competitividad, y la colaboración de la Facultad de Ciencias de la Universidad de Lisboa y Abengoa Solar.