Los investigadores de la Universidad de O´Higgins (Chile) junto con investigadores procedentes de la Universidad de Laval (Canadá) y la Universidad de Kyoto (Japón) han desarrollado el proyecto ‘Deep photovoltaic nowcasting’ para realizar una predicción a corto plazo de la generación de la energía solar fotovoltaica.
El proyecto, financiado por la Japan Science and Technology Agency, utiliza la tecnología nowcasting, que consiste en capturar imágenes del cielo con una cámara de vídeo instalada cerca del panel solar. Con estas imágenes se podrá pronosticar a corto plazo, ya sea en minutos o de manera inmediata, la generación futura de electricidad.
«Saber cuál va a ser la generación de energía solar nos permitiría, por ejemplo, controlar la demanda o reducir el tamaño de la batería donde almacenemos en forma temporal la energía», explica el Dr. Rodrigo Verschae, académico del Instituto de Ciencias de la Ingeniería de la Universidad de O´Higgins.
Verschae defiende que el siguiente paso es permitir al consumidor decidir en tiempo real el consumo de energía que realiza, «en razón de la energía renovable que hay disponible».
Deep Learning
Para el desarrollo de este trabajo, los investigadores implementaron las técnicas avanzadas de Deep Learning, que aprende de forma automática la relación entre la apariencia del cielo, en la que se incluyen nubes, sol y cielo despejado, entre otros factores climatológicos; y la generación de energía fotovoltaica del panel solar.
La investigación intenta resolver los problemas de la predicción de energía solar con el reemplazo de las tecnologías más tradicionales por un modelo de Deep Learning, que se basa en el uso de algoritmos de aprendizaje.
Los académicos comparan varios tipos de redes neuronales profundas (Deep Learning), exponiendo que funcionan mejor que el modelo base, y utilizan un modelo que incluye información temporal tanto de las imágenes como de la fuente de energía fotovoltaica, revelando que se puede hacer una predicción muy precisa en el corto plazo mediante varias medidas de error.