Con la amenaza inminente del cambio climático, ya es hora de que adoptemos las fuentes de energía renovable a mayor escala. Los sistemas fotovoltaicos, que generan electricidad a partir del suministro casi ilimitado de energía solar, son una de las formas más prometedoras de generar energía limpia. Sin embargo, la integración de sistemas fotovoltaicos en las redes eléctricas existentes no es un proceso sencillo. Debido a que la producción de energía de los sistemas fotovoltaicos depende en gran medida de las condiciones ambientales, los gerentes de plantas de energía y redes necesitan estimaciones de cuánta energía inyectarán los sistemas fotovoltaicos para planificar programas óptimos de generación y mantenimiento, entre otros aspectos operativos importantes.
De acuerdo con las tendencias modernas, si es necesario predecir algo, puede apostar con seguridad a que aparecerá la inteligencia artificial. Hasta la fecha, existen muchos algoritmos que pueden estimar la energía producida por los sistemas fotovoltaicos con varias horas de anticipación aprendiendo de datos anteriores y analizando variables actuales. Uno de ellos, llamado sistema de inferencia neuro-difuso adaptativo (ANFIS), se ha aplicado ampliamente para pronosticar el rendimiento de sistemas complejos de energía renovable. Desde sus inicios, muchos investigadores han combinado ANFIS con una variedad de algoritmos de aprendizaje automático para mejorar aún más su rendimiento.
Un equipo de investigación dirigido por Jong Wan Hu de la Universidad Nacional de Incheon, Corea, desarrolló dos nuevos modelos basados en ANFIS para estimar mejor la energía generada por los sistemas fotovoltaicos con anticipación hasta en un día completo. Estos dos modelos son 'algoritmos híbridos' porque combinan el enfoque ANFIS tradicional con dos métodos de optimización de enjambre de partículas diferentes, que son estrategias potentes y computacionalmente eficientes para encontrar soluciones óptimas a los problemas de optimización.
Para evaluar el rendimiento de sus modelos, el equipo los comparó con otros algoritmos híbridos basados en ANFIS. Probaron las capacidades predictivas de cada modelo utilizando datos reales de un sistema fotovoltaico real implementado en Italia en un estudio anterior. Los resultados, como comenta el Dr. Hu, fueron muy prometedores: “Uno de los dos modelos que desarrollamos superó a todos los modelos híbridos probados y, por lo tanto, mostró un gran potencial para predecir la energía fotovoltaica de los sistemas solares en horizontes tanto a corto como a largo plazo. . "
Los hallazgos de este estudio podrían tener implicaciones inmediatas en el campo de los sistemas fotovoltaicos desde la perspectiva del software y la producción. “En términos de software, nuestros modelos se pueden convertir en aplicaciones que estimen con precisión los valores del sistema fotovoltaico, lo que conduce a un mejor rendimiento y funcionamiento de la red. En términos de producción, nuestros métodos pueden traducirse en un aumento directo de la energía fotovoltaica al ayudar a seleccionar variables que se pueden utilizar en el diseño del sistema fotovoltaico ”, explica el Dr. Hu. ¡Esperemos que este trabajo nos ayude en la transición a fuentes de energía sostenibles!
