Con l'incombente minaccia del cambiamento climatico, è giunto il momento di abbracciare le fonti di energia rinnovabile su scala più ampia. I sistemi fotovoltaici, che generano elettricità dalla fornitura quasi illimitata di energia solare, sono uno dei modi più promettenti per generare energia pulita. Tuttavia, l'integrazione di sistemi fotovoltaici nelle reti elettriche esistenti non è un processo semplice. Poiché la produzione di energia degli impianti fotovoltaici dipende fortemente dalle condizioni ambientali, i gestori di centrali elettriche e di rete hanno bisogno di stime di quanta potenza sarà iniettata dai sistemi fotovoltaici in modo da pianificare programmi ottimali di generazione e manutenzione, tra gli altri importanti aspetti operativi.
In linea con le tendenze moderne, se qualcosa deve essere previsto, puoi tranquillamente scommettere che l'intelligenza artificiale farà la sua comparsa. Ad oggi esistono molti algoritmi in grado di stimare la potenza prodotta dagli impianti fotovoltaici con diverse ore di anticipo imparando dai dati precedenti e analizzando le variabili attuali. Uno di questi, chiamato sistema di inferenza neuro-fuzzy adattivo (ANFIS), è stato ampiamente applicato per prevedere le prestazioni di complessi sistemi di energia rinnovabile. Fin dal suo inizio, molti ricercatori hanno combinato ANFIS con una varietà di algoritmi di apprendimento automatico per migliorare ulteriormente le sue prestazioni.
Un team di ricerca guidato da Jong Wan Hu della Incheon National University, Corea, ha sviluppato due nuovi modelli basati su ANFIS per stimare meglio la potenza generata dai sistemi fotovoltaici in anticipo fino a un giorno intero. Questi due modelli sono "algoritmi ibridi" perché combinano il tradizionale approccio ANFIS con due diversi metodi di ottimizzazione dello sciame di particelle, che sono strategie potenti ed efficienti dal punto di vista computazionale per trovare soluzioni ottimali ai problemi di ottimizzazione.
Per valutare le prestazioni dei loro modelli, il team li ha confrontati con altri algoritmi ibridi basati su ANFIS. Hanno testato le capacità predittive di ciascun modello utilizzando dati reali da un sistema fotovoltaico reale implementato in Italia in uno studio precedente. I risultati, come osserva il dott. Hu, sono stati molto promettenti: “Uno dei due modelli che abbiamo sviluppato ha superato tutti i modelli ibridi testati e quindi ha mostrato un grande potenziale per prevedere l'energia fotovoltaica dei sistemi solari sia a breve che a lungo termine. .”
I risultati di questo studio potrebbero avere implicazioni immediate nel campo dei sistemi fotovoltaici dal punto di vista del software e della produzione. “In termini di software, i nostri modelli possono essere trasformati in applicazioni che stimano con precisione i valori del sistema fotovoltaico, portando a prestazioni migliorate e funzionamento della rete. In termini di produzione, i nostri metodi possono tradursi in un aumento diretto della potenza fotovoltaica aiutando a selezionare le variabili che possono essere utilizzate nella progettazione dell'impianto fotovoltaico”, spiega il dott. Hu. Speriamo che questo lavoro ci aiuti nella transizione verso fonti energetiche sostenibili!
