La energía solar tiene un problema.
Hoy en día, generar electricidad con la luz del sol es más barato y limpio que nunca.
Sin embargo, todo puede cambiar en cuestión de segundos cuando una nube cubre el cielo.
Para reducir el impacto de esos cambios repentinos, un grupo de científicos desarrolló un sistema de inteligencia artificial capaz de observar el cielo y complementar la información que ofrecen los pronósticos meteorológicos tradicionales.
¿Podrá un sistema así ayudar a anticipar esas caídas de producción con el tiempo suficiente para que la red eléctrica reaccione?
Cuál es el enemigo de los paneles solares
El paso de una nube por el cielo parece algo completamente normal, pero para una instalación solar puede convertirse en un verdadero desafío.
Imagina un mediodía despejado.
Miles de paneles solares están funcionando casi al máximo y enviando electricidad a la red.
De repente, una nube cruza el cielo y, en apenas unos segundos, cientos o miles de paneles reciben mucha menos radiación solar.
La producción eléctrica cae de forma brusca.
Los grandes modelos meteorológicos funcionan muy bien para hacer previsiones generales, pero no siempre tienen la resolución temporal y espacial necesaria para anticipar qué tejado o qué parte de un parque solar quedará bajo una nube en los próximos segundos.
Esa falta de información inmediata dificulta el equilibrio de la red eléctrica y obliga a reaccionar con muy poco margen cuando la producción solar cambia de forma repentina.
Una cámara que aprende a leer el cielo
Para intentar resolver ese problema, un equipo de la Kaunas University of Technology desarrolló un sistema inteligente llamado ShadowSense.
Lo interesante es que no funciona como muchos modelos de inteligencia artificial que necesitan miles de imágenes etiquetadas manualmente por investigadores.
ShadowSense aprende relacionando las imágenes del cielo con los datos eléctricos que generan los paneles solares, sin necesidad de que los investigadores clasifiquen previamente cada fotografía.
Para comprobar si realmente funcionaba, los investigadores realizaron un experimento durante 92 días.
Instalaron una cámara gran angular junto a un panel solar situado en un tejado y recopilaron más de 122 000 observaciones, comparando continuamente el aspecto del cielo con la producción eléctrica del sistema.
Con el tiempo, el algoritmo aprendió a reconocer qué estructuras de nubes y qué desplazamientos de las sombras solían estar asociados con determinadas variaciones en la producción eléctrica.
Al finalizar el experimento, el sistema consiguió identificar correctamente más del 92 % de los cambios repentinos de producción considerados por los investigadores.
La gran pregunta ahora es hasta qué punto esta capacidad puede ayudar a gestionar mejor la energía solar cuando las condiciones del cielo cambian de un momento a otro.
Del tejado a la red eléctrica
Las primeras pruebas realizadas en Lituania ofrecen resultados prometedores.
Pero ahora comienza el verdadero examen.
Los investigadores necesitan comprobar si ShadowSense mantiene el mismo rendimiento cuando se utiliza en instalaciones mucho más grandes y en condiciones muy diferentes.
También deberá probarse en grandes plantas solares, distintas latitudes, con cámaras diferentes y bajo condiciones meteorológicas mucho más variadas que las del experimento original.
Si consigue mantener ese nivel de precisión fuera del entorno donde fue entrenado, ShadowSense podría ofrecer segundos o incluso minutos de margen para ajustar baterías, inversores u otras fuentes de generación antes de que la producción solar caiga de forma repentina.
Por ahora, ese sigue siendo el gran reto. El sistema ha demostrado resultados prometedores en las pruebas realizadas, pero todavía deberá confirmar que puede mantener ese rendimiento cuando se enfrente a escenarios mucho más diversos.
¿Te ha servido este artículo?
Recibe cada semana lo que de verdad importa
Análisis de energía, clima y naturaleza en tu correo. Gratis y sin spam.
