¿Cómo puede el aprendizaje automático aumentar la precisión de los pronósticos de energía solar?

Dado que la energía solar juega un papel creciente en el suministro de energía global, garantizar pronósticos precisos de la generación de energía fotovoltaica (PV) es importante para equilibrar la demanda y el suministro de energía.

Un nuevo estudio publicado en Avanzar en la ciencia atmosférica Esto sugiere cómo el aprendizaje automático y la tecnología estadística pueden refinar estos pronósticos corrigiendo errores en el modelo del clima.

El pronóstico del tiempo es una entrada importante para el modelo de predicción de energía fotovoltaica, pero a menudo son errores sistemáticos que afectan la precisión. Investigadores del Instituto de Estadísticas del Instituto de Tecnología Carlsuhe examinaron varios métodos para mejorar estas predicciones mediante la implementación de técnicas de procesamiento posterior en varias etapas del proceso de pronóstico.

Su estudio probó tres estrategias: ajustar los pronósticos meteorológicos antes de ingresar al modelo fotovoltaico, refinar las predicciones eléctricas y usar el aprendizaje automático para pronosticar la energía solar directamente a partir de los datos meteorológicos.

Nina Horat, la autora principal del estudio, dijo: "El pronóstico del tiempo no es correcto, y esos errores se toman a las predicciones de energía solar". "Al atar los pronósticos en diferentes etapas, podemos mejorar enormemente qué tan bien predecimos la producción de energía solar".

Las conclusiones sugieren que la energía solar posterior al procesamiento mejora las predicciones cuando se aplica a pronósticos eléctricos en lugar de una entrada del clima. Si bien los modelos de aprendizaje automático generalmente funcionan mejor por los métodos estadísticos tradicionales, su ventaja en este caso era limitada, brillante debido a los datos de entrada disponibles. El estudio también encontró que como factor era importante para la precisión, incluidas las horas diurnas.

"Qué importante fue un día de nuestras mayores takeaairs", dijo Sebastian Learch, autor del estudio. "Vimos las grandes reformas cuando entrenamos modelos separados para cada hora del día o alimentamos el tiempo directamente en el algoritmo".

Un enfoque prometedor evita completamente el modelo fotovoltaico tradicional, utilizando un algoritmo de aprendizaje automático para predecir directamente la energía solar de los datos meteorológicos. Este método proporciona un beneficio práctico: esto no requiere un conocimiento detallado del diseño de la planta solar, aunque requiere datos históricos de clima y rendimiento para la capacitación.

La investigación abre la puerta para refinar el enfoque de aprendizaje automático para futuros estudios, integrar variables climáticas adicionales y expandir el análisis para múltiples plantas solares.

A medida que la energía renovable continúa creciendo, la mejora de las técnicas de pronóstico será importante para garantizar una red eléctrica estable y eficiente.