Inteligencia Artificial para producir energía solar
Se trata de un estudio, publicado en Nature Communications, que permite, en cuestión de pocas horas de cálculo, hallar el diseño óptimo de panel solar multiunión para cada localización en la que se sitúe para mejorar su rendimiento y proporcionar más energía solar. Usando la técnica clustering, basada en estadística e inteligencia artificial, los científicos del Instituto de Energía Solar de la Universidad Politécnica de Madrid (IES – UPM) y del Instituto de Micro y Nanotecnologia del Consejo Superior de Investigaciones Científicas (IMN-CSIC) han logrado una manera práctica de poder incluir en sus cálculos todos los cambios que se producen en el espectro solar para, así, predecir la producción de energía solar fotovoltaica.
Las condiciones atmosféricas cambian, tanto a través de las estaciones del año como a lo largo del día, así como en lo relativo a la posición del Sol. Estas variaciones ocasionan que la luz solar que llega a los paneles fotovoltaicos tenga unas características diferentes. En este sentido, el cambio más relevante se produce en el contenido espectral de la luz, esto es, el reparto de colores de esta: al mediodía la luz es más azul, mientras que, durante la tarde, es más roja.
Todos estos cambios que se producen en el espectro de luz son los que los científicos han logrado incluir en sus cálculos de manera práctica para conseguir una predicción en la producción de energía solar fotovoltaica. Así, los paneles solares del futuro serán de tipo multiunión, combinando diferentes materiales que permitan un mayor aprovechamiento del espectro de luz solar.
La producción de energía en este tipo de paneles depende en gran medida de los cambios de color producidos en la luz solar, por lo que se fabrican para producir la máxima energía para un determinado color de la luz. Así, los cambios que se producen por la posición del Sol y las condiciones atmosféricas dan lugar a pérdidas en la producción. Para reducir estas pérdidas se intenta diseñar los paneles para conseguir el óptimo de producción de energía global y no para un determinado color. Una optimización complicada si se tiene en cuenta la variedad de condiciones atmosféricas derivadas de las distintas posiciones del Sol.
La idea inicial se debe a Iván García Vara (IES-UPM), que concibió un método estadístico para este tipo de cálculo durante su estancia en el National Renewable Energy Laboratory. Después, José María Ripalda Cobián y Jeronimo Buencuerpo Fariña (IMN – CSIC), aplicaron la técnica de clustering al anterior método consiguiendo un resultado con éxito. Porque el trabajo que han llevado a cabo muestra que los conjuntos de datos con miles de espectros solares se pueden reducir a unos pocos espectros característicos usando técnicas de inteligencia artificial que predicen de manera certera la eficiencia promedio anual en función del diseño de la célula solar.