Deep Photovoltaic Nowcasting es un proyecto internacional que predice la cantidad de energía solar que puede generar una instalación. Lo hace usando imágenes del cielo.
El Dr. Rodrigo Verschae, académico del Instituto de Ciencias de la Ingeniería de la Universidad de O´Higgins; los investigadores Jinsong Zhang y Jean-François Lalonde de la Laval University, Canadá; y Shohei Nobuhara, de la Kyoto University, Japón; son los autores de Deep Photovoltaic Nowcasting.
Este proyecto trata de pronosticar, a corto plazo, la cantidad de energía solar que puede producir una instalación. Esta predicción, a escala de minutos y segundos, se conoce como nowcasting («pronóstico a corto plazo» o «pronóstico inmediato»). Los responsables del proyecto aseguran que «resulta crítico si se quieren gestionar las operaciones en una red de energía inteligente, asegurar la continuidad de energía, mejorar la eficiencia del sistema y propiciar el uso de fuentes renovables».
A día de hoy, las previsiones de actividad de las plantas fotovoltaicas se realizan a partir de datos de generación históricos se vuelve inadecuada debido a su baja resolución espacial y temporal. Sus pronósticos no suelen ser muy fiables, por tres razones:
- la estación más cercana a un panel solar podría estar demasiado lejos para ser confiable
- los satélites geoestacionarios tienen una resolución relativamente limitada
- modelos predictivos basados en datos de potencia del panel solar no son suficientes
Previsión a corto plazo de la producción de energía solar de una instalación
Deep Photovolatic Nowcasting busca hacer una proyección al corto plazo, local, precisa y de alta resolución. Se sirve, para ello, de imágenes del cielo capturadas por una cámara de video instalada cerca del panel solar.
El problema es que estimar las condiciones climáticas a partir de estas imágenes (intensidad del sol, apariencia y movimiento de las nubes…) es una tarea difícil con las técnicas tradicionales de visión por ordenador.
Para evitar estos inconvenientes, los investigadores han desarrollado un sistema que aprende automáticamente la relación entre la apariencia del cielo y la generación de energía fotovoltaica del panel solar. En particular, han utilizado técnicas avanzadas de Deep Learning que aprenden de manera eficiente a combinar una secuencia de observaciones de la generación de energía y una secuencia de imágenes del cielo, obteniendo un modelo compacto y capaz de predecir con precisión la generación futura.
“Lo que proponemos es instalar una cámara de video mirando al cielo, en el techo de una casa o edificio, cerca de paneles solares, que toma cuatro fotos cada segundo para generar una imagen de gran rango dinámico, y luego una secuencia de estas imágenes nos permite ver dónde está el sol, cómo se mueven las nubes y cuándo van a ocluirlo, impidiendo la generación de energía solar», explica el Dr. Verschae.
«En base a esa información podemos predecir cuándo va a haber menos energía, con una resolución muy precisa. Lo que se plantea en este trabajo es usar dos fuentes de información: tanto las imágenes del cielo como la generación de energía solar que obtenemos de un sensor de potencia instalado en el panel solar”.
