Mejora de la precisión predictiva de la energía fotovoltaica

El estudio presenta una nueva técnica de modelado para explorar características espaciotemporales en múltiples sitios.

La generación fotovoltaica, la tecnología más barata, más fácil y más rápida de instalar, continúa expandiéndose en todo el mundo, impulsada tanto por los incentivos gubernamentales como por la demanda del mercado.

Una gran parte de la incorporación de sitios fotovoltaicos a una red eléctrica implica predecir su producción por adelantado, a menudo basándose en pronósticos de nubosidad junto con tendencias históricas. Un enfoque más nuevo incorpora correlaciones espaciales con otros sitios fotovoltaicos cercanos para una mayor precisión. Sin embargo, este modelado espaciotemporal combinado es limitado y normalmente depende de gráficos estáticos o dinámicos para construir dependencias espaciales.

Yu et al. demostró la posibilidad de que existan múltiples dependencias espaciales simultáneamente, combinando gráficos estáticos y dinámicos para modelar con mayor precisión las interacciones de características espaciales en múltiples sitios.

«Debido a la incertidumbre en las direcciones del movimiento de las nubes, algunos sitios pueden verse más afectados que otros», dijo el autor Yunjun Yu.

El modelo que desarrollaron presenta una red neuronal de gráficos híbridos combinada con un mecanismo de activación y un módulo de fusión espaciotemporal adaptativo para evitar que los sitios se vean afectados por ruido espacial inesperado.

Los resultados experimentales que compararon modelos de sitio único y de sitios múltiples mostraron una precisión mejorada del modelo en las predicciones fotovoltaicas en conjuntos de datos de dos regiones climáticas diferentes. Los investigadores creen que su sistema tiene ventajas significativas en cuanto a precisión predictiva y generalización entre tipos de clima, y ??mejorará la gestión de la energía y el mercado en desarrollo a su alrededor.

«Las predicciones fotovoltaicas precisas para todos los sitios son muy beneficiosas para el comercio regional de energía y la gestión de la congestión de la red», afirmó Yu. «Nuestro trabajo ayudará a aportar más precisión a este importante campo».

Fuente: “Predicción de la irradiancia solar en múltiples sitios basada en una red neuronal de gráficos espaciotemporales híbridos”, por Yunjun Yu, Zejie Cheng, Biao Xiong y Qian Li, Journal of Renewable and Sustainable Energy (2024). Se puede acceder al artículo en http://doi.org/10.1063/5.0207462.