Síguenos
La predicción del tiempo mejoraría  la rentabilidad de la energía fotovoltaica La predicción del tiempo mejoraría  la rentabilidad de la energía fotovoltaica
El ingeniero Álvaro Larrey en el aula de grados de la Escuela Universitaria Politécnica de Teruel

La predicción del tiempo mejoraría la rentabilidad de la energía fotovoltaica

Un TFG propone un sistema automatizado para optimizar una instalación
banner click 236 banner 236

Álvaro Larrey, egresado en Ingeniería Electrónica y Automática en la Escuela Universitaria Politécnica de Teruel (EUPT), realizó su trabajo fin de grado (TFG) sobre la Predicción de potencia generada por instalaciones fotovoltaicas mediante análisis estadístico, integración de datos meteorológicos y aprendizaje automático, implementada en un caso industrial. Una investigación en torno a la energía solar fotovoltáica, fuente muy importante en la actualidad, pero que tiene la desventaja de depender de la meteorología ya que su principal fuente motriz es el Sol.

Su trabajo consistió en predecir qué van a generar las placas fotovoltaicas, cómo se van a comportar y qué medidas hay que tomar para rentabilizar de forma óptima la instalación sin necesidad de estar pendiente de la luz solar. “Nos apoyamos en el sistema de la Aemet, cotejabamos los datos que esta agencia proporciona”, explicó. El TFG fue realizado en cuatro meses, en los que realizó prácticas en una empresa, trabajando como uno más y, paralelamente, diseñando su proyecto.

Prototipo

En este trabajo se estudia una posible solución a este problema y se implementa un prototipo funcional en una planta industrial con instalación fotovoltaica que sirve para predecir la potencia que generará la instalación fotovoltaica al día siguiente, con una resolución horaria.

Esta herramienta permite adelantarse a las predicciones meteorológicas y ante la carencia de horas de Sol. “El proceso estuvo muy bien encaminado y la experiencia fue muy buena, te abre los ojos, pues pasas de la teoria a la práctica. Ves la utilidad del TFG”, señaló Larrey. La herramienta “se crea mediante técnicas de aprendizaje automático, realizando un análisis estadístico de datos de generación fotovoltaica, integrando también predicciones meteorológicas de Aemet y datos históricos de la herramienta Photovoltaic Geographical Information System”. Este tipo de sistemas de ánalisis permite obtener respuestas positivas para obtener “resultados stisfactorios que demuestran la viabilidad de este tipo de sistemas para realizar planificaciones energéticas”, indicó este egresado en Ingeniería Electrónica y Automática.

Como corolario, destaca que comprobar la efectividad de este sistema daría facilidades para la transición a un modelo energético más sostenible sin necesidad de realizar cambios significativos en las herramientas de planificación existentes.

El redactor recomienda