p Pesquisadores da Universidad Politécnica de Madrid e do Nicaraguan Institute of Territorial Studies desenvolveram uma técnica para fazer previsões precisas da irradiância solar global de curto prazo (GSI) usando redes neurais artificiais (ANN). p O estudo apresenta uma nova metodologia baseada em observações feitas em paralelo por sensores vizinhos e valores para múltiplas variáveis ​​(temperatura, umidade, pressão, vento e outras estimativas). Experimentos foram realizados utilizando redes neurais artificiais com diferentes arquiteturas e parâmetros, a fim de determinar qual delas gerou as melhores previsões para os diversos intervalos de tempo estudados.

p Os resultados permitiram aos pesquisadores desenvolver modelos que prevêem GSI de curto prazo com taxas de erro inferiores a 20 por cento. Isso pode ser útil para empresas que gerenciam usinas de energia solar fotovoltaica e usinas térmicas solares para estimar a capacidade de produção de suas instalações.

p Um grande desafio da sociedade moderna é o uso eficiente dos recursos naturais e a minimização do impacto ambiental devido ao aumento da demanda e do consumo de energia. Assim, energia renovável, especialmente a energia solar, tornou-se uma solução de longo prazo com maior potencial e menor impacto.

p Em particular, a energia solar fotovoltaica pode ser conectada a redes de transporte e distribuição, mas requer que a oferta e a demanda de energia sejam administradas de forma adequada. Portanto, a previsão de GSI dentro de algumas horas e com uma taxa de erro mínima é necessária para estimar a produção de energia esperada.

p Vários métodos são usados ​​para estimar a irradiância solar global, incluindo previsões numéricas com base em locais e tempo complementado com diversos modelos de correção, métodos baseados em imagens de satélite que registram a nebulosidade e estimam as perdas no modelo ideal. Outros modelos são baseados em séries temporais ou inteligência artificial. Cada método tem vantagens e desvantagens. Por exemplo, a previsão baseada em satélite provou ser universal, uma vez que fornece estimativas para grandes áreas geográficas. Contudo, depende da disponibilidade de tais imagens para certas regiões do planeta e do pré-processamento das imagens, entre outras coisas.

p No caso de previsões baseadas em métodos numéricos, as dinâmicas da atmosfera são estimadas de forma realista através da assimilação de dados. Contudo, eles garantem a estabilidade geral da previsão em eventos meteorológicos locais. Até aqui, os métodos baseados em inteligência artificial usam apenas as variáveis ​​de entrada endógenas associadas ao local da previsão.

p O estudo realizado pelos pesquisadores da UPM e do INETER teve como foco a hipótese de que era possível melhorar a previsão de curto prazo da irradiância solar global por meio da geração de modelos baseados em redes neurais artificiais utilizando até 900 entradas que mostram a evolução das variáveis ​​em um contexto espaço-temporal próximo.

p Os resultados da pesquisa mostram a capacidade dos modelos desenvolvidos com base em redes neurais artificiais em identificar relações lineares e não lineares entre as variáveis. Os autores escrevem, "Isso nos permitiu prever a irradiância solar global de curto prazo com uma habilidade de previsão significativa e erro quadrático médio normalizado inferior a 20 por cento em comparação com o resto dos modelos baseados em redes neurais artificiais. os métodos desenvolvidos permitiram identificar uma relação entre as previsões por meio de uma janela deslizante de tempo de uma a três horas e de quatro a seis horas para a distância de referência de 55 km. Isso pode levar a uma linha de pesquisa para usar diversas distâncias de referência para diferentes janelas de controle deslizante de previsão. "

p Esses resultados têm aplicações para empresas que gerenciam usinas de energia solar fotovoltaica e usinas térmicas solares para estimar a capacidade de produção de suas instalações conforme a legislação em vigor, e os operadores de sistemas elétricos nacionais. Ambos os campos podem usar esses métodos para atingir seus objetivos com mais eficiência, maximizar o retorno sobre o investimento e ajustar a curva de demanda e oferta.