Pesquisadores da Universidad Carlos III de Madrid (UC3M) e da Universidad de Jaen (UJA) publicaram um estudo relatando uma combinação ótima de modelos de previsão de radiação solar com os quais são capazes de reduzir o erro em previsões de curto prazo (6 horas) em 25 % e 30%.

O projeto de investigação tem-se centrado na melhoria da previsão da radiação solar a curto prazo na Península Ibérica, em uma escala de minutos, uma escala de horas e uma escala de dias. Especificamente, cinco tipos de modelos foram analisados:baseado em câmaras de nuvem, Medidas, imagens de satélite, previsões do tempo, e um híbrido dos dois últimos. Para este propósito, os pesquisadores selecionaram quatro estações meteorológicas como áreas representativas para a avaliação localizadas em Sevilha, Lisboa, Madrid e Jaen.

Por dois anos, ambos os grupos de pesquisa dividiram seu trabalho em duas partes. Por um lado, o Grupo de Computação Evolutiva e Redes Neurais (EVANNAI) da UC3M tem se concentrado na aplicação de técnicas de inteligência artificial para selecionar o melhor modelo ou combinação de modelos para cada situação meteorológica, localização e horizonte de tempo, bem como obter intervalos de previsão para estimar a incerteza nas previsões. Por outro lado, o Grupo de Modelagem de Atmosfera e Radiação Solar (MATRAS) da UJA tem se concentrado no projeto e melhoria de diferentes métodos de previsão de radiação solar, para o qual eles usaram diferentes metodologias, como câmaras de nuvem, imagens de satélite e modelos meteorológicos.

O resultado mais surpreendente obtido nesta pesquisa é que a combinação ótima de modelagem diminui o erro de previsão em cerca de 30% em relação aos melhores modelos em cada horizonte de tempo. "Esta é a primeira vez que cinco modelos independentes foram comparados, e graças à inteligência artificial e processamento matemático, conseguimos reduzir a margem de erro em cada horizonte de previsão, o que representa uma economia econômica porque reduz o custo de integração da energia solar, "explicou o coordenador do projeto David Pozo, professor titular de física aplicada da UJA.

"O uso de inteligência artificial e, especificamente, de técnicas de aprendizado de máquina permitem que as previsões de diferentes modelos sejam integradas de forma automática e eficiente, com o próprio modelo fornecendo a melhor previsão para cada horizonte de tempo. Além disso, o uso de técnicas de otimização evolutiva permite quantificar a incerteza para cada uma das previsões. A incorporação dessas novas técnicas no contexto das energias renováveis ​​levou a melhorias importantes em relação às técnicas iniciais, "explicou Inés M. Galván e Ricardo Aler, professores associados do Departamento de Ciência da Computação e Engenharia.

Os pesquisadores determinaram o momento do horizonte de tempo durante o qual cada modelo é mais confiável, como ocorre, por exemplo, com o uso de imagens de satélite nas primeiras duas ou três horas ou com o uso do modelo numérico de previsão do tempo após a quarta ou quinta hora. E entre outras coisas, também concluiu que fazer previsões perto de áreas costeiras é mais difícil, mesmo na margem de uma hora.

Parte deste estudo foi publicada em dois artigos em revista científica Energia solar , e outra parte está em processo de revisão para outras revistas.