Encontrar el diseño de células óptimo para maximizar la producción de energía

Share

La inteligencia artificial ha encontrado muchas aplicaciones de ahorro de tiempo y dinero dentro de la industria solar, en la producción automatizada de paneles solares y la previsión de su rendimiento a largo plazo, entre otras áreas.

Ahora, un equipo de investigadores del Consejo Nacional de Investigación (CSIC) y el Instituto de Energía Solar de la Universidad Politécnica de Madrid han demostrado una técnica de aprendizaje automático que, según dicen, puede reducir la cantidad de datos del espectro solar de un año completo a solo una serie específica de espectros. Esto se puede usar para determinar rápidamente el diseño óptimo de las células solares para maximizar la producción de energía en un lugar determinado.

“Usando una técnica de estadística e inteligencia artificial conocida como agrupamiento”, dice el investigador del CSIC Jerónimo Buencuerpo Fariña, “hemos logrado un método práctico para tener en cuenta todos los cambios en la luz solar y obtener en solo unas horas un diseño de panel solar óptimo para cualquier ubicación.”

El método se describe en el estudio “Solar cell designs by maximizing energy production based on machine learning clustering of spectral variations”, publicado en la revista Nature Communications.

Un método de agrupación propuesto en una investigación previa se utiliza para ubicar diferentes espectros en grupos según ciertas características, y se emplea una técnica de aprendizaje automático conocida como agrupamiento aglomerado de características estructuradas, que según los investigadores reduce la cantidad de conjuntos espectrales en tres órdenes de magnitud.

El método podría usarse para predecir mejor el rendimiento de diferentes diseños de células solares, y los científicos que trabajan en ellos se enfocarán en las características que afectarán el rendimiento energético a lo largo del tiempo, en lugar de medir la eficiencia en condiciones de prueba estándar.

“En la práctica, la eficiencia estándar difiere de la eficiencia promedia anual (…) debido a las variaciones espectrales en función de la posición del sol y los fenómenos atmosféricos”, se lee en la introducción del documento. “Los conjuntos de datos con miles de espectros solares pueden reducirse a unos pocos espectros proxy característicos adoptando técnicas de aprendizaje automático, y utilizar con éxito estos espectros proxy para predecir la eficiencia promedia anual en función del diseño de la célula solar”.

El estudio afirma que, para los científicos que buscan optimizar el intervalo de banda de un material para absorber una mayor parte del espectro de luz, existen diferencias significativas entre la optimización del rendimiento energético y la eficiencia estándar, y que el enfoque en sistemas avanzados que combinan tecnologías de heterounión y bifaciales podría dar como resultado de manera realista rendimientos de hasta 1 MWh por metro cuadrado al año.