Integración de las imágenes del cielo y la irradiancia solar global en los algoritmos de previsión solar

Un grupo de investigación de Estados Unidos ha creado una metodología de previsión solar que utiliza una combinación de imágenes infrarrojas (IR) y mediciones de la irradiancia solar global.

Los científicos afirman que el novedoso enfoque es capaz de mejorar la previsión solar en tiempo real y la previsión intrahoraria, al tiempo que es aplicable a los mercados fotovoltaicos en tiempo real y a la optimización del despacho de energía en microrredes.

“El generador de imágenes del cielo es más caro que los generadores de imágenes de todo el cielo de luz visible normales, pero también puede aproximarse a la altura de las nubes, por lo que es una alternativa de bajo coste a un ceilómetro”, explicó a pv magazine Guillermo Terrén-Serrano, autor correspondiente de la investigación, señalando que el método es adecuado para sistemas fotovoltaicos de cualquier tamaño. “Los ceilómetros cuestan unos 20.000 dólares, mientras que nuestro método cuesta menos de 2.000 dólares. Nuestro sistema incluye una cámara infrarroja radiométrica, un registrador de datos, un seguidor solar de alta resolución, un piranómetro, un ordenador para exteriores, una carcasa resistente a la intemperie, un ojo de pez de luz visible, sensores meteorológicos y objetivos de cámara.”

Las cámaras de luz visible suelen utilizarse para obtener imágenes del cielo desde el suelo, lo que ayuda a los modelos fotovoltaicos a reaccionar ante las condiciones de nubosidad. Sin embargo, el sol satura los píxeles de esas cámaras, destruyendo información que podría aumentar el rendimiento de una previsión solar. Por ello, se utilizan alternativamente cámaras IR, que reducen la saturación del sol.

Sin embargo, las previsiones basadas en IR tienen sus propios problemas, como una menor relación señal-ruido, entre otros. Esto se debe en parte a la irradiancia solar, que puede distorsionar las imágenes en algunas condiciones. “Esta investigación introduce métodos eficaces de procesamiento de datos para eliminar el componente determinista de la irradiancia solar global en las mediciones de piranómetros y las imágenes infrarrojas”, explica el artículo.

Para eliminar el efecto de la irradiancia, el novedoso método utiliza primero el aprendizaje automático para identificar los sesgos que podrían afectar al índice de cielo despejado (CSI). Como el CSI cuantifica los efectos de las nubes en la irradiancia solar global (GSI), unos resultados más precisos en la primera medición se traducen en unos resultados más exactos en la segunda.

A continuación, se utiliza otro algoritmo para clasificar las condiciones del cielo de las imágenes IR en cuatro: cielo despejado, cúmulos, estratos y nimbos. A partir de esta clasificación, el algoritmo interactúa además con los datos del GSI y calcula el efecto de la irradiancia en la imagen, despejándola eficazmente para la previsión.

Además, el algoritmo elimina el efecto de la suciedad en la cámara. “Esta investigación parte del supuesto de que un generador de imágenes del cielo no se limpiará a diario durante su funcionamiento”, explica el grupo de investigación. “Para esta situación, se propone un método basado en el procesamiento de imágenes para eliminar de las imágenes IR la radiación emitida por la suciedad en la ventana exterior de la cámara de germanio”.

Los algoritmos se entrenaron y probaron con datos de Albuquerque (Nuevo México, Estados Unidos), que tiene un clima árido semicontinental, con lluvias mínimas. “Se requiere investigación futura para desarrollar un modelo global válido para cualquier lugar”, subrayan.

Los investigadores concluyen que el método propuesto es eficiente y afirman que las cámaras IR radiométricas de bajo coste pueden ser potencialmente un sustituto de los costosos ceilómetros en el futuro.

“El procesamiento adecuado de los datos reduce la complejidad del algoritmo de aprendizaje cuando se implementa en la aplicación de la predicción solar”, afirman. “La reducción de la complejidad aumenta la precisión de la predicción y reduce el tiempo de cálculo necesario para realizarla. Esto es especialmente importante en aplicaciones en tiempo real, como la predicción en tiempo real y la predicción intrahoraria de la energía solar”.

Los resultados se presentan en el estudio “Processing of global solar irradiance and ground-based infrared sky images for solar nowcasting and intra-hour forecasting applications” (Procesamiento de la irradiancia solar global y de imágenes infrarrojas del cielo terrestre para aplicaciones de previsión solar actual e intrahoraria), publicado recientemente en Solar Energy. Los investigadores pertenecen a la Universidad de California en Santa Bárbara y a la Universidad de Nuevo México.