Diseñan un sistema basado en IA para mejorar el rendimiento de plantas solares

Un equipo de investigación de la Plataforma Solar de Almería (PSA), en colaboración con la Universidad de Almería (UAL) y la Universidad de Granada (UGR), ha diseñado un sistema informático basado en inteligencia artificial para mejorar el rendimiento de las plantas solares.

Según una nota de la Consejería de Universidad, que cofinancia esta iniciativa, dicha estrategia permite que los captadores de radiación solar se comporten de forma autónoma y se ajusten en tiempo real a las circunstancias climáticas y de la radiación solar.

La novedad de este sistema es su capacidad para gestionar de forma autónoma, en tiempo real y de forma simultánea, miles de heliostatos, ‘espejos’ que reflejan la radiación solar hacia diferentes puntos óptimos de un receptor para transformar la radiación solar en energía térmica.

De este modo, incrementa hasta un 8,8% la energía capturada anualmente en comparación con las estrategias tradicionales, que consisten en colocar estos en puntos predefinidos. Habitualmente, este sistema de control solar está bajo supervisión humana permanente, dado que su correcto funcionamiento requiere que se adapten a los cambios de las condiciones solares y meteorológicas constantemente.

Estrategia

La estrategia propuesta por los investigadores disminuye los riesgos de operación, es más segura, eficiente y rentable económicamente que las tradicionales, dado que incrementa la cantidad de energía capturada y, al mismo tiempo, reduce los costes operativos.

En el artículo titulado ‘Reinforcement learning for heliostat aiming: improving the performance of Solar Tower Plants’ y publicado en Applied Energy, los expertos explican que este sistema emplea un enfoque ‘inteligente’ basado en aprendizaje por refuerzo (reinforcement learning) para que los heliostatos concentren la radiación solar sobre el receptor automáticamente de manera óptima.

Este modelo diseñado por los miembros de la PSA, perteneciente al Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas (CIEMAT), elimina la necesidad de ajustar puntos predefinidos de forma manual y supervisión humana constante, adaptándose a cambios meteorológicos y de la posición del sol en tiempo real.

El aprendizaje por refuerzo es una técnica de inteligencia artificial en la que un sistema aprende a tomar decisiones en un entorno cambiante mediante prueba y error.

Algoritmo

El algoritmo se basa en un histórico de datos para aprender y utiliza redes neuronales, que funcionan como un ‘cerebro’, para aprender qué está bien y qué está mal. Esto permite que ajuste la estrategia a cada situación y aprender a resolver problemas complejos.

Para confirmar su eficacia, los expertos probaron esta estrategia durante un año en un entorno simulado en un ‘superordenador’ en el Centro Extremeño de Tecnologías Avanzadas (CETA-CIEMAT), donde la inteligencia artificial tenía en cuenta factores como la época del año, el momento del día y condiciones climáticas procedentes de una estación meteorológica para modificar la posición de 300 heliostatos.

Esta tecnología aprende, de distintos escenarios, la mejor manera de posicionar los heliostatos en función de las circunstancias para que estos recojan más energía.

Este trabajo perteneciente al proyecto HELIOSUN ha sido financiado por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía y la Agencia Estatal de Investigación del Ministerio de Ciencia, Innovación y Universidades.