Autora | Elvira Esparza
Reino Unido ha mejorado la previsión de la producción fotovoltaica con el uso de Quartz Solar. Esta suite de herramientas de IA permite una gestión más eficiente de la red eléctrica, así como una reducción de costes y de las emisiones de carbono.
El operador del sistema energético en Reino Unido, Neso, ha comenzado a utilizar la herramienta Quartz Solar impulsada por IA para pronosticar la generación de energía fotovoltaica y, de este modo, poder calcular con mayor precisión la reserva de energía necesaria para equilibrar el sistema eléctrico. El objetivo que espera conseguir con el uso de esta herramienta es mejorar la estabilidad de la red, reducir los costes operativos y disminuir las emisiones de carbono, al minimizar el uso de energías más contaminantes para compensar las imprecisiones en la previsión de la energía solar.
La principal ventaja que ofrece Quartz Solar es que se agilizan y mejoran las predicciones meteorológicas con días de antelación. Con esta anticipación, Neso puede responder con mayor eficacia a las fluctuaciones que se producen en la generación de energía solar, por lo que se consigue un importante ahorro. En términos cuantitativos, el uso de esta herramienta permite ahorrar unos 30 millones de libras esterlinas anuales (34,3 millones de euros) por los costes de respaldo de otras energías y evitar la emisión de unas 300.000 toneladas de emisiones de CO2.
Quartz Solar ha sido desarrollada por Open Climate Fix, una organización de tecnología climática sin ánimo de lucro, en colaboración con el Centro de Excelencia en Inteligencia Artificial de Neso. Esta organización se fundó en 2019 para conectar la investigación de vanguardia con los sistemas energéticos del mundo. Al ser una organización sin ánimo de lucro, comparte datos y código para fomentar la colaboración, maximizar la transparencia y acelerar el impacto en todo el sector. En 2021 comenzó a trabajar en colaboración con Neso y este año se ha producido la integración de la herramienta en la actividad del operador eléctrico británico.
¿Cómo funciona esta herramienta?
El funcionamiento de Quartz Solar se basa en el uso del aprendizaje automático para analizar patrones complejos en la generación de energía solar. La incorporación de imágenes satelitales en tiempo real que capturan las nubes y las condiciones climáticas que afectan a la producción solar y la integración de datos meteorológicos que permiten realizar pronósticos más precisos de producción de energía solar con hasta 36 horas de antelación.
Quartz Solar utiliza entre otras fuentes de información datos satelitales de 12 canales con diferente longitud de onda; los datos meteorológicos del ECMWF (European Centre for Medium-Range Weather Forecasts) y del Mett Office del Reino Unido y los datos de generación fotovoltaica proporcionada por PV Live.
La inteligencia artificial analiza cómo se mueven las nubes y calcula la cantidad de luz solar que llega a las plantas solares. Esto permite estimar cuánta electricidad van a producir estas plantas en las próximas horas. Además, proporciona un pronóstico nacional y un desglose regional basado en los puntos de suministro de la red de todo el país.
¿Qué ventaja ofrece esta tecnología de IA en el sistema eléctrico?
El uso de Quartz Solar ha mejorado los pronósticos meteorológicos gracias a una mayor rapidez en las actualizaciones, más variedad de datos y de modelos probabilísticos. A diferencia de los métodos tradicionales de pronóstico que se basan en predicciones meteorológicas numéricas actualizadas cada pocas horas y que no registran cambios bruscos en las nubes o la producción solar, el modelo de Quartz Solar se actualiza cada pocos minutos, lo que facilita un control más preciso de los cambios. Esta herramienta ha reducido a la mitad los errores y es 2,8 veces más precisa que las herramientas de pronóstico de generación solar tradicionales.
Con esta información, Neso responde de forma más efectiva a las fluctuaciones de la energía solar a lo largo del día, consiguiendo reducir la dependencia del respaldo de combustibles fósiles, que se utilizan para equilibrar la red cuando la generación solar es incierta. El ahorro anual de 30 millones de libras en los costes por desequilibrios de la red podría incrementarse hasta los 150 millones de libras (171,4 millones de euros) para 2035, a medida que se conecte más energía solar a la red eléctrica. El objetivo es alcanzar los 70 GW de energía solar en 2035.
Otras herramientas IA utilizadas para la previsión de energía fotovoltaica
Además de Quartz Solar, que prevé su expansión en India, existen otras herramientas de Inteligencia Artificial para la previsión de energía solar que están funcionando en diferentes países:
Solcast. Nació en Australia en 2016, pero ahora se utiliza en numerosos países que tienen plantas solares en Europa, Estados Unidos, Latinoamérica y Asia. Utiliza satélites que observan las nubes y la radiación solar y usa modelos matemáticos para calcular cuánta energía solar se produce y prevé la que se producirá en los próximos días. La IA se aplica en el procesamiento de grandes volúmenes de datos meteorológicos y en la optimización de predicciones para diferentes escalas (desde plantas individuales hasta redes eléctricas completas).
Tomorrow.io. Surgió en Estados Unidos, pero es utilizada por empresas de energía de todo el mundo. Utiliza datos de satélites, radares y modelos de aprendizaje automático para prever variables clave como irradiancia, nubosidad y temperatura, que sirven para estimar la producción fotovoltaica. Con el uso de esta tecnología se reducen las pérdidas cuando hay cambios bruscos de tiempo y se planifica con mayor antelación la producción energética.
SolarAnywhere. Es una plataforma de datos y previsión solar en la nube. Ofrece irradiancia histórica y en tiempo real, simulaciones de producción fotovoltaica y herramientas de pronóstico que se usan en la planificación, la financiación y la gestión de plantas solares en todo el mundo. Se emplea en planificación de proyectos solares y en operación de plantas.
Vaisala. Creada en Finlandia, ahora está presente en todo el mundo. Aunque no es un modelo de IA en sí, sus sensores y radares son la base de los modernos sistemas de predicción. Combina datos de estaciones meteorológicas, satélites y modelos atmosféricos que se integran en plataformas de predicción que usan aprendizaje automático para reducir errores y mejorar la previsión de producción tanto solar como eólica.
Gracias a estas herramientas de IA se ha conseguido una mayor precisión y antelación en los datos. La consecuencia más inmediata es el ahorro en costes de energías de respaldo para cubrir la inestabilidad de la energía solar, junto con la reducción de emisiones de carbono al reducir el uso de energías más contaminantes. Además, se consigue una mejor integración de la energía solar en el mix energético, teniendo en cuenta que es la energía renovable que más crece a nivel mundial.
Fotos | Andreas Gücklhorn, Quang Nguyen Vinh
