Investigadores de la Universidad Al al-Bayt de Jordania han creado un completo modelo dinámico teórico para analizar el rendimiento de los sistemas térmicos fotovoltaicos integrados en edificios (BIPV/T, por sus iniciales en inglés).
Los científicos probaron su nuevo marco mediante una serie de simulaciones realizadas en un edificio residencial de la ciudad de Mafraq, en el centro-norte de Jordania. Optimizaron el sistema BIPV/T para maximizar la producción y la eficiencia minimizando la superficie de los paneles.
«Mafraq es una de las regiones más adecuadas de Jordania para aprovechar el potencial de la energía solar e implantar centrales de tecnología termosolar», explican los investigadores. «Tiene una media diaria de irradiación directa normal (DNI) que oscila entre 6,54 y 7,29 kWh/m2 y una velocidad media anual del viento de 4,72 m/s, disfruta de abundante irradiación solar y abundantes recursos eólicos».
El edificio se simuló con MATLAB/Simulink. Tenía una superficie de tejado de 200 m2, con una demanda de agua caliente alimentada por la parte térmica de los paneles de 10 m3 al mes. La demanda eléctrica media en invierno, primavera, verano y otoño fue de 452 kWh, 582 kWh, 443 kWh, 342 kWh y 441 kWh, respectivamente.
Se supuso que los paneles BIPV/T tenían una potencia de 320 W cada uno y un rendimiento del 16,49%. Los datos horarios de radiación solar y temperatura ambiente utilizados en el modelo proceden de una red neuronal artificial (RNA) desarrollada por el grupo. Según los investigadores, el modelo alcanza valores de precisión elevados que superan el 0,97 para la irradiación solar prevista durante el entrenamiento, la validación, las pruebas y el conjunto de datos global.
«El enfoque integral de modelado y optimización basado en RNA puede ayudar a los responsables políticos y a los profesionales de la energía a analizar en un tiempo de dominio razonable y con buena precisión, acelerando así los análisis y tareas basados en el diseño y la mejora del rendimiento», afirma el equipo.
Para la tarea de optimización, el grupo eligió el algoritmo genético de ordenación no dominante II (NSGA-II), integrando además la técnica de orden de preferencia por similitud con la solución ideal (TOPSIS). El NSGA-II optimiza múltiples objetivos clasificando las soluciones en función de la dominancia, mientras que el TOPSIS clasifica las opciones comparando su cercanía a la mejor y la peor solución posibles.
El análisis mostró que la solución óptima para el invierno incluye la instalación de 15 módulos, con una potencia eléctrica de 2.606 W, una potencia térmica de 5.569 W y una electricidad total producida de 21,95 kWh. En verano, la solución óptima son 16 módulos con una potencia eléctrica de 1.780 W, una potencia térmica de 4.700 W y una producción total de 23,63 kWh. Para las estaciones de primavera se necesitaban 12 módulos BIPV/T, y en otoño 14.
Además, los científicos realizaron un análisis económico. En este análisis, supusieron que la BIPV/T duraría 20 años, el tipo de interés sería del 5% y el coste variable de funcionamiento del sistema sería de 0,1 dólares/kWh. Además, los costes de referencia se fijaron en 1.067 dólares para el acumulador de agua caliente, 180 dólares/kW para el inversor y el controlador, y 200 dólares/m2 para los paneles BIPV/T.
En estas condiciones, el coste nivelado de la energía (LCOE) es de 0,1 dólares/kW. Si el coste de los equipos aumenta un 20%, el LCOE será de 0,12 dólares/kW, mientras que si aumenta un 40%, el precio alcanzará los 0,14 dólares/kW. Si los precios de los equipos bajan un 20%, el LCOE será de 0,08 dólares/kW, y si bajan un 40%, el coste será de 0,06 dólares/kW.
«Los resultados indican que el marco sugerido puede aplicarse a diversos tipos de edificios y ubicaciones geográficas. Por consiguiente, tiene un valor considerable para avanzar en la utilización de la energía solar con un rendimiento energético, económico y medioambiental óptimo», concluyen los académicos.
Los resultados se presentaron en «Energy and economic analysis of building integrated photovoltaic thermal system: Seasonal dynamic modeling assisted with machine learning-aided method and multi-objective genetic optimization» (Análisis energético y económico del sistema térmico fotovoltaico integrado en un edificio: modelado dinámico estacional asistido con método asistido por aprendizaje automático y optimización genética multiobjetivo), publicado en Alexandria Engineering Journal.
El equipo también estaba formado por científicos de la Universidad Rey Fahd de Petróleo y Minerales de Arabia Saudí, el University College London del Reino Unido, la Universidad de Durham y la Universidad de Ingeniería y Tecnología de Pakistán.
Este contenido está protegido por derechos de autor y no se puede reutilizar. Si desea cooperar con nosotros y desea reutilizar parte de nuestro contenido, contacte: editors@pv-magazine.com.
Al enviar este formulario, usted acepta que pv magazine utilice sus datos con el fin de publicar su comentario.
Sus datos personales solo se divulgarán o transmitirán a terceros para evitar el filtrado de spam o si es necesario para el mantenimiento técnico del sitio web. Cualquier otra transferencia a terceros no tendrá lugar a menos que esté justificada sobre la base de las regulaciones de protección de datos aplicables o si pv magazine está legalmente obligado a hacerlo.
Puede revocar este consentimiento en cualquier momento con efecto para el futuro, en cuyo caso sus datos personales se eliminarán inmediatamente. De lo contrario, sus datos serán eliminados cuando pv magazine haya procesado su solicitud o si se ha cumplido el propósito del almacenamiento de datos.
Puede encontrar más información sobre privacidad de datos en nuestra Política de protección de datos.