Un grupo de investigación dirigido por la Universidad Politécnica de Valencia ha desarrollado un novedoso método de predicción de potencia de un solo parámetro para instalaciones fotovoltaicas residenciales.
El enfoque propuesto define datos de predicción por intervalos en lugar de cifras absolutas, según los científicos, que señalan que reconoce y comunica de forma transparente la variabilidad natural en la generación de energía solar fotovoltaica.
«Optar por un modelo centrado en un solo parámetro fue una decisión estratégica encaminada a simplificar el proceso de previsión», destacó el grupo de investigación. «Aunque los modelos multiparamétricos pueden ofrecer una visión más matizada, a menudo conllevan una mayor complejidad computacional y una mayor demanda de recursos. Nuestro modelo simplificado promete facilidad de integración y facilidad de uso, cruciales para los usuarios residenciales y las instalaciones fotovoltaicas a pequeña escala».
El aspecto central del novedoso método es la selección de días similares en el pasado en cuanto a radiación directa para pronosticar la generación de energía de un día determinado. Para cada predicción se selecciona un nivel de confianza del 80% y un total de 10 días similares. Tras identificar los días similares, el método utiliza un enfoque basado en cuantiles para establecer los intervalos de predicción, fijando un límite superior y otro inferior. En estadística, los cuantiles se utilizan para dividir el rango de una distribución de probabilidad en intervalos continuos con probabilidades iguales.
El sistema se entrenó y probó utilizando un caso de estudio de una instalación residencial en España, que consta de paneles de 12.450 W y un inversor de 5 kW para autoconsumo, todo ello instalado en 2018. Se registró la generación fotovoltaica horaria durante los años 2019, 2020, 2021 y 2022. Los datos meteorológicos horarios de la zona se obtuvieron de la base de datos Open Meteo.
La técnica de previsión se utilizó para predecir la generación de energía fotovoltaica en 2020, basándose en el algoritmo de búsqueda de días similares siempre dentro de un intervalo de dos años antes del día objetivo. En el mismo periodo, se comparó con cuatro métodos clásicos de previsión: modelo de regresión lineal (Alt1); regresor con gradient boosting (Alt2); gradient boosting con lags (Alt3); y red de memoria a largo plazo (LSTM) (Alt4).
«El rendimiento de los modelos se evaluó utilizando indicadores clave de rendimiento (KPI) como la precisión de la predicción, la amplitud del intervalo de predicción, el nivel de confianza real y el error medio. Este enfoque exhaustivo garantizó una evaluación equilibrada, destacando los puntos fuertes y las limitaciones de cada método», afirman los investigadores.
El método propuesto obtuvo un error medio absoluto (MAE, por susiniciales en inglés) de 0,1490 kW, un error cuadrático medio (MSE) de 0,0917 kW2, un error cuadrático medio (RMSE) de 0,3029 kW, una anchura media de intervalos (AWI) de 0,3365 kW, una probabilidad de cobertura (CP) del 91,55% y un error global de intervalo (OIE) de 0,3789 kW. Alt1 mostró un MAE de 0,3374 kW, un MSE de 0,2428 kW2, un RMSE de 0,4928 kW, un AWI de 0,9312 kW, una CP del 78,69% y un OIE de 0,4117 kW.
Alt2 registró un MAE de 0,2558 kW, un MSE de 0,2044 kW2, un RMSE de 0,4521 kW, un AWI de 0,7464 kW, un CP del 80,12% y un OIE de 0,4031 kW. Alt3 registró un MAE de 0,1379 kW, un MSE de 0,0768 kW2, un RMSE de 0,2771 kW, un AWI de 0,4890 kW, un CP del 91,72% y un OIE de 0,2355 kW. Alt4 mostró un MAE de 0,1282 kW, un MSE de 0,0684 kW2, un RMSE de 0,2616 kW, un AWI de 0,3522 kW, un CP del 80,72% y un OIE de 0,2642 kW.
Tras analizar los resultados numéricos, los investigadores comprobaron cómo el enfoque propuesto podía ayudar a los propietarios de sistemas fotovoltaicos a conseguir ahorros energéticos. Según sus resultados, la factura energética mensual media se redujo de 44,3 euros (47,96 dólares) a 37,48 euros, ya que la energía importada de la red disminuyó en 45,79 kWh, de 278 kWh a 232,21 kWh.
«Simplemente ajustando los horarios de funcionamiento del sistema de filtración de la piscina, la lavadora y el lavavajillas para alinearlos con las horas de máxima producción solar, los propietarios han podido aprovechar más energía solar, reduciendo la dependencia de la red y disminuyendo los costes energéticos totales», concluyen. «Con los avances en tecnología domótica, se pueden conseguir resultados aún mayores».
Sus conclusiones se presentaron en «Interval-based solar photovoltaic energy predictions: A single-parameter approach with direct radiation focus» (Predicciones de energía solar fotovoltaica basadas en intervalos: un enfoque de un solo parámetro con enfoque de radiación directa), publicado en Renewable Energy. El grupo estaba formado por científicos de la Universidad Politécnica de Valencia, la Universidad de Valencia y la Universidad Politécnica Salesiana de Ecuador.
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.