Un grupo de investigación liderado 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 de intervalos en lugar de cifras absolutas, dijeron los científicos, destacando que reconoce y comunica de forma transparente la variabilidad natural en la generación de energía solar fotovoltaica.
“Optar por un modelo monoparamétrico fue una decisión estratégica para simplificar el proceso de pronóstico”, destacó el grupo de investigación. “Si bien los modelos multiparamétricos pueden ofrecer información más detallada, suelen implicar una mayor complejidad computacional y mayor demanda de recursos. Nuestro modelo optimizado promete facilidad de integración y facilidad de uso, crucial para usuarios residenciales e instalaciones fotovoltaicas a pequeña escala”.
El aspecto central de este novedoso método reside en la selección de días similares en el pasado en cuanto a radiación directa para pronosticar la generación de energía de un día determinado. Se selecciona un nivel de confianza de 80% y un total de 10 días similares para cada predicción. Tras identificar los días similares, el método utiliza un enfoque basado en cuantiles para establecer los intervalos de predicción, estableciendo un límite superior e 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 práctico de una instalación residencial en España, que consta de paneles de 12.450 W y un inversor de 5 kW para autoconsumo, todos ellos instalados 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.
Se empleó la técnica de pronóstico para predecir la generación de energía fotovoltaica en 2020, basándose en un algoritmo que busca días similares siempre dentro de un rango de dos años antes del día objetivo. Durante el mismo período, se comparó con cuatro métodos de pronóstico clásicos: modelo de regresión lineal (Alt1); regresor de gradiente potenciado (Alt2); gradiente potenciado con retardos (Alt3); y red de memoria a largo plazo (LSTM) (Alt4).
El rendimiento de los modelos se evaluó mediante 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 las fortalezas y limitaciones de cada método, afirmaron los investigadores.
El método propuesto logró un error absoluto medio (MAE) de 0,1490 kW, un error cuadrático medio (MSE) de 0,0917 kW², un error cuadrático medio (RMSE) de 0,3029 kW, un ancho medio de intervalos (AWI) de 0,3365 kW, una probabilidad de cobertura (CP) de 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, un CP de 78,69% y un OIE de 0,4117 kW.
Alt2 tuvo una MAE de 0,2558 kW, una MSE de 0,2044 kW², una RMSE de 0,4521 kW, un AWI de 0,7464 kW, un CP de 80,121 TP3T y una OIE de 0,4031 kW. Alt3 registró una MAE de 0,1379 kW, una MSE de 0,0768 kW², una RMSE de 0,2771 kW, un AWI de 0,4890 kW, un CP de 91,721 TP3T y una 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 de 80,72% y un OIE de 0,2642 kW.
Tras analizar los resultados numéricos, los investigadores verificaron cómo el enfoque propuesto podría ayudar a los propietarios de sistemas fotovoltaicos a ahorrar energía. Según sus resultados, la factura energética mensual media disminuyó de 44,3 € ($47,96) a 37,48 €, ya que la energía importada de la red disminuyó en 45,79 kWh, de 278 kWh a 232,21 kWh.
“Con solo ajustar los horarios de funcionamiento del sistema de filtración de la piscina, la lavadora y el lavavajillas para que coincidan con las horas punta de producción solar, los propietarios han podido aprovechar más energía solar, reduciendo la dependencia de la red eléctrica y disminuyendo los costos energéticos generales”, concluyeron. “Con los avances en la tecnología de domótica, se pueden lograr resultados aún mejores”.
Sus hallazgos fueron presentados en “Predicciones de energía solar fotovoltaica basadas en intervalos: un enfoque de un solo parámetro con foco de radiación directa”, publicado el Energía renovableEl grupo estuvo formado por científicos de la Universidad Politécnica de Valencia (España), la Universidad de Valencia y la Universidad Politécnica Salesiana (Ecuador).