Algoritmo híbrido revoluciona la eficiencia de paneles solares en condiciones extremas

Un equipo internacional de investigadores ha desarrollado una innovadora técnica híbrida para el seguimiento del punto de máxima potencia (MPPT, por sus siglas en inglés) en sistemas fotovoltaicos, diseñada específicamente para operar de manera eficiente bajo condiciones ambientales desafiantes, como sombreados parciales o cambios rápidos en la irradiancia solar. Esta nueva propuesta combina dos algoritmos: el Salp Swarm Algorithm (SSA) y el Hill Climbing (HC), aprovechando las fortalezas de ambos para optimizar el rendimiento energético de los paneles solares.

El SSA es un algoritmo metaheurístico inspirado en el comportamiento colectivo de las salpas, organismos marinos que se mueven en cadenas coordinadas conocidas como «cadenas de salpas». En este modelo, una salpa líder guía al resto del grupo hacia una fuente de alimento, que en el contexto del algoritmo se traduce en la búsqueda de un óptimo global. Los seguidores, a su vez, ajustan su posición en función de la trayectoria de la líder, lo que permite al sistema explorar y explotar soluciones de manera eficiente.

Por otro lado, el algoritmo HC, ampliamente utilizado en inteligencia artificial, simula el proceso de escalar una montaña para encontrar la mejor solución posible dentro de un conjunto de opciones. Este enfoque es particularmente útil en problemas con múltiples soluciones potenciales, ya que permite identificar el punto de máxima potencia con precisión.

La combinación de estos dos métodos en un único algoritmo híbrido permite abordar tanto las fluctuaciones rápidas como las lentas en la irradiancia solar. Mientras que el SSA se encarga de localizar el punto de máxima potencia en condiciones de cambios rápidos, el HC ajusta la posición óptima en situaciones de fluctuaciones más lentas, evitando desviaciones significativas y reduciendo las oscilaciones durante el proceso de seguimiento.

Según los investigadores, esta técnica híbrida ofrece ventajas significativas frente a otros algoritmos existentes. Por ejemplo, logra una eficiencia de seguimiento del 97,54%, superando a métodos como el Grasshopper Optimization Algorithm (GOA) con un 95,56%, el Particle Swarm Optimization (PSO) con un 94,27%, y el Grey Wolf Optimizer (GWO) con un 92,70%, entre otros. Además, el algoritmo híbrido SSA-HC destaca por su capacidad de converger rápidamente hacia el punto de máxima potencia, minimizando las pérdidas de energía y mejorando la estabilidad del sistema.

Otro aspecto destacado es que esta técnica requiere únicamente un parámetro para equilibrar la exploración y explotación durante el proceso de optimización, lo que simplifica su implementación en sistemas de control MPPT. Además, es robusta frente a condiciones iniciales desfavorables y puede adaptarse a una amplia variedad de entornos operativos.

El desarrollo de este algoritmo fue llevado a cabo por investigadores de la Universiti Malaysia Perlis, la Universidad de Asuán en Egipto, el Instituto de Tecnología Chaitanya Bharathi en India y la Universidad Yuan Ze en Taiwán. Los resultados de su trabajo han sido publicados en la revista *Nature Communications* bajo el título “Hybrid salp swarm maximum power point tracking algorithm for photovoltaic systems in highly fluctuating environmental conditions”.

Con esta innovación, los científicos buscan mejorar la eficiencia y la fiabilidad de los sistemas fotovoltaicos, ofreciendo una solución avanzada para maximizar la generación de energía incluso en condiciones ambientales adversas. Este avance representa un paso importante hacia la optimización de las tecnologías renovables en un contexto global donde la transición energética es cada vez más crucial.

Fuente: https://www.pv-magazine.com/2025/01/08/novel-mppt-tech-based-on-salp-swarm-hill-climbing-algorithms/