Científicos Chinos Desarrollan Modelo para Predecir Eventos Extremos en la Producción de Energía Solar

Científicos desarrollan modelo para predecir eventos extremos de producción fotovoltaica en China

Investigadores del Instituto de Investigación de Energía Eléctrica de China han propuesto una nueva clasificación de tipos de clima basada en eventos anómalos de producción fotovoltaica (PV), lo que les ha permitido desarrollar un modelo de predicción de estos eventos extremos. El estudio, que se centró en la región del este de China, utilizó datos de un año completo para analizar cómo las condiciones meteorológicas influyen en días con producción fotovoltaica anormalmente alta o baja.

Fan Yang, autor correspondiente del estudio, explicó a *pv magazine* que, aunque el modelo fue desarrollado específicamente para el este de China, podría ser aplicable en otras regiones. «El modelo identifica los procesos meteorológicos asociados con salidas anómalas y los utiliza como base para predecir futuros eventos anómalos», señaló Yang. Esto sugiere que, en diferentes regiones, los tipos de clima asociados con estos eventos podrían variar.

El análisis se basó en datos de salida de 76 estaciones de energía fotovoltaica distribuidas en el este de China, combinados con datos meteorológicos del Centro Europeo de Pronósticos Meteorológicos a Medio Plazo (ECMWF, por sus siglas en inglés), específicamente del conjunto de datos de Reanálisis de Quinta Generación. Para la clasificación de los eventos, se utilizó información de todo el año 2022, mientras que los primeros tres meses de 2023 se emplearon para validar el modelo.

Los investigadores subrayaron la importancia de predecir estos eventos extremos, ya que pueden provocar desperdicio significativo de electricidad o escasez, lo que a su vez exige configuraciones robustas de almacenamiento de energía y respaldo. Además, estos eventos pueden representar un riesgo serio para la operación segura y estable de la red eléctrica, lo que ha captado la atención de los departamentos de despacho de energía.

Para identificar los eventos anómalos, los científicos utilizaron promedios móviles y desviaciones estándar. Posteriormente, aplicaron el algoritmo de aprendizaje automático K-means para agrupar los diferentes días anómalos según variables meteorológicas como la temperatura, la radiación de onda corta descendente, la presión superficial, la velocidad del viento a 100 metros, la humedad relativa, la cobertura total de nubes y la precipitación diaria. Además, emplearon regresión lineal múltiple para analizar el impacto de cada variable.

El estudio reveló que, de los 121 días con producción anómala, 72 correspondieron a días de baja producción y 49 a días de alta producción. Los investigadores observaron que los días con producción anómala fueron más frecuentes durante el invierno y la primavera, mientras que en julio y agosto de 2022 solo se registraron tres días con producción anómala.

Los eventos de alta producción anómala se asociaron con temperaturas elevadas y cielos despejados, típicos de sistemas de baja presión estables, así como con procesos meteorológicos de enfriamiento y viento bajo sistemas de alta presión. Por otro lado, los eventos de baja producción anómala se relacionaron con procesos meteorológicos transicionales, como olas de frío y climas nublados o lluviosos bajo sistemas de baja presión.

El equipo también construyó un modelo simple de predicción de producción extrema. Este modelo utiliza elementos meteorológicos futuros para identificar, mediante la medición de distancia euclidiana, si las condiciones se asemejan a las características de períodos con anomalías de alta o baja producción. Además, los investigadores incorporaron un método de pronóstico subjetivo basado en patrones de circulación atmosférica.

Durante las pruebas realizadas en los primeros tres meses de 2023, el modelo mostró un rendimiento prometedor, con 16 aciertos, 4 falsas alarmas y 4 alarmas no detectadas para días de baja producción anómala. Para días de alta producción anómala, se registraron 12 aciertos, 9 falsas alarmas y 6 alarmas no detectadas.

El estudio, titulado «Métodos de evaluación integral para anomalías de producción fotovoltaica basados en la clasificación del clima», fue publicado en la revista *Renewable Energy*. Los investigadores concluyeron que la combinación de métodos objetivos y subjetivos mejora la capacidad de predecir eventos extremos de producción fotovoltaica, lo que podría ser crucial para la gestión eficiente de la red eléctrica en el futuro.

Fuente: https://www.pv-magazine.com/2024/08/19/scientists-classify-weather-types-based-on-extreme-photovoltaic-output-events/