Mejoran la precisión de los pronósticos solares al incluir tipos de nubes en los modelos científicos

Investigadores mejoran la predicción solar al incorporar tipos de nubes en los modelos

Un equipo internacional de científicos ha logrado avances significativos en la predicción de la radiación solar al demostrar que los modelos que consideran el tipo de nubes presentes en la atmósfera ofrecen resultados más precisos. El estudio, liderado por el Laboratorio Nacional de Brookhaven en Nueva York (Brookhaven National Laboratory), en colaboración con la Universidad de Stony Brook (Stony Brook University), la Universidad de Información Científica y Tecnología de Nanjing en China (NUIST) y el Laboratorio Nacional de Energías Renovables del Departamento de Energía de EE. UU. (NREL), analizó cómo diferentes formaciones nubosas afectan la cantidad de luz solar que llega a la superficie terrestre.

La investigación se basó en datos recopilados entre 2001 y 2014 por el programa ARM (Atmospheric Radiation Measurement) del Departamento de Energía de Estados Unidos. Este programa proporciona mediciones detalladas de la radiación atmosférica y las condiciones meteorológicas en distintas regiones del país. En particular, se utilizaron observaciones del sitio central SGP (South Great Plains) en Oklahoma, una de las instalaciones más completas para el estudio del clima y la atmósfera.

Los científicos evaluaron el impacto de ocho tipos de nubes: cúmulos, nubes estratiformes, congestus, nubes convectivas profundas, altostratus, altocúmulos, cirrostratus (o nubes de yunque) y cirros. Cada una de estas formaciones presenta propiedades físicas y ópticas distintas, lo que influye en cómo dispersan o absorben la luz solar. Esta variabilidad representa uno de los principales desafíos en la predicción de la energía solar disponible.

Uno de los hallazgos más relevantes del estudio fue que los modelos que integran la física de la interacción entre las nubes y la radiación solar superan en precisión a aquellos que no consideran estas variables. En concreto, se observó una mejora en la exactitud de las predicciones que oscila entre el 12% y el 33%, dependiendo del tipo de nube.

El profesor adjunto Shinjae Yoo, de la Universidad de Stony Brook, destacó que las nubes convectivas profundas, caracterizadas por su estructura compleja y comportamiento dinámico, fueron las que más dificultaron las predicciones. En contraste, los modelos funcionaron mejor con nubes de menor actividad convectiva, como los cirros y las nubes estratiformes.

Yangang Liu, científico principal del Laboratorio Nacional de Brookhaven, subrayó la importancia de estos avances para el futuro de la energía renovable. “A medida que la energía solar se integra cada vez más en las redes eléctricas, contar con pronósticos más precisos permitirá optimizar su uso y mejorar la estabilidad del suministro energético”, afirmó.

El equipo también señaló que aún hay margen de mejora. Proponen que futuras investigaciones incorporen directamente información sobre las nubes en la formulación física de los modelos, además de aprovechar técnicas avanzadas de aprendizaje automático para refinar las predicciones.

Los resultados completos del estudio han sido publicados en la revista científica Solar Energy, bajo el título “Use of physics to improve solar forecast: Part III, impacts of different cloud types”.

Este trabajo representa un paso importante hacia una gestión más eficiente de la energía solar, especialmente en un contexto global donde la transición hacia fuentes limpias y sostenibles es cada vez más urgente.

Fuente: https://www.pv-magazine.com/2025/04/03/the-impact-of-different-cloud-types-on-solar-forecasting/