Un equipo de investigadores de la Universidad Politécnica de Valencia, en España, ha desarrollado un innovador método de pronóstico de energía para instalaciones fotovoltaicas residenciales. Este método se basa únicamente en la radiación directa como parámetro, y ha demostrado ser igual o superior a otras cuatro técnicas de pronóstico establecidas.
El enfoque propuesto por los científicos se centra en definir datos de predicción de intervalos en lugar de cifras absolutas. De esta manera, se reconoce y se comunica de forma transparente la variabilidad natural en la generación de energía solar fotovoltaica.
Según los investigadores, la elección de un modelo centrado en un solo parámetro fue una decisión estratégica para simplificar el proceso de pronóstico. Aunque los modelos con múltiples parámetros pueden ofrecer perspectivas más matizadas, suelen implicar una mayor complejidad computacional y demanda de recursos. Por el contrario, el modelo simplificado promete facilidad de integración y facilidad de uso, lo cual es crucial para los usuarios residenciales y las instalaciones fotovoltaicas de pequeña escala.
El núcleo del nuevo método consiste en seleccionar días similares en el pasado en términos de radiación directa para pronosticar la generación de energía de un día determinado. Para cada predicción, se seleccionan un total de 10 días similares con un nivel de confianza del 80%. Tras identificar estos días, el método utiliza un enfoque basado en cuantiles para establecer los intervalos de predicción, marcando un límite superior e inferior.
El sistema fue probado utilizando un caso de estudio de una instalación residencial en España, compuesta por paneles de 12,450 W y un inversor de 5 kW para autoconsumo, instalados en 2018. Los datos meteorológicos horarios para la zona se obtuvieron de la base de datos Open Meteo.
El método de pronóstico se utilizó para predecir la generación de energía fotovoltaica en 2020, basándose en el algoritmo para buscar 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 impulso de gradiente (Alt2); impulso de gradiente con retrasos (Alt3); y red de memoria a largo plazo (LSTM) (Alt4).
Los resultados mostraron que el método propuesto logró un error absoluto medio (MAE) de 0.1490 kW, un error cuadrado medio (MSE) de 0.0917 kW2, un error cuadrado medio raíz (RMSE) de 0.3029 kW, un ancho medio de intervalos (AWI) de 0.3365 kW, una probabilidad de cobertura (CP) del 91.55%, y un error total de intervalo (OIE) de 0.3789 kW.
Los investigadores concluyeron que el nuevo enfoque podría ayudar a los propietarios de sistemas fotovoltaicos a lograr ahorros energéticos. Según sus resultados, la factura energética mensual promedio 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.
Los hallazgos de la investigación se presentaron en «Interval-based solar photovoltaic energy predictions: A single-parameter approach with direct radiation focus», publicado en Renewable Energy. El grupo de investigación incluyó a científicos de la Universidad Politécnica de Valencia, la Universidad de Valencia y la Universidad Politécnica Salesiana de Ecuador.
Director of the Slovak Association of Sustainable Energy, Ján Karaba, told pv magazine solar is…
The Croatian government's latest set of energy support measures includes new financing for residential solar,…
The Italian heating solutions provider said its new Nuos Plus S2 Wi-Fi heat pump system…
Solar accounted for 54% of new US generation capacity in 2025, retaining its position as…
The European Court of Auditors says in a new report that EU policies supporting energy…
In a new weekly update for pv magazine, Solcast, a DNV company, reports that Central…