Nuevo modelo predictivo optimiza la temperatura de inversores solares y mejora su eficiencia

### **Investigadores desarrollan un nuevo método para predecir la temperatura de inversores solares**

Un equipo internacional de científicos ha desarrollado un innovador método para predecir la temperatura de los inversores fotovoltaicos, utilizando una técnica basada en regresión simbólica (SR) optimizada con un algoritmo de enjambre de partículas (PSO). Este avance promete mejorar la eficiencia y la vida útil de estos dispositivos esenciales en los sistemas de energía solar.

#### **Un enfoque innovador para la gestión térmica**

El control preciso de la temperatura en los inversores solares es crucial para garantizar su rendimiento y durabilidad. Un modelado inexacto puede afectar su eficiencia operativa y provocar pérdidas de energía. Con este objetivo en mente, investigadores de la Universidad Pontificia Bolivariana en Colombia, en colaboración con la Universidad de Pamplona y la Universidad Politécnica de Valencia en España, así como la Universidad de Guadalajara en México, han desarrollado un modelo que mejora la predicción térmica de estos dispositivos.

La técnica empleada combina la regresión simbólica (SR), un método de aprendizaje automático que encuentra ecuaciones matemáticas para describir relaciones entre variables, con el algoritmo de enjambre de partículas (PSO), inspirado en el comportamiento colectivo de grupos en la naturaleza, como bandadas de aves o cardúmenes de peces.

#### **Cómo funciona el modelo**

El algoritmo comienza definiendo variables simbólicas internas y generando expresiones matemáticas aleatorias con entre 3 y 6 términos. Luego, estas expresiones se evalúan comparando los valores predichos con los reales mediante el cálculo del error cuadrático medio (RMSE). A través de 25 iteraciones, el PSO ajusta las ecuaciones para minimizar el error, equilibrando la exploración de nuevas soluciones con la optimización de las mejores encontradas.

Para entrenar y probar el modelo, los investigadores recopilaron datos de un sistema fotovoltaico instalado en la azotea de un edificio en Montería, Colombia. El inversor analizado tenía una potencia nominal de 36 kW y un rango de voltaje de entrada de 540-800 VDC. Durante un año, se registraron datos sobre temperatura, potencia activa y voltaje del bus de corriente continua (DC). El 70% de estos datos se utilizó para entrenar el algoritmo, mientras que el 30% restante sirvió para evaluar su precisión.

#### **Resultados y comparación con otros modelos**

El nuevo método fue comparado con un modelo de regresión lineal múltiple (MLR) y con otro basado en regresión simbólica optimizada con algoritmos genéticos (GA). Los resultados mostraron que la técnica SR-PSO obtuvo el mejor desempeño tanto en la fase de entrenamiento como en la de prueba.

En el entrenamiento, el modelo SR-PSO alcanzó un RMSE de 3.97 y un error absoluto medio (MAE) de 3.36, mientras que el MLR obtuvo 4.22 y 3.55, respectivamente. El modelo basado en algoritmos genéticos tuvo un RMSE de 4.59 y un MAE de 3.78. En la fase de prueba, el SR-PSO también superó a los otros métodos, con un RMSE de 4.12 frente a 4.52 del MLR y 4.8 del SR-GA.

Además, el algoritmo demostró ser eficiente en términos de tiempo de cómputo, completando las 25 iteraciones en solo 0.175 horas por ejecución. Esto lo posiciona como una alternativa competitiva frente a técnicas más complejas como las redes neuronales, especialmente en problemas con relaciones no lineales.

#### **Un avance con impacto en la energía solar**

Este nuevo enfoque representa un avance significativo en la gestión térmica de los inversores fotovoltaicos, permitiendo mejorar su eficiencia y reducir pérdidas energéticas. La investigación completa ha sido publicada en la revista *International Journal of Advanced Computer Science and Applications (IJACSA)*, destacando la colaboración entre instituciones de Colombia, España y México en el desarrollo de soluciones innovadoras para la energía renovable.

Fuente: https://www.pv-magazine.com/2025/03/04/new-technique-to-predict-solar-inverter-temperature/