Investigadores del CSIC y de la UPM usan técnicas de inteligencia artificial para mejorar el diseño de los paneles solares

Share

La inteligencia artificial tiene múltiples aplicaciones que permiten ahorrar tiempo y dinero dentro de la industria solar, ya sea en la producción automatizada de paneles solares como en la previsión de su rendimiento a largo plazo, entre muchas otras áreas posibles.

Ahora, investigadores del Consejo Superior de Investigaciones Científicas (CSIC) y del Instituto de Energía Solar de la Universidad Politécnica de Madrid han usado técnicas de inteligencia artificial para mejorar el diseño de los paneles solares. El estudio “Solar cell designs by maximizing energy production based on machine learning clustering of spectral variations”, publicado en la revista Nature Communications, explica cómo incluir los cambios que se producen en el espectro solar en los cálculos para predecir la producción de energía fotovoltaica.

“En 2017 se instalaron en el mundo unos 300 millones de paneles solares fotovoltaicos, el equivalente a 50 centrales nucleares. Y estas cifras están creciendo un 24% al año. El coste de esta tecnología está bajando muy rápidamente, pero ahora el reto es mejorar la eficiencia. Esto se consigue con un tipo de panel solar llamado multiunión”, explica José María Ripalda Cobián, investigador del CSIC en el Instituto de Micro y Nanotecnología.

Los paneles multiunión combinan varios materiales para aprovechar mejor el espectro de la luz solar. Sin embargo, la producción de energía de estos paneles depende en cierta medida de los cambios de color que se producen en la luz del sol en los diferentes momentos del día y a lo largo del año.

“Tomando como base una idea de Iván García Vara, y usando una técnica de estadística e inteligencia artificial que se conoce como clustering, hemos conseguido un método práctico para tener en cuenta todos los cambios en la luz del sol y obtener en apenas unas horas un diseño óptimo de panel solar para cada localización”, añade Jerónimo Buencuerpo Fariña, también investigador del CSIC en el Instituto de Micro y Nanotecnología (actualmente en el National Renewable Energy Laboratory, Estados Unidos).

El método podría usarse para predecir mejor el rendimiento de diferentes diseños de células solares, y los científicos que trabajan en ellos se enfocarán en las características que afectarán el rendimiento energético a lo largo del tiempo, en lugar de medir la eficiencia en condiciones de prueba estándar.

“En la práctica, la eficiencia estándar difiere de la eficiencia promedia anual (…) debido a las variaciones espectrales en función de la posición del sol y los fenómenos atmosféricos”, se lee en la introducción del documento. “Los conjuntos de datos con miles de espectros solares pueden reducirse a unos pocos espectros proxy característicos adoptando técnicas de aprendizaje automático, y utilizar con éxito estos espectros proxy para predecir la eficiencia promedia anual en función del diseño de la célula solar”.

El estudio afirma que, para los científicos que buscan optimizar el intervalo de banda de un material para absorber una mayor parte del espectro de luz, existen diferencias significativas entre la optimización del rendimiento energético y la eficiencia estándar, y que el enfoque en sistemas avanzados que combinan tecnologías de heterounión y bifaciales podría dar como resultado de manera realista rendimientos de hasta 1 MWh por metro cuadrado al año.