La planificación eficiente de la energía solar en un contexto de emergencia climática requiere una comprensión precisa de cómo evolucionarán los recursos solares a largo plazo. Un estudio llevado a cabo por científicos de la Universidad de Córdoba aborda la proyección de las horas solares pico (Solar Peak Hours, SPH) en Andalucía hasta el año 2100 mediante modelos de aprendizaje automático basados en variables térmicas.
Las SPH, definidas como la cantidad de energía equivalente a una irradiancia de 1.000 W/m² durante una hora, constituyen un indicador clave para el dimensionamiento preliminar de instalaciones fotovoltaicas y la estimación de su productividad. Sin embargo, la obtención de series completasy fiables de radiación solar presenta importantes limitaciones debido a la escasez de estaciones con piranómetros y a los elevados costes de mantenimiento. Frente a esta restricción, el uso de modelos empíricos y, más recientemente, de técnicas de inteligencia artificial basadas en temperatura se ha consolidado como una alternativa robusta.
El estudio llevado a cabo por este grupo de investigación se centra en Andalucía y utiliza datos diarios de 122 estaciones meteorológicas automáticas entre 1999 y 2023. A partir de estas observaciones, se entrenaron y evaluaron distintos modelos de aprendizaje automático —perceptrón multicapa (MLP), máquinas de soporte vectorial (SVM), random forest (RF) y extreme learning machine (ELM)— para estimar la radiación solar diaria y derivar posteriormente las SPH.
Para proyectar el comportamiento futuro, los científicos emplearon escenarios climáticos regionalizados seleccionados por su coherencia a escala diaria y su consistencia con registros históricos. Los resultados obtenidos, recogidos en el trabajo “Projecting solar peak hours in southern Spain using temperature-based machine learning models until 2100”, que se publicarán en abril en Applied Energy, muestran que el modelo MLP ofrece el mejor desempeño, con errores significativamente menores que los métodos empíricos clásicos y una elevada capacidad para capturar relaciones no lineales entre temperatura y radiación solar.
Las proyecciones indican una tendencia positiva y estadísticamente significativa de las SPH en la mayor parte del interior andaluz a lo largo del siglo XXI, con valores que superan los 2.000 kWh/m²·año hacia finales de siglo. En contraste, las zonas costeras presentan tendencias más débiles o incluso negativas, reflejando la influencia de factores locales como la humedad y la influencia marítima.
Según los autores del estudio, estos resultados refuerzan el potencial creciente de la fotovoltaica en el sur de España y proporcionan una base cuantitativa para la planificación territorial. Además, demuestran la viabilidad de enfoques basados exclusivamente en temperatura y aprendizaje automático como herramientas de apoyo a la toma de decisiones en escenarios de cambio climático a largo plazo.
Este contenido está protegido por derechos de autor y no se puede reutilizar. Si desea cooperar con nosotros y desea reutilizar parte de nuestro contenido, contacte: editors@pv-magazine.com.
Al enviar este formulario, usted acepta que pv magazine utilice sus datos con el fin de publicar su comentario.
Sus datos personales solo se divulgarán o transmitirán a terceros para evitar el filtrado de spam o si es necesario para el mantenimiento técnico del sitio web. Cualquier otra transferencia a terceros no tendrá lugar a menos que esté justificada sobre la base de las regulaciones de protección de datos aplicables o si pv magazine está legalmente obligado a hacerlo.
Puede revocar este consentimiento en cualquier momento con efecto para el futuro, en cuyo caso sus datos personales se eliminarán inmediatamente. De lo contrario, sus datos serán eliminados cuando pv magazine haya procesado su solicitud o si se ha cumplido el propósito del almacenamiento de datos.
Puede encontrar más información sobre privacidad de datos en nuestra Política de protección de datos.