Científicos de la Politécnica y del CSIC crean inteligencia artificial para optimizar el diseño de paneles solares

Científicos de la Universidad Politécnica de Madrid (UPM) y del Consejo Superior de Investigaciones Científicas (CSIC) han desarrollado un método basado en la inteligencia artificial para hallar el diseño óptimo de paneles solares en función de las variaciones atmosféricas en cada localización, para que produzcan más energía.

Usando una técnica de estadística e inteligencia artificial denominada 'clustering', ingenieros del Instituto de Energía Solar de la UPM y del Instituto de Micro y Nanotecnologia del CSIC han encontrado "una manera práctica de incluir en sus cálculos todos los cambios que se dan en el espectro solar para predecir la producción de energía solar fotovoltaica".

El estudio, publicado en Nature Communications, permite encontrar, en "unas pocas horas de cálculo, el diseño óptimo de panel solar multiunión para cada localización", explica la universidad en un comunicado.

Durante el día y según las estaciones del año, la posición del sol y las condiciones atmosféricas cambian, con lo que la luz que llega a los paneles fotovoltaicos tiene características diferentes. El cambio más importante se produce en el contenido espectral de la luz, que consiste en el reparto de colores: a mediodía es más “azul”, mientras que por la tarde es más “roja”.

Así como la fotografía usaba inicialmente un solo pigmento (blanco y negro), para posteriormente pasar a usar tres colores, los paneles solares del futuro serán de tipo "multiunión, combinando varios materiales para aprovechar mejor el espectro de luz solar".

Como la producción de energía de los paneles multiunión dependen en cierta medida de los cambios de color en la luz, la posición del sol y las condiciones atmosféricas dan lugar a pérdidas en la producción.

Para reducir estas pérdidas, se intenta diseñar los paneles "buscando el óptimo de producción de energía global y no para un color determinado". Pero dada la "infinita variedad de condiciones atmosféricas combinadas con distintas posiciones del sol, esta optimización es muy complicada", según los investigadores.

Este trabajo demuestra que "los conjuntos de datos con miles de espectros solares pueden reducirse a unos pocos espectros característicos utilizando técnicas de inteligencia artificial, y utilizarlos con éxito para predecir la eficiencia promedio anual en función del diseño de la célula solar".

La idea partió de Iván García Vara (UPM) que, durante su estancia en el National Renewable Energy Laboratory estadounidense, concibió un método estadístico para hacer este tipo de cálculo. Posteriormente, José María Ripalda y Jeronimo Buencuerpo (CSIC) aplicaron la técnica de 'clustering' al anterior método con un resultado exitoso.

"El resultado final de nuestro trabajo ha sido la optimización del diseño de los paneles solares multiunión usando como criterio la producción anual de energía", concluye García Vara.