I ricercatori dell'Universidad Carlos III de Madrid (UC3M) e dell'Universidad de Jaen (UJA) hanno pubblicato uno studio che riporta una combinazione ottimale di modelli di previsione della radiazione solare con cui sono in grado di ridurre l'errore nelle previsioni a breve termine (6 ore) di 25 % e 30%.

Il progetto di ricerca si è concentrato sul miglioramento della previsione della radiazione solare a breve termine per la penisola iberica, su una scala minuscola, una scala oraria e una scala giornaliera. Nello specifico, sono stati analizzati cinque tipi di modelli:basati su camere a nebbia, misurazioni, immagini satellitari, previsioni del tempo, e un ibrido degli ultimi due. Per questo scopo, i ricercatori hanno selezionato quattro stazioni meteorologiche come aree rappresentative per la valutazione situate a Siviglia, Lisbona, Madrid e Jaén.

Per due anni, entrambi i gruppi di ricerca hanno diviso il loro lavoro in due parti. Da una parte, il gruppo di calcolo evolutivo e reti neurali (EVANNAI) presso UC3M si è concentrato sull'applicazione di tecniche di intelligenza artificiale per selezionare il miglior modello o combinazione di modelli per ogni situazione meteorologica, posizione e orizzonte temporale, così come ottenere intervalli di previsione per stimare l'incertezza nelle previsioni. D'altra parte, il gruppo Atmosphere and Solar Radiation Modeling (MATRAS) presso UJA si è concentrato sulla progettazione e sul miglioramento di diversi metodi di previsione della radiazione solare, per i quali hanno utilizzato diverse metodologie come camere a nebbia, immagini satellitari e modelli meteorologici.

Il risultato più eclatante ottenuto in questa ricerca è che la combinazione di modellizzazione ottimale riduce l'errore di previsione di circa il 30% rispetto ai migliori modelli in ogni orizzonte temporale. "Questa è la prima volta che vengono confrontati cinque modelli indipendenti, e grazie all'intelligenza artificiale e all'elaborazione matematica, siamo stati in grado di ridurre il margine di errore in ogni orizzonte di previsione, che rappresenta un risparmio economico perché riduce i costi di integrazione dell'energia solare, " ha spiegato il coordinatore del progetto David Pozo, professore ordinario di fisica applicata all'UJA.

"L'uso dell'intelligenza artificiale e, in particolare, delle tecniche di apprendimento automatico consentono di integrare in modo automatico ed efficiente le previsioni di diversi modelli, con il modello stesso che fornisce la migliore previsione per ogni orizzonte temporale. Per di più, l'utilizzo di tecniche di ottimizzazione evolutiva consente di quantificare l'incertezza per ciascuna delle previsioni. L'incorporazione di queste nuove tecniche nel contesto delle energie rinnovabili ha portato a importanti miglioramenti rispetto alle tecniche iniziali, " hanno spiegato Inés M. Galván e Ricardo Aler, professori associati del Dipartimento di Informatica e Ingegneria.

I ricercatori hanno determinato il momento dell'orizzonte temporale durante il quale ogni modello è più affidabile, come accade, Per esempio, con l'uso di immagini satellitari durante le prime due o tre ore o l'uso del modello numerico di previsione del tempo dopo la quarta o la quinta ora. E tra l'altro, ha inoltre concluso che la previsione in prossimità delle zone costiere è più difficile anche entro il margine di un'ora.

Parte di questo studio è stata pubblicata in due articoli sulla rivista scientifica Energia solare , e un'altra parte è nel processo di revisione per altre riviste.