Fuente: https://www.pv-magazine.com
Investigadores en Arabia Saudita han comparado el rendimiento de las plantas fotovoltaicas montadas en tierra con el de las instalaciones solares marinas y han descubierto que las instalaciones flotantes se benefician del efecto refrigerante del agua de mar.
Investigadores de la Universidad Rey Fahd de Petróleo y Minerales de Arabia Saudita han llevado a cabo una investigación comparativa de sistemas experimentales de energía solar fotovoltaica flotante (SFPV) y sistemas solares fotovoltaicos montados en el suelo (GSPV) en un sistema de inteligencia artificial (IA) que predice la temperatura de la superficie y la potencia de salida de ambas configuraciones.
“Los sistemas SFPV y GSPV se instalan y prueban en las mismas condiciones climáticas de Azizia, Reino de Arabia Saudita, y se evalúan a fondo en cuanto a la energía eléctrica producida, la temperatura superficial del panel fotovoltaico, el voltaje fotovoltaico-CC, la corriente fotovoltaica-CC, y el rendimiento y la eficiencia energética”, explicó el equipo. “El segundo objetivo de este estudio se centra en la aplicación de modelos avanzados de inteligencia artificial para pronosticar la generación de energía eléctrica y la temperatura superficial del panel fotovoltaico en sistemas SFPV y GSPV, un área que se ha investigado con frecuencia”.
Tanto el SFPV como el GSPV se instalaron con dos paneles bifaciales con una potencia máxima de 545 W. Ambos sistemas también incluían un inversor, una batería y un conjunto de registradores de datos y dispositivos de medición. El sistema SFPV se instaló a 25 m de la costa del Golfo de Baréin, en Azizia, a una profundidad de 1,5 m, mientras que el GSPV se instaló en tierra cerca de allí. El SFPV también utilizó un marco de madera, bidones de plástico reutilizables, una estructura de soporte de acero inoxidable, cables de acero, ganchos y bloques de hormigón para el anclaje.
El análisis mostró que la temperatura ambiente media a largo plazo fluctuó entre 15,35 °C en enero y 36,0 °C en julio, con una humedad relativa del 31,65 % en junio y un máximo del 68,23 % en diciembre. La intensidad solar horizontal global diaria osciló entre 3,30 kWh/m²/día y 7,74 kWh/m²/día, con un promedio general de 5,64 kWh/m²/día a lo largo del año. Además, la velocidad media del viento a 10 m sobre el nivel del mar varió entre 3,71 m/s en octubre y 5,42 m/s en junio.
Tanto el SFPV como el GSPV se instalaron con dos paneles bifaciales con una potencia máxima de 545 W. Ambos sistemas también incluían un inversor, una batería y un conjunto de registradores de datos y dispositivos de medición. El sistema SFPV se instaló a 25 m de la costa del Golfo de Baréin, en Azizia, a una profundidad de 1,5 m, mientras que el GSPV se instaló en tierra cerca de allí. El SFPV también utilizó un marco de madera, bidones de plástico reutilizables, una estructura de soporte de acero inoxidable, cables de acero, ganchos y bloques de hormigón para el anclaje.
El análisis mostró que la temperatura ambiente media a largo plazo fluctuó entre 15,35 °C en enero y 36,0 °C en julio, con una humedad relativa del 31,65 % en junio y un máximo del 68,23 % en diciembre. La intensidad solar horizontal global diaria osciló entre 3,30 kWh/m²/día y 7,74 kWh/m²/día, con un promedio general de 5,64 kWh/m²/día a lo largo del año. Además, la velocidad media del viento a 10 m sobre el nivel del mar varió entre 3,71 m/s en octubre y 5,42 m/s en junio.
“La partición del conjunto de datos se realizó mediante divisiones 70/30, donde el 70 % del conjunto de datos se asignó al entrenamiento y el 30 % a las pruebas”, explicó el grupo. “Las variables de entrada del modelo incluyen características como el tiempo, la radiación solar, la corriente fotovoltaica, el voltaje fotovoltaico y la temperatura ambiente, mientras que las variables de salida objetivo son la potencia eléctrica y la temperatura superficial fotovoltaica”.
El LSTM-BBOA se comparó con otros tres modelos: la máquina de amplificación de gradiente de luz (LightGBM), el LSTM solo y la unidad recurrente con compuerta (GRU). Según los resultados, el modelo LSTM-BBOA logró una robustez superior tanto en sistemas SFPV como GSPV. En el caso de la electricidad del SFPV, alcanzó un coeficiente determinista (R²) de 0,9998. Para la compresión, el LSTM solo obtuvo 0,9966 y el LightGBM 0,9844.
El análisis mostró que el híbrido LSTM-BBOA mostró un rendimiento robusto con valores mínimos de error absoluto medio (MAE), error cuadrático medio (RMSE) y coeficiente de variación (COV) de 0,4884, 0,5031 y 0,1938 para las predicciones de producción de energía del SFPV. Por su parte, el LightGBM independiente presentó valores máximos de MAE, RMSE y COV de 5,7036, 12,6872 y 20,3577, respectivamente.
“El modelo LSTM-BBOA alcanzó valores máximos de coeficiente de eficiencia (CE) e índice general (IO) de 0,9998 y 0,9931, respectivamente, superando los valores del modelo LSTM de 0,9969 y 0,9472 para la producción de energía de SFPV”, concluyeron los científicos. “En comparación, LightGBM registró los valores más bajos de CE e IO, con 0,9844 y 0,9190, respectivamente”.
Sus hallazgos fueron presentados en “
Evaluación comparativa del aprendizaje de refuerzo y desarrollo de prototipos de sistemas de energía solar flotantes: estudio experimental y modelado LSTM combinado con el algoritmo de optimización Brown-Bear ”, publicado en
Energy Conversion and Management.