La transición hacia un sistema energético más limpio y sostenible está en marcha. Se prevé que para 2050 las fuentes renovables, principalmente solar y eólica, e hidráulica en menor medida, se conviertan en pilares de la generación eléctrica en España. Sin embargo la planificación es compleja, pues hay que determinar el número de plantas solares o parques eólicos necesarios, y la ubicación idónea a lo largo del país, para conseguir un sistema viable y fiable. Pero, ¿cómo analizar esos parámetros en un territorio extenso, con una orografía variada y sin características climáticas homogéneas?

Un equipo de investigación del Departamento de Física de la Universidad de Jaén (UJA), en colaboración con el Departamento de Informática de la Universidad Carlos III de Madrid (UC3M) ha dado un paso al frente al desarrollar un modelo pionero para estimar la producción renovable del país. En un primer estudio, publicado en la revista Renewable Energy, se centran en la creación de una base de datos de la generación solar fotovoltaica en toda España desde 1990 hasta 2020.

Representación de la media de la generación de energía solar fotovoltaica en 30 años en España por estaciones.

Denominada SHIRENDA_PV, se trata de una herramienta de código abierto con alta resolución espacial y temporal, para cuyo desarrollo han utilizado técnicas de inteligencia artificial y datos meteorológicos. En combinación con otros mecanismos, los científicos aspiran a transformar la forma en que se analiza y planifica la producción solar del país.

Aprendizaje automático

La innovación de este trabajo ha sido incorporar técnicas de aprendizaje automático. Hasta ahora se recurría a modelos físicos en los que simulaban el comportamiento de plantas solares reales a partir de datos meteorológicos. “El problema es que para simular la generación solar en toda España se necesitan parámetros como la orientación o la tecnología de los paneles que se desconocen. Esto origina errores muy importantes, por eso las bases de datos existentes no eran lo suficientemente fiables”, explica a la Fundación Descubre el catedrático de la UJA David Pozo, coautor del trabajo y responsable del proyecto en el que se enmarca el estudio.

Equipo de investigación de la UJA que ha participado en este proyecto.

En lugar de depender de indicadores desconocidos, su equipo empleó datos meteorológicos y de generación de energía solar reales del periodo 2015-2020, proporcionados por Red Eléctrica de España (REE), para desarrollar los algoritmos. Tres años se dedicaron al entrenamiento y dos a la validación, superando significativamente los resultados de bases de datos anteriores. Con los modelos generados estimaron la producción solar retrospectiva, desde 1990 a 2020 para toda España.

Estabilidad frente a variabilidad

El resultado fue SHIRENDA_PV, una base de datos que abarca tres décadas de generación solar fotovoltaica con gran resolución espacial y horaria. La herramienta permite, por ejemplo, analizar los valores anuales de producción energética, las fluctuaciones estacionales, las regiones de mayor producción, las más estables, o aquellas en las que la generación está particularmente sincronizada con la demanda. “Aunque en media su producción sea menor que en otras zonas, este tipo de áreas pueden ser de gran interés para un sistema eléctrico basado en renovables, pues permiten reducir la variabilidad de la generación”, matiza el experto de la UJA.

Gráfico 2: Valores medios anuales y estacionales de la generación de energía a nivel nacional, calculados para cada año del período de estudio 1990–2020. Se observan grandes fluctuaciones sobre todo en invierno y otoño. El invierno de 2010 fue desastroso comparado con 2011, lo que demuestra la importancia de analizar 30 años.

Entre los datos identificados en el trabajo destacan:

• Las regiones sur y suroeste, especialmente Extremadura, son las de mayor producción solar fotovoltaica de España.
• El invierno es la estación más desafiante del país, con unas fluctuaciones muy acusadas. Esto responde al fenómeno de variabilidad climática más importante en Europa, la Oscilación del Atlántico Norte (NAO), que puede llegar a ser de un 20 por ciento de un invierno a otro. Como consecuencia, durante las fases negativas la generación cae hasta un 16 por ciento, especialmente en el suroeste del país, mientras que en las positivas aumenta hasta un 10.
  

Aplicaciones presentes y futuras

SHIRENDA_PV está disponible para el libre acceso por parte de la comunidad investigadora, empresas o administraciones interesadas en planificar instalaciones solares en el presente o simular escenarios futuros para optimizar la red eléctrica. Además, al basarse en datos meteorológicos globales, la metodología podría adaptarse a otros países interesados en transitar hacia energías renovables.

Equipo de investigación de la UC3M que forma parte del proyecto.

Su potencial aumentará al unirse con otras dos bases de datos similares de generación eólica e hidráulica, también de libre disposición, desarrolladas por el equipo de investigación. El siguiente proyecto, ya en marcha, consiste en combinarlas para analizar cuál sería un sistema eléctrico óptimo para el país basado en estas energías y estudiar su comportamiento y fiabilidad ante el cambio climático, entre otros objetivos.

Con esta innovación no sólo se allana el camino hacia el objetivo de producir el 80 por ciento de la electricidad de España a partir de renovables en 2030, sino que también marca un precedente en la aplicación de inteligencia artificial para resolver retos globales. En un mundo cada vez más consciente de la necesidad de reducir emisiones, esta combinación de datos, energía renovable e inteligencia artificial demuestra cómo ciencia y tecnología pueden ser aliadas cruciales en la lucha contra el cambio climático.

Más información en #CienciaDirecta: Combinan inteligencia artificial y datos meteorológicos para estimar la producción de energía solar en España en 30 años