Desarrollan varios modelos de aprendizaje automático para predecir la radiación solar en el sur de España y Carolina del Norte en EE.UU.

Un equipo de investigación de la Universidad de Córdoba ha creado y probado diversos modelos para la predicción de radiación solar en nueve ubicaciones del sur de España y también en el estado de Carolina del Norte (EE. UU.), las cuales representan diferentes condiciones geo-climáticas (aridez, distancia a lmar y elevación). Una de las principales innovaciones de estos modelos es que solamente necesitan datos térmicos para estimar la radiación solar diaria. Además, la mayoría de las estaciones meteorológicas existentes en el mundo disponen de sensores térmicos y pluviométricos, pero muy pocas miden radiación solar.


Córdoba |
06 de julio de 2021

Medir la radiación solar supone una acción costosa, así como todas las tareas relacionadas con el mantenimiento y la calibración de los sensores más empleados: piranómetros y radiómetros. El resultado de ello es la escasez de datos confiables. En esta línea, un grupo de investigación de la Universidad de Córdoba ha desarrollado y evaluado varios modelos de aprendizaje automático para predecir la radiación solar en nueve ubicaciones (sur de España y Carolina del Norte en EEUU), las cuales representan diferentes condiciones geo-climáticas (aridez, distancia a lmar y elevación). Un trabajo que ha sido presentado en la revista Applied Energy.

Paneles solares | Fotografía extraída de Pexels

Una de las principales innovaciones de los modelos que han creado es que solamente necesitan datos térmicos para estimar la radiación solar diaria. “Medir y disponer de datos de temperatura del aire hoy día con la sensorización de bajo coste y las tecnologías IoT (Internet of Things) resulta bastante asequible”, añade el investigador y profesor de la UCO Javier Estévez Gualda. Además, la mayoría de las estaciones meteorológicas existentes en el mundo disponen de sensores térmicos y pluviométricos, pero muy pocas miden radiación solar.

Por su parte, Juan Antonio Bellido, autor principal del trabajo, destaca que uno de los problemas que actualmente existen en los modelos basados en inteligencia artificial es la configuración de parámetros internos, denominados hiperparámetros. “Podemos imaginar que estos hiperparámetros son los controles de la mesa de mezclas de los técnicos de sonido, su ajuste es fundamental, evitando en todo momento que la modificación de un potenciómetro provoque problemas en la sonorización”, explica. Para solucionar este problema, en el trabajo han utilizado un algoritmo automático denominado Optimización Bayesiana (basado en la teoría de Bayes), que se encarga de buscar de manera eficiente y rápida parámetros adecuados para que los modelos obtengan resultados eficientes y precisos.

Todos los modelos utilizados se pueden clasificar como modelos supervisados, es decir, requieren de datos de entrenamiento. Sin embargo, se pueden clasificar dentro de varios grupos: modelos basados en redes neuronales, cuyo funcionamiento se asimila al de las neuronas (Multilayer Perceptron – MLP -, Extreme Learning Machine – ELM – y Generalised Regression Neural Networks – GRNN); modelos basados en una tipología de árbol (Random Forest -RF- y Extreme Gradient Boost – XGBoost), y otros, como Support Vector Machine (SVM).

Éstos han sido probados en diferentes condiciones de aridez, como es el Sur de España y Carolina del Norte (USA), es decir, en zonas áridas, semiáridas, sub-húmedas secas y húmedas. El 31% de la superficie terrestre es árido-semiárido-subhúmedo seco, mientras que el 67% es húmedo. De esta forma, son aplicables en toda la superficie de la Tierra. Cuando se evalúa la eficiencia de los modelos entrenados en nuevas localizaciones cuyos datos no han sido utilizados durante el mismo se producen mejoras significativas en todas las localizaciones. Por ejemplo, los entrenados con series temporales de Cabra (Córdoba) y luego aplicados en El Campillo (Huelva) presentan una mejora considerable.

La profesora e investigadora Amanda P. García-Marín, quien también forma parte del equipo, expone que los resultados mejoran los modelos actuales, obteniendo una gran precisión en la estimación de valores diarios de radiación solar. “Esto es crucial en ubicaciones sin conjuntos de datos disponibles o faltantes / de baja calidad, y se pueden utilizar para optimizar la determinación de las ubicaciones potenciales para la construcción de plantas de energía solar”, concluye el investigador Javier Estévez Gualda.

Otro de los puntos fuertes del trabajo es que los modelos están a disposición de cualquier investigador en el repositorio de libre acceso GitHub, por lo que su uso puede extenderse a cualquier zona del planeta, en función de su aridez. Además, desde el punto de vista agronómico resulta decisivo la estimación precisa de radiación solar ya que es una variable clave para el desarrollo de los cultivos.

Esta investigación forma parte del proyecto Smarity (AGL2017-87658-R), financiado por el Plan Nacional I+D+i Retos de la Sociedad del Ministerio de Ciencia que busca soluciones contra la aridez climática en el sur de España y que se encarga de predecir de forma inteligente la variabilidad espacio-temporal de la aridez y sus efectos en la agricultura y el medio ambiente.

Referencia bibliográfica:
Bellido-Jiménez, J. A., Estévez Gualda, J., Penélope García-Marín, A. (2021). Assessing new intra-daily temperature-based machine learning models to outperform solar radiation predictions in different conditions. Applied Energy, Vol. 298. DOI: https://doi.org/10.1016/j.apenergy.2021.117211


Últimas publicaciones

Sevilla | 29 Sep 2022
¿Cómo se detecta el oxígeno de la sangre?

El trabajo desarrollado en el Instituto de Biomedicina de Sevilla demuestra la importancia de la mitocondria en la supervivencia de los seres vivos a situaciones que cursan con falta de oxígeno en sangre. La hipoxia (déficit de oxígeno), además de presentarse en zonas de gran altitud, es un factor crítico vinculado a diversas patologías cardiorrespiratorias de alta morbilidad y mortalidad en humanos. 

Sevilla | 29 Sep 2022
Los efectos de la sequía en la supervivencia del milano real

Un equipo científico de la Estación Biológica de Doñana – CSIC ha examinado el efecto de la sequía en el momento de nacer y la sequía actual sobre las tasas de supervivencia y reproducción, así como sobre el comportamiento, de la población de milano real del Parque Nacional de Doñana. El objetivo ha sido analizar el impacto de los extremos climáticos, no solo los que suceden en la actualidad, sino los experimentados en el pasado en las poblaciones animales.

Córdoba | 29 Sep 2022
Los árboles alrededor de los olivares potencian la presencia de la polilla del olivo

Un estudio de la Unidad de Entomología Agrícola de la Universidad de Córdoba identifica 20 especies de crisópidos en el agroecosistema del olivar. Uno de los agentes de control biológico más destacados de la polilla del olivo ('Prays oleae'). Este trabajo El estudio permite poner en valor tanto el uso de este agente de control en el olivar de forma natural, potenciando las poblaciones que ya existen, como el manejo que realizan los agricultores y las agricultoras de sus cultivos y de esos hábitat que hay alrededor.

buy metformin metformin online