Energetica 226. Mayo 2023

El poder de la inteligencia artificial para diseñar el futuro de la industria solar En los últimos años, las oportunidades y los retos que plantea la inteligencia artificial (IA) se han convertido en objeto de un amplio debate, a raíz del desarrollo de numerosas aplicaciones en los principales sectores y de la cada vez mayor integración de la IA en todos los aspectos de nuestra vida cotidiana. El término inteligencia artificial apareció por primera vez en 1955, cuando JohnMcCarthy, profesor de Stanford, lo acuñó para referirse a “la ciencia y la ingeniería de crear máquinas inteligentes, especialmente programas informáticos”. Desde entonces, la tecnología ha evolucionado de forma espectacular, mostrando su potencial para revolucionar todos los sectores, incluidas las energías renovables. LUCAS VIANI DATA SCIENCE TEAM MANAGER, ENERTIS APPLUS+ BRIAN CUSTODIO DIRECTOR, DATA SCIENCE AND CONSULTING FOR NORTH AMERICA, ENERTIS APPLUS+ E n el ámbito de la energía solar foto- voltaica, la IA puede contribuir a pro- cesar con mayor rapidez y eficiencia la gran cantidad de datos procedentes de los proyectos. La información extraída de este análisis permite mejorar la gestión de los ac- tivos y constituye una poderosa herramienta estratégica para guiar la toma de decisiones de los propietarios de plantas solares, con el fin de maximizar el rendimiento de sus inver- siones. Algunos de estos procesos basados en la IA están relacionados con las inspec- ciones automatizadas, la previsión energé- tica, la respuesta a la demanda y el análisis del rendimiento de los proyectos. Algunos ejemplos son: 1. Inspecciones termográficas (Infra- red o IR, por sus siglas en inglés) con drones: en lugar de utilizar muestras representativas de módulos, las flotas de drones con cámaras IR permiten rea- lizar escaneos de proyectos fotovoltai- cos enteros, optimizando así el tiempo de inspección. A continuación, los datos recogidos a través de estos escaneos se analizan mediante modelos basados en IA, pudiendo realizarse posteriormente más pruebas de IR manuales en áreas específicas. 2. Integración ‘inteligente’ del sistema de adquisición de datos (Data Acqui- sition System o DAS, por sus siglas en inglés). Las alarmas siempre han forma- do parte de los DAS, pero la IA contribu- ye a mejorar la precisión y relevancia de la información proporcionada. Algunos proveedores de sistemas DAS ‘inteli- gentes’ generan informes mensuales detallados que, además, incluyen reco- mendaciones útiles como, por ejemplo, las fechas óptimas de limpieza de deter- minados string de módulos, o informan de problemas sistémicos específicos de ciertos inversores, estimando el número de días tras los cuales cabe esperar que se produzcan fallos críticos. 3. Análisis del rendimiento mediante técnicas de Machine Learning (ML). De forma similar a los sistemas DAS inte- ligentes, el análisis de rendimiento de los proyectos depende cada vez más de las técnicas de ML para descubrir los proble- mas sistémicos. Con datos disponibles con una resolución temporal de hasta un minuto (o incluso menos), y procedentes de varios años de funcionamiento, los modelos de ML se están volviendo lo su- ficientemente robustos como para con- fiar en ellos para observaciones fiables. 4. Detección de defectos en módulos. Las anomalías en los paneles solares pueden identificarse utilizando cámaras especiales que captan imágenes IR y de electroluminiscencia (EL). Si hay defec- tos en un módulo, se generarán patrones específicos que permitirán identificarlos y clasificarlos. Con estas métricas es po- sible generar modelos ML robustos para analizar y señalar automáticamente las zonas afectadas, determinando también su impacto en el rendimiento del dispo- sitivo. 5. Previsión energética. Los modelos de IA pueden utilizarse para predecir la pro- ducción de los proyectos fotovoltaicos, a veces con días de antelación. Este cál- culo depende de la calidad de las previ- siones meteorológicas y es utilizado por los propietarios de las plantas de genera- ción y las empresas eléctricas para infor- mar de las operaciones diarias. 6. Respuestaa lademanda. Con procesos similares, las empresas eléctricas utilizan los datos de consumo de los usuarios fi- nales para predecir la demanda futura de la red. Esto les permite determinar cuánta más o menos energía se necesi- tará. Dependiendo de la situación, por lo tanto, se pueden apagar algunas plantas Ensayo de Electroluminiscencia (EL). Inspecciones termográficas con drone. solar fotovoltaica 68 ENERGÉTICA XXI · 226 · MAY 23