Con el objetivo de ofrecer una estimación fiable en parques de energía eólica, solar y undimotriz, el proyecto de investigación ORCA-DEEP buscará nuevos modelos basados en inteligencia artificial para realizar predicciones más exactas. El proyecto, con una duración de dos años, está liderado por los grupos AYRNA y GHEODE de la Universidad de Córdoba y la Universidad de Alcalá de Henares (Madrid).
En este tipo de parques, las corporaciones responsables de la red eléctrica solicitan una estimación de la energía que se va a producir. Según los investigadores, si la predicción es demasiado baja puede saturarse el sistema y, si es alta, las empresas dueñas del parque terminan pagando más dinero del realmente necesario. De ahí, la importancia de predecir este recurso con la mayor exactitud posible.
El proyecto también buscará aplicar estas mismas técnicas de inteligencia artificial a diferentes problemas relacionados con el clima, como, por ejemplo, estimación de olas de calor o de periodos de sequías. La idea es mejorar la caracterización de eventos que ayuden a interpretar y predecir mejor diferentes fenómenos atmosféricos.
Predicciones con deep learning y clasificación ordinal
Para ello, a los clásicos modelos tradicionales de clima se les incorporarán datos del pasado, así como un conjunto de valores numéricos relacionados con parámetros como la radiación, presión atmosférica, precipitación o temperatura.
El deep learning y los denominados sistemas de clasificación ordinal serán las principales técnicas para realizar todas las predicciones del proyecto. Gracias al deep learning, se puede simular el comportamiento neuronal del cerebro, lo que permite al propio modelo aprender de sus propios fallos para mejorar automáticamente sus resultados, lo que se traduce en un menor consumo de tiempo y en una mayor exactitud de las estimaciones.
Por otro lado, los sistemas de clasificación ordinal buscan reducir complejos problemas de predicción a una escala de etiquetas ‘ordenadas’ que siguen un orden natural. Por ejemplo, el modelo reduce las distintas velocidades en kilómetros por hora a las que puede circular el viento en un parque eólico a viento ‘alto’, ‘medio’, ‘moderado’ o ‘bajo’. De esta manera, el problema se simplifica.