El grupo de investigación AYRNA de la Universidad de Córdoba (UCO) ha validado dos metodologías de inteligencia artificial (IA) para mejorar la predicción de la velocidad del viento en parques eólicos. En concreto, han puesto a prueba dos metodologías entrenadas con más de 13 años de datos, capaces de predecir las velocidades del viento extremas con mayor precisión que otros métodos tradicionales, lo que podría ayudar a mejorar la gestión de los aerogeneradores en centrales eólicas.
La energía eólica representó el año pasado el 23,2% de toda la energía inyectada en el sistema eléctrico español, según datos publicados por Red Eléctrica. A pesar de que la eólica lidera la producción energética nacional, su dependencia de las condiciones meteorológicas y su propia naturaleza intermitente plantean algunos desafíos. Por ello, afinar los datos de predicción de velocidad de viento en estas infraestructuras se antoja como una tarea clave para optimizar la gestión y el rendimiento de los aerogeneradores. Y esto es precisamente lo que se ha propuesto el grupo de investigación de la UCO.
El trabajo, que ha contado con la colaboración de investigadores del Departamento de Teoría de la Señal y Comunicaciones de la Universidad de Alcalá, se enmarca dentro del proyecto nacional de investigación NEXO, que busca generar modelos de inteligencia artificial aplicados a energías renovables, a distintos eventos meteorológicos y al campo de la medicina.
Margen de precisión superior al 94%
El equipo de investigación ha validado dos metodologías entrenadas con más de 13 años de datos, capaces de predecir velocidades extremas con mayor precisión que otros métodos tradicionales, a partir de distintas variables como las componentes del viento a diferentes alturas, la presión o la temperatura del aire.
Los sistemas están basados en redes neuronales artificiales, inspirados en el funcionamiento del cerebro humano, y sistemas de clasificación ordinal, que, en lugar de predecir velocidades concretas del viento, lo clasifican en categorías de menor a mayor intensidad.
Ambas metodologías han sido entrenadas para pronosticar con un horizonte temporal de 1, 4 y 8 horas, cuatro rangos distintos que abarcan desde vientos bajos a moderados, altos y extremos. Cada una de estas categorías no sólo está asociada a un rango específico de velocidad de viento, sino también a un rango estimado de producción de energía eólica.
Mientras que el primer modelo obtiene un rendimiento similar en las cuatro clases de viento, el segundo funciona especialmente bien en eventos más severos, destacan los investigadores. Para ráfagas superiores a 20 metros por segundo, correspondientes a la categoría de viento extremo, el sistema ofrece mejores resultados que otras metodologías tradicionales y puede llegar a predecir velocidades con un margen de precisión superior al 94%, lo que resulta muy útil para prever situaciones de viento extremo en las que se deban detener las turbinas para evitar posibles daños o colapsos.
Uno de los investigadores subraya que, si bien ambos sistemas pueden extrapolarse a distintos parques eólicos con cierta facilidad, los modelos han sido entrenados en un parque determinado con unas condiciones concretas, por lo que requeriría un nuevo entrenamiento y validación para aplicarse a otros entornos distintos.