Inteligencia artificial para las plantas termosolares

Un equipo de investigación de la Universidad de Sevilla, ubicado en ubicado en el Parque Científico Tecnológico Cartuja, la Universidad Politécnica de Cataluña y la Universidad de los Andes de Colombia ha validado en la Plataforma Solar de Almería una nueva metodología que mejora el tiempo de cálculo en la resolución de problemas de los colectores solares. De esta manera, se logran reducir los recursos necesarios para su correcto funcionamiento.

Inteligencia artificial para las plantas termosolares. Para maximizar la producción de energía eléctrica y minimizar el coste, las plantas solares utilizan modelos de control predictivo (MPC) en el manejo de los colectores. Con este sistema se predice el comportamiento que deben tener y se genera la configuración óptima para cada situación, ajustando los ángulos de inclinación, la orientación, la potencia o la temperatura.

El modelo de control que proponen los investigadores se basa en la descentralización del campo, incluyendo una técnica matemática y estadística llamada asistencia de dinámica de población, basada en la idea de que las máquinas pueden funcionar como entidades individuales que interaccionan entre sí y con su entorno, de manera similar a los seres vivos.

En el artículo ‘Coalitional model predictive control of parabolic-trough solar collector fields with population-dynamics assistance’ publicado en la revista Applied Energy los expertos analizan y optimizan la interacción de los controladores en los sistemas mejorando su eficiencia, reduciendo los tiempos de espera y ampliando la capacidad de respuesta.

Sistemas de predicción

Frente a los habituales sistemas de predicción que agrupan a todos los colectores de una misma planta, los expertos recomiendan que cada uno funcione de manera independiente, aunque conectados y comunicados con los demás.

Así, cada problema que se pueda plantear se reduce en pequeños subproblemas que se resuelven de una manera más rápida. Esto hace que no sean necesarios grandes sistemas de computación, reduciendo, al mismo tiempo, los costes de producción. “La idea es dividir el campo total de colectores en subsistemas más pequeños con un controlador local cada uno.

Estos gestionan fallos individuales y se agrupan en coaliciones con los demás subsistemas creados, compartiendo sus respuestas ante la incidencia. Con esto se consigue una solución centralizada, pero de manera descentralizada”, indica a la Fundación Descubre el investigador de la Universidad de Sevilla, Eduardo Fernández Camacho, autor del artículo.

A grandes problemas, pequeñas soluciones

Los colectores solares son dispositivos que aprovechan la luz del sol y la convierten en energía térmica utilizable para producir electricidad. Los cilindroparabólicos utilizados en los ensayos están compuestos por una serie de espejos parabólicos dispuestos en forma de cilindro. Los rayos del sol se concentran en un punto central a lo largo de un tubo que contiene un fluido que se calienta, normalmente agua o aceite.

Son controlados por sistemas autónomos que requieren de una configuración específica para obtener el máximo rendimiento. Pero estos parámetros deben cambiar en función de las circunstancias climáticas, la demanda o el estado físico del propio colector. Aplicar modelos predictivos hace que los controladores anticipen la configuración necesaria en cada momento.

El principal problema es que los sistemas requieren amplios recursos computacionales para optimizar el proceso. Por eso, al reducir el proceso de cálculo a entidades locales, en vez de tratar la situación en una escala global, se mejoran los resultados.

Partida ganadora

Además, los expertos incluyen los juegos evolutivos en la metodología. Se trata de una técnica de optimización, basada en la teoría de juegos, que afina los parámetros de un MPC en la planta solar mediante la simulación de escenarios de juego con diferentes configuraciones que compiten entre sí. La que ‘gana la partida’ genera nuevas configuraciones en la siguiente ‘mano’.

Este proceso se repite varias veces hasta que el sistema encuentra la configuración más óptima. Esta técnica permite considerar las variaciones diarias y estacionales de la radiación solar, la temperatura o humedad, que afectan a la producción de energía eléctrica. De esta manera, se mejora considerablemente la eficiencia y rentabilidad de las plantas.

Los expertos proponen probar la metodología en plantas solares mayores, ya que las ventajas de este enfoque coalicional con respecto al método centralizado se hacen más evidentes a medida que la central es más grande. Inteligencia artificial para las plantas termosolares.

Fuente: https://www.ecoticias.com/energias-renovables/inteligencia-artificial-para-las-plantas-termosolares