Investigadores de la Plataforma Solar de Almería, en colaboración con la Universidad de Almería y la Universidad de Granada, han desarrollado un innovador sistema basado en inteligencia artificial que mejora el rendimiento de las plantas solares. Este modelo, financiado por la Consejería de Universidad de Andalucía, incrementa hasta un 8,8% la energía capturada anualmente al permitir que miles de heliostatos se ajusten automáticamente a las condiciones climáticas en tiempo real. Utilizando técnicas de aprendizaje por refuerzo, el sistema optimiza la concentración de radiación solar sin necesidad de supervisión humana constante. Este avance promete hacer las plantas solares más eficientes y rentables, reduciendo costos operativos y riesgos. La investigación ha sido publicada en la revista Applied Energy y busca automatizar completamente las plantas solares mediante gemelos digitales. Para más información, visita el enlace a la noticia.
Un equipo de investigación de la Plataforma Solar de Almería, que forma parte del Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas (CIEMAT), en colaboración con la Universidad de Almería (UAL) y la Universidad de Granada (UGR), ha desarrollado un innovador sistema informático basado en inteligencia artificial con el objetivo de optimizar el rendimiento de las plantas solares. Este sistema permite que los captadores de radiación solar operen de manera autónoma, ajustándose en tiempo real a las condiciones climáticas y a la radiación solar disponible.
La principal característica de esta nueva tecnología radica en su capacidad para gestionar simultáneamente miles de heliostatos, que son espejos diseñados para reflejar la radiación solar hacia puntos óptimos en un receptor, transformando así la energía solar en energía térmica. Gracias a este enfoque, se logra un incremento del 8,8% en la energía capturada anualmente en comparación con métodos tradicionales, que suelen depender de la colocación fija de estos dispositivos.
A diferencia del control manual habitual, que requiere supervisión constante para adaptarse a los cambios meteorológicos y solares, el nuevo sistema reduce significativamente los riesgos operativos. Además, es más seguro, eficiente y rentable, ya que no solo aumenta la cantidad de energía recolectada sino que también disminuye los costos operativos. Este trabajo forma parte del proyecto HELIOSUN, financiado por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía y la Agencia Estatal de Investigación del Ministerio de Ciencia, Innovación y Universidades.
En su artículo titulado ‘Reinforcement learning for heliostat aiming: improving the performance of Solar Tower Plants’, publicado en Applied Energy, los investigadores detallan cómo este sistema utiliza un enfoque inteligente basado en el aprendizaje por refuerzo. Esto permite que los heliostatos concentren automáticamente la radiación solar sobre el receptor de manera óptima, eliminando así la necesidad de ajustes manuales constantes.
El aprendizaje por refuerzo es una técnica dentro del ámbito de la inteligencia artificial que permite a un sistema aprender a tomar decisiones adaptándose a entornos cambiantes mediante prueba y error. Según explica Javier Bonilla, investigador del CIEMAT-PSA y coautor del estudio, “el algoritmo se basa en un histórico de datos para aprender y utiliza redes neuronales como un ‘cerebro’, lo que le permite ajustar su estrategia según cada situación”.
Para validar su eficacia, los expertos llevaron a cabo pruebas durante un año utilizando un entorno simulado en un superordenador ubicado en el Centro Extremeño de Tecnologías Avanzadas (CETA-CIEMAT). En este escenario virtual, el sistema consideró factores como la época del año, el momento del día y condiciones climáticas reales para modificar la posición de 300 heliostatos. “Esto permite al sistema tomar decisiones minuto a minuto sin supervisión”, señala José Antonio Carballo, otro coautor del estudio.
A través de esta tecnología avanzada, se busca aprender cómo posicionar los heliostatos para maximizar la recolección energética bajo diversas circunstancias. La unidad encargada del proyecto ‘Tecnologías Termosolares de Foco Puntual’ del CIEMAT-PSA tiene planes ambiciosos: ampliar el alcance del proyecto con el fin de automatizar completamente una planta solar. Para ello, se propone crear un gemelo digital que aplique algoritmos avanzados permitiendo una gestión autónoma eficaz.
Un equipo de investigación ha diseñado un sistema informático basado en inteligencia artificial para mejorar el rendimiento de las plantas solares, permitiendo que los captadores de radiación solar se comporten de forma autónoma y se ajusten en tiempo real a las condiciones climáticas.
El nuevo sistema incrementa hasta un 8,8% la energía capturada anualmente en comparación con las estrategias tradicionales.
El sistema gestiona de forma autónoma miles de heliostatos que reflejan la radiación solar hacia un receptor, adaptándose a cambios meteorológicos y de la posición del sol en tiempo real mediante aprendizaje por refuerzo.
El aprendizaje por refuerzo es una técnica de inteligencia artificial donde un sistema aprende a tomar decisiones en un entorno cambiante mediante prueba y error, utilizando datos históricos y redes neuronales para optimizar su funcionamiento.
La estrategia fue probada durante un año en un entorno simulado en un superordenador en el Centro Extremeño de Tecnologías Avanzadas (CETA-CIEMAT).
Los investigadores pretenden ampliar el alcance del proyecto para automatizar completamente la planta solar, creando un gemelo digital que gestione la planta de forma autónoma.