Investigadores de la Plataforma Solar de Almería mejoran el rendimiento solar con IA

Un equipo de investigación de la Plataforma Solar de Almería, que forma parte del Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas (CIEMAT), ha desarrollado un innovador sistema informático basado en inteligencia artificial con el objetivo de optimizar el rendimiento de las plantas solares. Este avance, en colaboración con la Universidad de Almería (UAL) y la Universidad de Granada (UGR), permite que los captadores de radiación solar operen de manera autónoma, ajustándose en tiempo real a las condiciones climáticas y a la radiación solar.

La principal novedad radica en la capacidad del sistema para gestionar simultáneamente miles de heliostatos, que son espejos diseñados para reflejar la radiación solar hacia puntos específicos donde se transforma en energía térmica. Este enfoque no solo mejora la eficiencia, sino que también incrementa hasta un 8,8% la energía capturada anualmente en comparación con métodos tradicionales que dependen de posiciones predefinidas.

Eficiencia y seguridad mejoradas

A diferencia del control solar habitual, que requiere supervisión humana constante debido a su complejidad, esta nueva estrategia reduce significativamente los riesgos operativos. Además, es más segura y rentable al aumentar la cantidad de energía recolectada y disminuir 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 un 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 aprendizaje por refuerzo. Esto permite que los heliostatos concentren automáticamente la radiación solar sobre el receptor de manera óptima.

Pruebas en entornos simulados

El aprendizaje por refuerzo es una técnica avanzada dentro del ámbito de la inteligencia artificial donde un sistema aprende a tomar decisiones mediante prueba y error. Según 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’ para discernir entre lo correcto y lo incorrecto”. Esto le permite ajustar su estrategia a cada situación particular.

Para validar su eficacia, los expertos llevaron a cabo pruebas durante un año en un entorno simulado utilizando un ‘superordenador’ en el Centro Extremeño de Tecnologías Avanzadas (CETA-CIEMAT). Durante estas pruebas, el sistema consideró factores como la época del año y las condiciones climáticas para modificar dinámicamente la posición de 300 heliostatos. “Esto permite al sistema tomar decisiones minuto a minuto sin necesidad de supervisión”, explica José Antonio Carballo, otro coautor del estudio.

Futuras aplicaciones del sistema

La unidad de investigación ‘Tecnologías Termosolares de Foco Puntual’ del CIEMAT-PSA busca ahora ampliar el alcance del proyecto para lograr una automatización completa de las plantas solares. Para ello, se plantean crear un gemelo digital de una planta solar tipo torre que pueda aplicar algoritmos avanzados para su gestión autónoma.

La noticia en cifras