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 destinado a optimizar el rendimiento de las plantas solares. Este avance permite que los captadores de radiación solar operen de manera autónoma, ajustándose en tiempo real a las condiciones climáticas y de radiación.
La principal innovación radica en la capacidad del sistema 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 esta tecnología, se puede incrementar hasta un 8,8% la energía capturada anualmente, superando las estrategias tradicionales que colocan los heliostatos en posiciones predefinidas.
Tradicionalmente, este tipo de control solar requería supervisión humana constante debido a la necesidad de adaptarse continuamente a los cambios meteorológicos. Sin embargo, el nuevo enfoque propuesto por los investigadores no solo reduce los riesgos operativos, sino que también resulta más seguro, eficiente y económicamente viable al aumentar la cantidad de energía recolectada mientras disminuye los costos operativos.
Estrategia basada en aprendizaje automático
En el artículo titulado ‘Reinforcement learning for heliostat aiming: improving the performance of Solar Tower Plants’, publicado en Applied Energy, los expertos detallan que este sistema utiliza un enfoque inteligente basado en el aprendizaje por refuerzo. Esta técnica permite que los heliostatos concentren automáticamente la radiación solar sobre el receptor, eliminando así la necesidad de ajustes manuales y supervisión constante.
El aprendizaje por refuerzo es una técnica avanzada de 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 datos históricos para aprender y utiliza redes neuronales como un ‘cerebro’ que le permite discernir entre lo correcto y lo incorrecto”. Esto facilita que el sistema ajuste su estrategia ante diversas situaciones y resuelva problemas complejos.
Validación en entornos simulados
Para validar su eficacia, los investigadores llevaron a cabo pruebas durante un año utilizando un entorno simulado en un superordenador del Centro Extremeño de Tecnologías Avanzadas (CETA-CIEMAT). En este entorno, la inteligencia artificial consideró factores como la época del año y las condiciones climáticas para modificar la posición de 300 heliostatos. “Esto permite al sistema tomar decisiones minuto a minuto sin necesidad de supervisión”, explica José Antonio Carballo, coautor del estudio.
A medida que esta tecnología evoluciona, se busca mejorar aún más su aplicación. La unidad de investigación ‘Tecnologías Termosolares de Foco Puntual’ del CIEMAT-PSA tiene como objetivo ampliar el alcance del proyecto para automatizar completamente las plantas solares. Para ello, planean crear un gemelo digital de una planta solar de torre al cual se le aplicarán algoritmos de aprendizaje para permitir su gestión autónoma.
Si (
No(
