Representación de la producción de energía de células solares de 5
uniones bajo concentración (1000 soles) en función de las propiedades de
cada uno de los materiales semiconductores constituyentes. / J. M.
Ripalda Cobián
|
El nuevo método tiene en cuenta las variaciones en la luz solar a lo
largo de del día y del año, así como la localización del panel.
Investigadores del Consejo Superior de Investigaciones Científicas
(CSIC) y del Instituto de Energía Solar de la Universidad Politécnica de
Madrid han usado técnicas de inteligencia artificial para mejorar el
diseño de los paneles solares. El estudio, publicado en la revista
Nature Communications, explica cómo incluir los cambios que se producen
en el espectro solar en los cálculos para predecir la producción de
energía fotovoltaica.
“En 2017 se instalaron en el mundo unos 300 millones de paneles solares
fotovoltaicos, el equivalente a 50 centrales nucleares. Y estas cifras
están creciendo un 24% al año. El coste de esta tecnología está bajando
muy rápidamente, pero ahora el reto es mejorar la eficiencia. Esto se
consigue con un tipo de panel solar llamado multiunión”, explica José
María Ripalda Cobián, investigador del CSIC en el Instituto de Micro y
Nanotecnología.
Los paneles multiunión combinan varios materiales para aprovechar mejor
el espectro de la luz solar. Sin embargo, la producción de energía de
estos paneles depende en cierta medida de los cambios de color que se
producen en la luz del sol en los diferentes momentos del día y a lo
largo del año.
“Tomando como base una idea de Iván García Vara, y usando una técnica de
estadística e inteligencia artificial que se conoce como clustering,
hemos conseguido un método práctico para tener en cuenta todos los
cambios en la luz del sol y obtener en apenas unas horas un diseño
óptimo de panel solar para cada localización”, añade Jerónimo Buencuerpo
Fariña, también investigador del CSIC en el Instituto de Micro y
Nanotecnología (actualmente en el National Renewable Energy Laboratory,
Estados Unidos).
J. M. Ripalda, J. Buencuerpo, and I. García.
Solar cell designs by maximizing energy production based on machine
learning clustering of spectral variations.
Nature Communications. DOI: 10.1038/s41467-018-07431-3
Fuente: CSIC 03/12/2018
www.cci-calidad.com |