Roma – Grazie a un nuovo sistema che integra l’Intelligenza Artificiale e strumenti di statistica avanzata sarà possibile prevedere con maggiore precisione i livelli di produzione di energia dei pannelli solari. È quanto emerge da uno studio guidato dal Karlsruhe Institute of Technology e pubblicato su Advances in Atmospheric Sciences. Le previsioni meteo sono un input fondamentale per i modelli di previsione dell’energia fotovoltaica, ma spesso contengono errori sistematici che incidono sulla precisione dei sistemi. I ricercatori dell’Istituto di statistica presso il Karlsruhe Institute of Technology hanno esaminato diversi modi per migliorare queste previsioni applicando tecniche di post-elaborazione in varie fasi del processo di previsione. Il loro studio ha testato tre strategie: adeguamento delle previsioni meteo prima che entrino nei modelli fotovoltaici, perfezionamento delle previsioni di potenza in seguito e utilizzo dell’apprendimento automatico per prevedere l’energia solare direttamente dai dati meteorologici. “Le previsioni meteo non sono perfette e questi errori si riflettono nelle previsioni sull’energia solare”, ha affermato Nina Horat, autrice principale dello studio. “Modificando le previsioni in fasi diverse, possiamo migliorare significativamente la nostra capacità di prevedere la produzione di energia solare”. I risultati rivelano che la post-elaborazione migliora maggiormente le previsioni di energia solare quando viene applicata alle previsioni di energia piuttosto che agli input meteorologici. Mentre i modelli di apprendimento automatico in genere superano i metodi statistici tradizionali, il loro vantaggio in questo caso è stato limitato, probabilmente a causa dei dati di input disponibili. Lo studio ha anche scoperto che includere l’ora del giorno come fattore era fondamentale per l’accuratezza. “Una delle nostre più grandi conclusioni è stata quanto sia importante l’ora del giorno”, ha affermato Sebastian Lerch, autore corrispondente dello studio. “Abbiamo visto grandi miglioramenti quando abbiamo addestrato modelli separati per ogni ora del giorno o quando abbiamo inserito l’ora direttamente negli algoritmi”. Un approccio promettente bypassa completamente i modelli PV tradizionali, utilizzando un algoritmo di apprendimento automatico per prevedere l’energia solare direttamente dai dati meteorologici. Questo metodo offre un vantaggio pratico: non richiede una conoscenza dettagliata della progettazione di un impianto solare, sebbene necessiti di dati meteorologici e di prestazioni storiche per l’addestramento. La ricerca apre le porte a studi futuri per perfezionare ulteriormente gli approcci di apprendimento automatico, integrare variabili meteorologiche aggiuntive ed estendere le analisi a più impianti solari. (30Science.com)
