Un nuevo sistema aumenta el rendimiento en plantas termosolares

F. Descubre/DICYT Un equipo de investigación de la Universidad de Sevilla ha implantado una estrategia de control en plantas solares con la que mejoran su rendimiento. El sistema logra que cada concentrador termosolar se comporte como un individuo independiente y se comunique con el resto, atendiendo a las necesidades de cada momento y aprendiendo de las informaciones que llegan del resto de concentradores de manera autónoma. Así, ajustan de manera automática sus funciones para mejorar la generación de energía en tiempo real.

Los concentradores de radiación solar usan lentes o espejos que focalizan los rayos del sol sobre una superficie pequeña para generar electricidad. Los expertos han confirmado la validez del modelo con un trabajo presentado en el artículo ‘A fast implementation of coalitional model predictive controllers based on machine learning: Application to solar power plants’ publicado en la revista Engineering Applications of Artificial Intelligence. Concretamente, el estudio se ha basado en concentradores cilíndricos parabólicos, llamados así por su forma. Éstos condensan la luz en un tubo, situado en medio del espejo, que contiene un fluido que se calienta. El calor, que puede llegar a alcanzar los 390 grados centígrados, sirve para producir vapor que alimenta a una turbina que genera electricidad.

Los expertos logran aumentar la energía generada independientemente de los cambios de radiación solar mediante el control de las válvulas de entrada de los concentradores. “Los sistemas de concentración de energía solar permiten almacenar la energía sobrante en mayor cantidad y a menor costo que los sistemas fotovoltaicos y producir electricidad en condiciones de luz solar nula o baja utilizando sistemas de almacenamiento térmico”, indica a la Fundación Descubre el profesor de la Universidad de Sevilla Eduardo Fernández Camacho, autor del artículo.

Concretamente, el sistema propuesto es conocido como control predictivo, con el que se optimiza la energía solar recogida en los concentradores pudiendo anticipar qué ocurrirá con ayuda de un modelo. Así, cada colector es controlado individualmente de manera que aporta información sobre su funcionamiento, la cantidad de radiación que recibe o las restricciones de operación, entre otras variables Simultáneamente, los distintos controladores se comunican entre ellos gestionando las sinergias para optimizar todo el proceso de manera conjunta.

Neuronas artificiales que interpretan el pensamiento

El control de los concentradores solares suele realizarse de manera centralizada. Es decir, se produce desde una sola plataforma donde se gestionan todos los de una misma planta. Esto conlleva una serie de problemas, como la complejidad de los modelos utilizados y los altos requisitos de tiempo para el cálculo. Sin embargo, este nuevo método permite resolver problemas individuales más rápidamente.

La nueva propuesta consiste en dividir el campo solar en distintas particiones compuestas por coaliciones de concentradores que pueden intercambiar entre sí el fluido de transferencia de calor bajo la supervisión de una red neuronal artificial. Así, cuando algunos colectores no están obteniendo el resultado esperado, se apoyan en los otros. De esta manera, se resuelven problemas que se presentan en cada colector de manera individual, pero además se informa al resto de concentradores y todos van ‘aprendiendo’ de manera continua. Posteriormente, se pueden reconfigurar y adaptar a otra nueva situación para producir la misma cantidad de electricidad que en situaciones normales o la que requiera el mercado en cada momento.

La mejora energética se debe a la automatización del aprendizaje mediante un algoritmo basado en un histórico de datos de conocimiento del sistema, que incluye el funcionamiento del campo solar bajo diferentes escenarios y la mejor forma de gestión para alcanzar la cantidad de electricidad necesaria. El propio sistema es ‘capaz de entender’ qué está ocurriendo y autorregularse para que la producción no se vea afectada.

Los investigadores pretenden ampliar el alcance de este trabajo incluyendo un modelo hidráulico que optimice el flujo en los concentradores y la mejora en el diseño de las redes neuronales. También plantean la aplicación de este modelo a otras industrias, como la robótica.