Inteligencia Artificial con impacto positivo

PROBLEMA

Las plantas de energía solar termoeléctrica (CSP) enfrentan un desafío clave: la variabilidad impredecible de la irradiancia solar directa (DNI) debido al movimiento estocástico de las nubes. Esta incertidumbre dificulta su integración en los mercados eléctricos, ya que impide garantizar una producción energética predecible.

​

SOLUCIÓN

Para abordar este problema, se desarrolló un modelo de predicción de corto plazo basado en deep learning, que utiliza datos meteorológicos satelitales y técnicas de observación terrestre para anticipar la producción agregada de energía CSP, incluyendo la energía liberada desde unidades de almacenamiento térmico durante la noche. El modelo, entrenado con múltiples variables climáticas (radiación solar, nubosidad, temperatura, viento), permite predecir con alta precisión la producción energética en función de las condiciones atmosféricas.

​

BENEFICIO

Este sistema reduce significativamente el riesgo de penalizaciones por errores en la predicción de generación, mejora la eficiencia operativa de las plantas y habilita su participación competitiva en el mercado eléctrico mediante una planificación más confiable y rentable.