Investigadores cordobeses validan dos métodos de IA que mejoran la predicción de la velocidad extrema del viento

Un equipo de investigación ha puesto a prueba dos metodologías de inteligencia artificial (IA) entrenadas con más de 13 años de datos, capaces de predecir las velocidades del viento extremas con mayor precisión que otros métodos tradicionales, lo que podría ayudar a mejorar la gestión de los aerogeneradores en centrales eólicas.

La investigación, llevada a cabo por la Universidad de Córdoba (UCO), ha validado las dos metodologías capaces de predecir velocidades extremas con mayor precisión que otros métodos tradicionales, a partir de distintas variables como las componentes del viento a diferentes alturas, la presión o la temperatura del aire.

Ambos sistemas están basados en lo que se conocen como redes neuronales artificiales, inspirados en el funcionamiento del cerebro humano, y sistemas de clasificación ordinal que, en lugar de predecir velocidades concretas del viento, lo clasifican en categorías de menor a mayor intensidad.

Las dos metodologías han sido entrenadas para pronosticar con un horizonte temporal de una, cuatro y ocho horas, cuatro rangos distintos que abarcan desde vientos bajos a moderados, altos y extremos, según ha explicado el investigador de Ciencia de la Computación e Inteligencia Artificial de la Universidad de Córdoba Antonio Gómez.

Cada una de estas categorías no sólo está asociada a un rango específico de velocidad de viento, sino también a un rango estimado de producción de energía eólica. Así, mientras que el primer modelo obtiene un rendimiento similar en las cuatro clases de viento, el segundo funciona especialmente bien en eventos más severos.

De hecho, para ráfagas superiores a 20 metros por segundo, correspondientes a la categoría de viento extremo, el sistema ofrece mejores resultados que otras metodologías tradicionales y puede llegar a predecir velocidades con un margen de precisión superior al 94%, lo que resulta especialmente útil para prever situaciones de viento extremo en las que se deban detener las turbinas para evitar posibles daños o colapsos.

Las empresas energéticas tienen que dar una estimación periódica de la energía que van a inyectar en la red, de ahí la necesidad de afinar los pronósticos para realizar las mejores predicciones posibles.

El trabajo, que ha contado con la colaboración de investigadores del Departamento de Teoría de la Señal y Comunicaciones de la Universidad de Alcalá de Henares, se enmarca dentro del proyecto nacional de investigación Nexo, que busca generar modelos de IA aplicados a energías renovables, a distintos eventos meteorológicos y al campo de la medicina