Las energías renovables, y en concreto la energía solar, son intermitentes. Por ello, un factor importante a la hora de planificar la producción es la meteorología y, por tanto, una buena predicción.
En el último seminario de la Cátedra de Ciencia de Datos y Aprendizaje Automático UAM-IIC, se abordaron en este sentido los principales problemas que se encuentran a la hora de realizar predicciones acertadas, y cómo las técnicas estadísticas y de aprendizaje automático pueden ayudar a mejorar los resultados.
José Luis Casado, meteorólogo de la Agencia Estatal de Meteorología (AEMET), explicó cómo se trabaja para la combinación de los modelos meteorológicos utilizados y estos métodos estadísticos, que convierten determinados parámetros (temperatura, nubosidad, entre muchos otros) en energía predicha.
Los simuladores utilizados por AEMET son útiles, pero tienen algunos problemas a la hora de realizar predicciones. Por ello, es importante tener una visión de conjunto y aprovechar las ventajas de la parte computacional para disminuir los errores.
De la combinación con la parte física surgen proyectos indisciplinares, basados en el “yin y el yang de la meteorología y la computación”. Sin embargo, ambos mundos deben interrelacionarse: trabajar con datos implica saber en cierta manera lo que hay detrás de ellos, mientras que, por otro lado, para interpretarlos hay también que conocer los métodos que se utilizan.
En este marco, José Luis Casado explicó también las ventajas de las predicciones de tipo probabilístico en la toma de decisiones frente a los modelos deterministas, que aportan una única predicción. Las probabilidades, los porcentajes, son más útiles: la decisión la toma el usuario según su situación.