Tudo sobre China
Em um estudo recente, publicado no Journal of Remote Sensing, pesquisadores integraram a inteligência artificial (IA), através de um modelo de aprendizado de máquina poderoso, com técnicas de aumento de dados para aprimorar a estimativa da radiação solar, tanto difusa (Rdif) quanto direta (Rdir). Utilizando dados de 2.453 estações meteorológicas na China, essa abordagem inovadora na área de energia renovável superou as barreiras das observações terrestres limitadas e mal distribuídas.
No coração dessa pesquisa está o algoritmo LightGBM, que foi treinado com dados expandidos para prever a radiação solar com precisão inédita. O aprendizado de máquina em questão oferece capacidade avançada de processar grandes volumes de dados e adaptar-se continuamente, melhorando a precisão sem a necessidade de calibração específica para cada local.
Leia também:
Potencial para a energia solar para além da China
O modelo validado com conjuntos de dados independentes não apenas confirmou sua eficácia na China, mas também demonstrou seu potencial de aplicabilidade global na otimização do aproveitamento da energia solar. Além disso, o estudo gerou um novo conjunto de dados baseado em satélite, algo que está sendo considerado pelos pesquisadores como essencial para o avanço da IA na otimização da energia solar.
Esta pesquisa estabelece um novo padrão para estimar a radiação solar. Além disso, apresenta uma solução escalável e inovadora para os desafios relacionados às fontes renováveis.
Segundo os pesquisadores, espera-se que a energia solar represente a maior parte da energia renovável global até 2040. Nesse sentido, o conhecimento detalhado da radiação solar e dos componentes da radiação é crucial para selecionar, localizar e otimizar diferentes tipos de sistemas de energia solar.
Por exemplo, painéis fotovoltaicos de placa plana precisam de radiação solar. Já os sistemas de concentração de energia solar podem focar na radiação direta.