Predicción de radiación solar a corto plazo mediante imágenes de cielo y visión por computador

Abstract

La energía solar fotovoltaica está llamada a ser una de las energías del futuro. No obstante, aun existen obstáculos por superar, como su variabilidad, especialmente aquella causada por la oclusión del sol debido a la nubosidad local. Para que pueda integrarse de forma masiva en la red eléctrica, es necesario poder predecir dichas fluctuaciones a corto plazo. Dichas predicciones se obtienen a partir de imágenes del cielo tomadas mediante cámaras a nivel terrestre, pues solo así se puede aspirar a un horizonte temporal de minutos (en comparación al horizonte temporal de horas de las imágenes por satélite). En este trabajo se realiza una revisión del estado del arte de las técnicas utilizadas en este campo de estudio, mostrando los distintos enfoques utilizados, y explicando las limitaciones de cada técnica. Para ello, se divide el problema según tres fases: segmentación semántica, estimación del movimiento, y predicción. Además, se ponen en práctica algunas de las técnicas estudiadas, mostrando cómo se integran para dar lugar a un solo algoritmo. En ese ámbito, se detalla el preprocesado realizado a las imágenes obtenidas por la cámara, además de la implementación de las demás fases ya mencionadas. Aunque la calidad de los resultados dista mucho de aquella necesaria para ser implementada en sistemas reales, los experimentos realizados constituyen una demostración didáctica de las distintas fases que forman el proceso de predicción, y pueden servir de punto de partida para aquel que busque comprender mejor dicho proceso. I

Solar power is targeted towards becoming one of the main sources of energy in the future. Yet, there are still some limitations to overcome, such as its variability, especially that caused by the occlusion of the sun by the local cloudiness. For solar power to be massively integrated into the electrical grid, short-term forecasts about such fluctuations are necessary. Such forecasts are obtained from whole-sky images taken by ground-based cameras, since that is the only method able to aim at a forecast horizon of minutes (in contrast to the forecast horizon of hours obtained with satellite images). In this project, a revision of the state of the art techniques used in this field of study is conducted, showing the approaches taken, and explaining the limitations of each technique. For that matter, the process is divided in three stages: semantic segmentation, motion estimation, and forecasting. Furthermore, some of the revised techniques are put into practice, showing their integration into a single algorithm. In this case, the preprocessing applied to the images obtained by the camera is described in detail, as well as the implementation of the aforementioned stages. Although the quality of the results is far from the required to be implemented in real systems, the experiments conducted constitute a didactic demonstration of the different stages which form the forecasting process, and can serve as a starting point for those looking for understanding the process as a whole.