LA ULL Y DE UNA DE SUS EMPRESAS SPIN-OFF AVISAN DE LA NECESIDAD DE CONTAR CON UN SISTEMA ELÉCTRICO MEJOR FRENTE A LA CALIMA

21 Diciembre 2021

Investigadores del Departamento de Física de la Universidad de La Laguna y de la empresa spin-off EnergyRIS (Energy Research & Intelligence Solutions) acaban de publicar en la revista Renewable Energy el artículo titulado “The influence of extreme dust events in the current and future 100% renewable power scenarios in Tenerife”, en el cual se concluye que es necesario empezar a contar en la isla con capacidad de almacenamiento de energía que pueda ser rápidamente convertida en eléctrica para poder afrontar eventos severos de calima como el del pasado mes de febrero de 2020.
El equipo responsable de este trabajo ha sido liderado por Ricardo Guerrero, catedrático de dicho departamento y director del Máster en Energías Renovables de la Universidad de La Laguna, contando también con investigadores de Estados Unidos y Marruecos.
El resultado de la investigación incide en el hecho de que los eventos severos de calima producen no solo una reducción sustancial de la irradiación solar, sino también una casi total parada de parques eólicos. “Si consideramos escenarios 100% renovables, estos eventos extremos nos reducen sustancialmente el aporte fotovoltaico y eólico al mix eléctrico, por lo que es necesario tenerlos en consideración de cara a dimensionar adecuadamente los sistemas de almacenamiento que se vayan a proyectar en Tenerife”, señaló el profesor Guerrero.
El estudio también muestra la importante relación entre las concentraciones de partículas PM2.5 y PM10 con la disponibilidad del recurso eólico, así como que las relaciones polvo-irradiación-viento son específicas de cada localización.
Los dos modelos utilizados para simular emplean algoritmos de inteligencia artificial, basados en regresiones lineales o en redes neuronales artificiales, para plantear distintos escenarios, y han sido desarrollados por la empresa spin-off EnergyRIS. Dichos modelos han recogido millones de datos de distintos parámetros e indicadores desde 2007, que han permitido entrenar los algoritmos para obtener los resultados señalados. Los modelos no solo servirían para explicar las relaciones señaladas, sino también para predecir en el corto y medio plazo nuevos eventos, lo que permitiría al sistema eléctrico estar mejor preparado frente a ellos.

Spread the love

Deja una respuesta