Um estudo inovador, divulgado no Journal of Remote Sensing, revelou como a integração da inteligência artificial (IA), por meio de um avançado modelo de aprendizado de máquina, com técnicas de aumento de dados, está aprimorando a estimativa da radiação solar direta e difusa.
O método, aplicado a dados de 2.453 estações meteorológicas na China, supera limitações de observações terrestres, marcando um significativo progresso no campo da energia renovável.
O núcleo desta pesquisa é o algoritmo LightGBM, treinado com um conjunto expandido de dados para prever a radiação solar com um nível de precisão sem precedentes.
Este modelo de aprendizado de máquina se destaca pela sua capacidade de processar extensos volumes de dados e se adaptar continuamente, garantindo precisão sem exigir calibrações específicas por localização.
Além de confirmar sua eficácia na China através de validação com conjuntos de dados independentes, o estudo também sugere a aplicabilidade global do modelo para maximizar o uso da energia solar.
Os pesquisadores geraram um novo conjunto de dados baseado em satélite, considerado fundamental para avançar o uso da IA na otimização da energia solar.
Este avanço representa um marco na estimativa de radiação solar e oferece uma solução escalável e inovadora para superar desafios associados às fontes de energia renovável.
Com a energia solar projetada para ser a maior fonte de energia renovável mundial até 2040, a compreensão detalhada da radiação solar é vital para a seleção, localização e otimização de sistemas de energia solar, desde painéis fotovoltaicos até sistemas de concentração solar.