Diseño, construcción y evaluación comparativa de un seguidor solar bifacial con algoritmos de control astronómico y aprendizaje automático basado en datos meteorológicos

Abstract

El presente trabajo desarrolla un sistema de seguimiento solar bifacial de doble eje utilizando componentes de bajo costo, comparando experimentalmente el desempeño de un algoritmo de control por seguimiento astronómico y otro de optimización mediante aprendizaje automático. El sistema incorpora un panel superior de 30W y uno inferior de 8W simulando una configuración bifacial. El algoritmo astronómico calcula la posición solar teórica mediante la librería PVLIB de Python, transformando las coordenadas esféricas (acimut y cenit) al sistema de referencia cartesiano del seguidor. El método de aprendizaje automático utiliza un modelo Random Forest entrenado con datos meteorológicos históricos del NSRDB y alimentado en tiempo real con información de Open-Meteo, actualizando el posicionamiento cada 15 minutos. Se realizaron mediciones continuas durante 5 días para cada método en períodos diferentes, registrando generación energética, consumo de actuadores, sistema de control y ángulos de posicionamiento. Los resultados evidencian que el método de aprendizaje automático generó 95.91 Wh/dia comparado con 77.07 Wh/dia del astronómico, representando un incremento del 24.4% en generación total y 2% en energía neta. Esta superioridad se atribuye a la capacidad del modelo de optimizar el posicionamiento para condiciones de radiación difusa predominantes durante los días nublados del período experimental. Aunque las mediciones no fueron simultáneas y las condiciones meteorológicas variaron entre períodos, ambos enfrentaron predominantemente días nublados con solo dos días completamente soleados. El análisis proyecta que en sistemas de mayor escala estas ventajas serían proporcionalmente superiores, estableciendo al aprendizaje automático como estrategia viable para maximizar captación solar en regiones con condiciones meteorológicas variables.