Modelo de regresión simbólica basado en la optimización de Harris Hawks para la predicción de la temperatura en módulos fotovoltaicos bifaciales

Resumen

Introducción: La predicción precisa de la temperatura en módulos fotovoltaicos (FV) bifaciales es esencial para optimizar la eficiencia energética y prolongar la vida útil del sistema. Este estudio introduce un modelo de regresión simbólica optimizado mediante el algoritmo Harris Hawks Optimization (HHO) y lo compara con un modelo basado en algoritmos genéticos (GA) y modelos estadísticos, utilizando datos reales de una planta FV bifacial de 26,6 MW ubicada en Colombia.

Objetivo: Desarrollar un modelo interpretable de regresión simbólica para predecir la temperatura de módulos FV bifaciales con seguidores solares, utilizando como variables de entrada la radiación solar y la hora solar.

Metodología: Se diseñaron y compararon cuatro modelos: regresión lineal múltiple (MLR), MLR con gradiente descendente (GD), regresión simbólica (SR) con GA y con HHO. Se emplearon datos medidos cada 5 minutos durante un año. Se analizaron la correlación entre variables, la normalidad de los datos y se aplicaron métricas como RMSE y R² para la validación.

Resultados: El modelo con MLR-GD obtuvo el mejor desempeño (RMSE: 4,92; R²: 0,86), seguido por SR-GA (RMSE: 7,14; R²: 0,71). El modelo SR-HHO mostró rápida convergencia con pocos datos, aunque menor precisión en grandes volúmenes (RMSE: 13,91; R²: 0,09).

Conclusiones: Los modelos simbólicos permiten interpretar las relaciones térmicas en módulos FV bifaciales. El HHO destaca por su eficiencia con pequeños volúmenes de datos, mientras que GA ofrece mayor estabilidad. Se sugiere una estrategia híbrida que combine ambas técnicas para mejorar el rendimiento predictivo.