La energía solar está en fuerte crecimiento a nivel mundial. Sin
embargo, ésta presenta una fuerte variabilidad causada por la dinámica
de la nubosidad. Anticiparse a esta variabilidad permite una
planificación más eficiente del despacho de la energía solar
fotovoltaica. En Uruguay, el Laboratorio de Energía Solar (LES) brinda
pronósticos operativos de irradiancia solar intra-día en el país en base
a imágenes satelitales. Dicha predicción surge de métodos clásicos del
procesamiento de imágenes (Optical Flow) y recientemente se han
explorado métodos basados en deep-learning que presentan mejores
desempeños. No obstante, las predicciones provistas hasta la fecha son
de carácter determinístico, sin incorporar la dimensión probabilística.
El objetivo de este proyecto es generar un modelo probabilístico de
predicción de la nubosidad por satélite en base a modelos de
deep-learning, es decir, que en lugar de dar como pronóstico un valor
puntual para cada sitio, el algoritmo brinde como pronóstico una
distribución de probabilidad. El modelo final deberá ser portable para
facilitar su integración al sistema operativo de pronóstico y deberá
superar en desempeño a las metodologías simples que se han explorado a
la fecha en el LES.