TIC    Energía

Drones más ‘inteligentes’ para optimizar los parques solares

Raptor Maps, una spin off del MIT, crea un software de aprendizaje automático para detectar los fallos en los paneles solares

11 FEB. 2019
3 minutos
Uno de los drones de esta spin off del MIT sobrevolando una 'granja' de paneles solares. / Raptor Maps / MIT

Con el ‘boom’ de los parques solares se ha hecho más frecuente el uso de aviones no tripulados equipados con cámaras térmicas para controlar y extraer información de estas ‘granjas’ de paneles. Sin embargo, ahora los técnicos necesitan dar un paso más para poder interpretar el flujo “interminable” de datos no estructurados que están recopilando estos drones.

Para poder optimizar este proceso, investigadores del MIT, a través de la spin off Raptor Maps, han desarrollado un software con aprendizaje automático para analizar las imágenes que recopilan estos drones, poder hacer un diagnóstico e incluso estimar los costes que puede acarrear solucionar el problema detectado.

“Con el aprendizaje automático, enseñamos algoritmos a detectar algo que necesitamos localizar y clasificar. Así, podemos hacer un procesamiento adicional e incorporar flujos de datos adicionales para mejorar la capacidad de toma de decisiones. El aprendizaje automático se convierte en inteligencia artificial (IA)”, explican desde Raptor Maps.

El objetivo de este sistema es poder ayudar a los técnicos que gestionan estos parques solares a priorizar los problemas que hay que resolver para su optimización. “Este proceso debe estar estandarizado y ser escalable”, señala el cofundador y CEO, Nikhil Vadhavkar en una rueda de prensa en el MIT.

De hecho, cuando Raptor Maps desarrolló su software en un principio estaba pensado para controlar y gestionar granjas agrícolas, pero, al abrirlo públicamente, descubrieron que la mayoría de los usuarios lo aplicaban a imágenes térmicas de parques solares. “La energía solar es similar a la agricultura: está al aire libre y se extiende en un área de grandes dimensiones”, explica Vadhavkar.

Así, desarrolló y adaptó su software de aprendizaje automático para estandarizar la recopilación de datos y permitir que los clientes y los operadores de drones utilicen hardware comercial para recopilar los datos por sí mismos. Una vez que los datos se envían a la empresa, el sistema crea un mapa detallado de cada granja solar y señala los problemas que detecta.

En 2018 Raptor Maps procesó cuatro gigavatios de datos de clientes en seis continentes diferentes: “Es suficiente energía para alimentar a casi tres millones de hogares”. El objetivo en 2019 es crecer por cinco, señalan los fundadores de esta startup.