Perché la luce solare è più intelligente di quanto pensiamo?

Un nuovo studio mostra come le reti neurali e le foreste casuali possano prevedere la luce solare in 300‑1100 nm con grande precisione. I ricercatori hanno confrontato due metodi: uno usa la reale profondità ottica degli aerosol (AOD) misurata a lunghezze d’onda specifiche, l’altro ricrea l’AOD sintetico tramite l’esponente di Ångström. Il modello basato sull’AOD sintetico ha superato quello reale, raggiungendo un coefficiente di determinazione di 0,979 rispetto al 0,967. Questa precisione permette di calcolare il fattore di mismatch spettrale (SMF) per diverse tecnologie fotovoltaiche. Le celle di CuInGaSe e di silicio monocristallino mostrano un SMF stabile, mentre le celle a perovskite sono più sensibili alle variazioni spettrali. In pratica, conoscere meglio la luce che arriva sulla Terra aiuta a ottimizzare le celle solari e a migliorare l’efficienza globale delle energie rinnovabili.

Il fattore di mismatch spettrale (SMF) è la differenza tra la risposta spettrale di un pannello fotovoltaico e la distribuzione spettrale dell’irraggiamento solare. Un SMF elevato indica che la cella non sfrutta pienamente la luce disponibile, riducendo l’efficienza. Per misurare l’SMF è fondamentale conoscere la luce solare a livello spettrale, da 300 a 1100 nm, perché le diverse tecnologie fotovoltaiche (silicio monocristallino, CIGS, perovskite, ecc.) hanno sensibilità spettrali differenti. Gli aerosol atmosferici alterano la distribuzione spettrale filtrando la luce; la loro profondità ottica (AOD) è quindi un parametro chiave. L’esponente di Ångström permette di modellare l’AOD su scala continua, evitando la necessità di misurazioni a molte lunghezze d’onda. Le foreste casuali e le reti neurali, addestrate su variabili atmosferiche (temperatura, umidità, pressione) e sull’AOD sintetico, hanno dimostrato di prevedere l’irraggiamento spettrale con un errore medio di meno del 5 %. Questo approccio riduce la dipendenza da misurazioni costose e migliora la precisione nella stima del SMF, con implicazioni dirette sull’ottimizzazione delle installazioni solari in diverse condizioni climatiche.