Previsión del potencial energético solar global mediante modelos de machine learning y deep learning

Por qué importan el sol y los ordenadores inteligentes

A medida que el planeta se calienta y los fenómenos meteorológicos extremos se hacen más habituales, las sociedades buscan con urgencia formas más limpias de abastecer hogares, transporte e industria. Los paneles solares son una de las opciones más prometedoras: están abaratándose, son más eficientes y pueden instalarse casi en cualquier lugar donde haya sol. Este estudio plantea una pregunta sencilla pero vital: ¿hasta dónde podría llegar la energía solar a mediados de este siglo y qué supondría para nuestra combinación energética global si usamos herramientas de datos modernas para mirar al futuro?

Mirar al pasado para ver el futuro

Los investigadores recopilaron datos globales detallados desde 2000 hasta 2022, incluyendo cuánto electricidad consumía el mundo, cuánto procedía de paneles solares y los ingredientes meteorológicos básicos que condicionan la energía solar: radiación, temperatura y velocidad del viento. En ese periodo, la capacidad solar global se disparó, pasando de apenas 1,23 gigavatios en 2000 a más de 1.000 gigavatios en 2022, y la electricidad solar anual saltó de aproximadamente 1 teravatio-hora a más de 1.300. Estas cifras reflejan paneles más baratos, mejor tecnología y un fuerte apoyo político en países como China, India, Estados Unidos y en buena parte de Europa. El equipo empleó estos patrones históricos como base para sus predicciones hasta 2050.

Dos maneras inteligentes de pronosticar la energía solar

Para proyectar el futuro, los autores recurrieron a dos familias de modelos informáticos especializados en datos temporales. Uno, llamado SARIMAX, pertenece a la caja de herramientas tradicional de los estadísticos; busca patrones y tendencias repetitivas y puede también tener en cuenta factores externos como la temperatura o el viento que influyen en la producción solar. El otro, conocido como red convolucional temporal, es un enfoque de deep learning que examina tramos largos de datos a la vez y puede descubrir relaciones más enrevesadas y no lineales. Ambos modelos se entrenaron y evaluaron con el mismo conjunto de datos global, y su precisión se midió con medidas estándar de error y ajuste. En estas pruebas, SARIMAX superó ligeramente al modelo de deep learning, ofreciendo pronósticos algo más precisos en conjunto.

Qué tamaño podría alcanzar la solar

Con estas herramientas, los investigadores pronostican que la energía solar global seguirá avanzando a gran velocidad. Según SARIMAX, la capacidad instalada podría aumentar desde unos 1.300 gigavatios en 2023 hasta más de 11.600 gigavatios en 2050. El modelo de deep learning ofrece un valor máximo muy similar, algo por encima de 11.500 gigavatios. La generación de electricidad solar muestra la misma subida dramática: desde menos de 2.000 teravatios-hora en 2023 hasta aproximadamente 15.000–16.000 teravatios-hora en 2050 según los dos modelos. En otras palabras, el mundo podría producir más de diez veces la electricidad solar actual a mediados de siglo si las tendencias presentes continúan y las políticas siguen siendo, en términos generales, favorables.

La mezcla energética mundial en evolución

El estudio también examina cómo este auge de la solar encaja en la mezcla más amplia de fuentes energéticas: combustibles fósiles, nuclear y el conjunto de renovables. Históricamente, los combustibles fósiles han dominado, con renovables y nuclear aportando una cuota menor. Los modelos sugieren que para 2050 la electricidad renovable, liderada por la solar, se más que triplicará respecto a 2023, alcanzando entre unos 26.000 y 31.000 teravatios-hora por año. La energía nuclear se mantiene más o menos estable o desciende ligeramente, mientras que la electricidad procedente de combustibles fósiles sigue creciendo, especialmente en el escenario SARIMAX, aunque a un ritmo más lento que las renovables. Esto significa que, incluso con una expansión notable de la energía limpia, sería necesario actuar con firmeza para frenar el carbón, el petróleo y el gas si la humanidad quiere cumplir objetivos climáticos estrictos.

Qué significa esto para la vida cotidiana

Para un público no especializado, los detalles técnicos de las herramientas de predicción importan menos que su mensaje: existe un amplio potencial solar para alimentar una gran parte de la actividad humana, y su papel está llamado a crecer de forma marcada. El estudio concluye que los métodos estadísticos tradicionales, cuando se calibran con cuidado y se alimentan con buenos datos, pueden igualar o superar a las técnicas de deep learning más en boga para predicciones energéticas a largo plazo. Más importante aún, ambos enfoques apuntan en la misma dirección: un futuro en el que la energía solar es central en el suministro eléctrico mundial. Si los gobiernos acompañan este crecimiento con políticas que limiten el uso de combustibles fósiles y apoyen el almacenamiento energético, los vehículos eléctricos y la eliminación de carbono, un clima más limpio y estable está al alcance.

Cita: Raza, M.A., Karim, A., Altayeb, M. et al. Global solar energy potential forecasting through machine learning and deep learning models. Sci Rep 16, 10466 (2026). https://doi.org/10.1038/s41598-026-41357-x

Palabras clave: energía solar, energía renovable, transición energética, cambio climático, machine learning