18 de julio de 2023 – 00:00 GMT+0000

Las energías renovables se han consolidado como una de las principales fuentes energéticas a nivel mundial, siendo la energía solar y la energía eólica las fuentes más populares. Se trata en ambos casos de poderosas herramientas contra el cambio climático y por ende para la conservación de la biodiversidad. 

Sin embargo, su falta de predictibilidad sigue siendo una de sus principales limitaciones. Y es que la cantidad de este tipo de energía que se puede generar depende de factores aleatorios como la radiación solar o la dirección y velocidad del viento, lo que hace difícil prever cuánta energía se generará en un momento dado. Afortunadamente, los sistemas predictivos basados en Inteligencia Artificial (IA) están sirviendo para superar estos inconvenientes. Se trata de sistemas que utilizan algoritmos de aprendizaje automático (Machine Learning) y análisis de datos para predecir la cantidad de energía que se puede producir en un momento dado. Estos modelos de IA se nutren de datos, históricos y en tiempo real, de la generación de energía y de información sobre las condiciones ambientales. Se pueden conseguir con estas técnicas predicciones precisas y confiables sobre la cantidad de energía que se generará en un momento dado del futuro. 

Un ejemplo de esta forma de trabajar de estos sistemas predictivos es el proyecto MICROGRID-BLUE que se realiza en el Instituto para el Desarrollo Tecnológico y la Innovación en Comunicaciones (IDeTIC) de la Universidad de Las Palmas de Gran Canaria. Esta iniciativa tiene por objetivo mejorar la gestión y la eficiencia de las microrredes de distribución de energía, entendidas estas como la combinación de redes de energías renovables (solar y eólica) y de sistemas de almacenamiento (baterías) mediante el empleo de la IA. 

“La aplicación de este tipo de sistemas nos permitirá realizar predicciones sobre resultados futuros que nos ayuden a tomar decisiones, eliminando incertidumbres.”

Los sistemas predictivos son herramientas basadas en el análisis de grandes cantidades de datos (Big Data), con el objetivo de realizar aproximaciones o predicciones concretas sobre determinados eventos o resultados; útiles para entender el comportamiento del objeto de estudio. En el caso que nos ocupa (las energías renovables) se pretende ser capaces de predecir con precisión la producción de energía disponible; aspecto clave para garantizar la estabilidad del suministro al permitir a los operadores de redes y a los proveedores de energía anticipar las fluctuaciones en la producción y planificar el uso eficiente de la misma. Por ejemplo, si se sabe que se espera una gran cantidad de viento en las próximas horas, se puede programar la utilización de aerogeneradores para generar la mayor cantidad de energía posible. De esta manera, se puede optimizar la producción y prevenir la escasez de suministro energético. 

“La IA desempeña un papel clave en la mejora de los sistemas predictivos. Los algoritmos de aprendizaje y el procesamiento de grandes cantidades de datos permiten a estos sistemas analizar patrones de producción de energía y prever las fluctuaciones con mayor precisión.”

A través de la creación de microrredes eléctricas y sistemas híbridos (aquellos que utilizan dos o más tecnologías para la generación de electricidad) interconectados y gestionados eficientemente, MICROGRID-BLUE sienta las bases para el desarrollo sostenible en áreas con sistemas eléctricos inestables, como es el caso de Canarias y África occidental. Entre sus objetivos está también facilitar el acceso a la electricidad de zonas remotas que adolecen de una infraestructura eléctrica limitada. La IA será aquí clave para optimizar la gestión de las microrredes y asegurar su eficiencia, liberando a esas zonas de la dependencia de las grandes centrales eléctricas.

“La inteligencia artificial puede ayudar a optimizar la producción y distribución de energía renovable al analizar grandes cantidades de datos y realizar una predicción precisa sobre el suministro y la demanda de energía.”

Estos sistemas de gestión basados en la IA permitirán monitorear y controlar la generación, el almacenamiento y la distribución de energía en tiempo real y ajustar la producción de energía en función de las necesidades.

Figura 1. Ejemplo de monitoreo de la señal de la demanda del Cabildo de La Gomera. La señal de color azul corresponde a la demanda real que tiene el edificio y la señal de color naranja la demanda predicha por el sistema predictivo.

El sistema predictivo, utiliza técnicas avanzadas de aprendizaje profundo (Deep Learning). 

Figura 2. Ejemplo de predicción energética. Se puede observar el efecto en la cantidad de datos que introducimos al sistema. El intervalo de muestreo con los que se pretende entrenar al modelo (la distancia temporal con la que se registran la información), debe contener la mayor cantidad de datos disponibles, ya que de esta forma, se reduce el error en la predicción. Las diferentes curvas muestran la variación de la predicción, siendo la curva amarilla la más significativa y la verde la menos. 

En resumen, la aplicación de la inteligencia artificial en el ámbito de las energías renovables es una oportunidad única para mejorar la gestión y eficiencia de la producción y distribución de energía limpia. 

Gracias a los sistemas predictivos, se puede obtener información precisa y confiable sobre la generación de energía en tiempo real, lo que permite planificar su uso eficiente y prevenir la escasez de suministro energético. 

La adopción de estas tecnologías en el campo de las energías renovables representa una inversión en un futuro sostenible, garantizando el acceso a energía limpia y renovable a largo plazo.

Compartir