Álvaro Romero posee un Máster en Ingeniería Informática, un Máster en Investigación e Innovación TIC en Inteligencia Computacional y un Executive MBA por el Instituto de Empresa. Es graduado en Matemáticas y en Ingeniería Informática por la Universidad Autónoma de Madrid. Tiene amplia experiencia en el sector energético en proyectos como detección de fraude, mantenimiento predictivo, problemas de optimización. En los últimos años se ha centrado en la creación de un sistema llamado EA3 para la predicción y optimización de series temporales, en concreto, para la predicción de generación renovable, demanda y otras series del mercado eléctrico. Posee varias publicaciones científicas al respecto. También colabora como profesor en diferentes Másters y Grados de Inteligencia Artificial y Big Data en escuelas de negocios y universidades como IE, MBIT School, ENAE Business School y Universidad Sergio Arboleda.
1. Detállanos brevemente la actividad de Instituto de Ingeniería del Conocimiento – IIC y cuáles son vuestros objetivos
El Instituto de Ingeniería del Conocimiento (IIC) centra su actividad en la investigación y desarrollo de soluciones tecnológicas avanzadas, aprovechando la ciencia de datos y la inteligencia artificial para mejorar procesos y tomar decisiones informadas. Nuestros objetivos incluyen la transferencia del conocimiento y la innovación al tejido empresarial y social. Nuestro trabajo engloba varios sectores: banca, seguros, RR. HH., energía, etc. En lo referente a la energía renovable, ofrecemos soluciones como la optimización de instalaciones híbridas y disponemos de herramientas propias como EA3,dedicada a la predicción de la generación renovable en varios horizontes temporales.
2. Se han puesto muchas expectativas en la digitalización y en general, el uso de los datos: ¿Crees que se han cumplido estas perspectivas?
Sí, se han cumplido en gran medida, pero aún queda mucho trabajo por hacer. La digitalización y el uso de datos han transformado varios sectores, permitiendo una toma de decisiones más informada y eficiente. Sin embargo, todavía enfrentamos desafíos importantes, como la integración de tecnologías nuevas, la mejora continua de algoritmos y la accesibilidad y calidad de los datos. Es crucial seguir innovando y la colaboración estrecha entre diferentes perfiles, técnicos y con conocimiento de los procesos de cada sector, para aprovechar al máximo el potencial de la ciencia de datos y la inteligencia artificial. Además, últimamente se ha puesto de relieve la necesidad de atender la sostenibilidad en la propia transformación digital.
En la transición energética se es cada vez más consciente de la necesidad de la twin transition en la que la transformación digital apoye a la transición verde para conseguir la descarbonización, la seguridad y distribución equitativa de la energía.
3. ¿Cuál es la aplicabilidad de vuestras herramientas a un sector como el eólico, disperso y excesivamente singular, para permitir su aprendizaje?
Las herramientas desarrolladas por el IIC tienen una alta aplicabilidad en el sector eólico. A pesar de la dispersión y singularidad de las instalaciones eólicas, nuestras soluciones están diseñadas para aprender y adaptarse a estas características específicas. Utilizamos técnicas avanzadas de machine learning para modelar y predecir el comportamiento individual de cada instalación. Nuestro enfoque es flexible y personalizado, lo que permite que aquellas empresas que cuenten con más y mejores datos puedan aprovecharlo, pero que también sirva para instalaciones más antiguas.
4. ¿Tenéis dificultades para conseguir el acceso a los datos para la puesta a punto de vuestros algoritmos? Si la respuesta es positiva: ¿Cómo lo resolvéis?
En ocasiones puede haber ciertas reticencias, debido a la naturaleza sensible y reservada de la información en muchos sectores. Sin embargo, hemos desarrollado estrategias para superar estos obstáculos. Se establecen acuerdos de confidencialidad y se mantienen los estándares de seguridad más altos para asegurar un intercambio seguro y beneficioso para ambas partes.
En otras ocasiones, otro obstáculo puede ser la cantidad de datos a transferir, pero que con las tecnologías actuales asociadas a la nube se reduce considerablemente.
5. ¿Cuáles son vuestras propuestas o soluciones para optimizar el funcionamiento de una red con alta penetración renovable y que información de partida utilizáis?
Para optimizar el funcionamiento de una red con alta penetración de energías renovables, nuestras propuestas se centran en la implementación de sistemas inteligentes de gestión de la energía, el uso de algoritmos avanzados para la predicción de la generación y demanda, y el uso de algoritmos prescriptivos que faciliten la integración del almacenamiento, ya sea en forma de baterías, agua embalsada o hidrógeno. Utilizamos información de partida como datos históricos de generación y consumo, condiciones meteorológicas, datos sociales y datos operativos en tiempo real, lo que nos permite ajustar y coordinar eficientemente estos modelos.
6. ¿En forma similar al anterior, cual es vuestra metodología para mejorar el acceso a red de instalaciones hibridas, con un permiso siempre limitado en términos de capacidad?
Para mejorar el acceso a la red de instalaciones híbridas, nuestra metodología se basa en la optimización de la gestión de recursos energéticos. Cada instalación híbrida, que puede incluir combinaciones de energía solar, eólica, almacenamiento e incluso electrolizadores, se analiza de manera individual para maximizar su eficiencia. Realizamos estudios detallados de su diseño o su operación óptimo, tomando en cuenta tanto escenarios futuros como todas las posibles restricciones.
7. ¿Podrías decirnos brevemente cual es la principal diferencia y limitaciones de la inteligencia artificial frente a la biológica?
La principal diferencia entre la inteligencia artificial (IA) y la biológica radica en su origen y funcionamiento. La inteligencia biológica, presente en los seres vivos, se basa en redes neuronales biológicas que evolucionan a lo largo del tiempo, permitiendo adaptabilidad, comprensión contextual y aprendizaje a través de la experiencia. En contraste, la IA es el producto de sistemas computacionales diseñados por humanos que procesan datos mediante algoritmos predefinidos. Aunque la IA puede procesar grandes volúmenes de información más rápido que el cerebro humano, carece, al menos de momento, de la intuición y la capacidad emocional de la inteligencia biológica.
Podríamos decir que la IA resuelve mejor los problemas ligados con el razonamiento, y la biológica, todo aquello que nos hace más humanos. Además, las limitaciones de la IA incluyen su dependencia de datos precisos y relevantes, y tiene muchas dificultades con problemas fuera de los parámetros para los que ha sido programada.
8. ¿La falta de mano de obra, general y en el sector, es una oportunidad para el uso de la IA y el extensivo de los datos para la mejora de la disponibilidad de las plantas?
Puede que sí. La IA puede automatizar tareas repetitivas y peligrosas, optimizar la producción mediante el análisis de grandes cantidades de datos en tiempo real, predecir fallos o necesidades de mantenimiento antes de que ocurran, o alertar de posibles condiciones meteorológicas adversas. Todo ello reduce el tiempo de inactividad de las plantas.
9. ¿Cuáles son las diferencias entre el sector eólico y otros sectores industriales, por ejemplo: ¿disponibilidad de datos, posición favorable de los clientes, …?
La disponibilidad de datos en el sector eólico, en general, es muy alta. Se recopila una gran cantidad de datos meteorológicos y de rendimiento de las turbinas, lo que permite optimizar la producción y realizar un mantenimiento predictivo. Sin embargo, la calidad y cantidad de estos datos pueden variar significativamente dependiendo de la ubicación y la tecnología utilizada.
Aunque la disposición de los clientes eólicos es variada, en líneas generales encontramos que el sector eólico es más favorable que otros en general al uso de los datos para la gestión. Es uno de los primeros sectores que han incluido sistemas automáticos basados en IA en sus procesos. Este sector es pionero en el desarrollo de la Twin Transition, ya que la combinación de la digitalización y la sostenibilidad está revolucionando el sector eólico al integrar tecnologías avanzadas y promover prácticas ecológicas.
10. Para saber más sobre nuestro protagonista
a. Libro favorito: Uno de los que he leído hace poco: Pensar Rápido, Pensar Despacio. Y ya que hablamos de Machine Learning, uno “supertecnicazo” para quién le gusten las emociones fuertes: Pattern Recognition and Machine Learning de Bishop
b. Serie: Breaking Bad
c. Película: Mystic River
d. Color: Azul
11. En nuestra vida cotidiana, todos podemos contribuir a la lucha contra el cambio climático. ¿Cuál es tu propuesta de medida concreta que nuestros lectores pueden poner en práctica en sus rutinas diarias hoy mismo?
El otro día leía que el email puede llegar a producir al año 135kg de CO2. Eliminar emails de la bandeja o evitar que te incluyan en listas de distribución es una manera bastante simple de luchar contra el cambio climático y, ¡probablemente no tan difundida!