Guilherme Studart es cofundador y CEO de Delfos Energy, plataforma de IA que actúa como un virtual engineer para la gestión de activos renovables y que hoy monitoriza más de 15 GW instalados a nivel global, con presencia en ocho países europeos. Fundó Delfos en 2017 junto a Samuel Lima y trasladó la sede global a Barcelona para liderar la expansión europea.
1. Delfos trabaja con inteligencia operativa aplicada a activos renovables. ¿Cómo describirías vuestra propuesta de valor y qué os diferencia de otras soluciones del mercado?
Delfos es una plataforma de inteligencia operativa para portafolios renovables que actúa como un virtual engineer: centraliza los datos de los activos, predice fallos antes de que ocurran y cuantifica las pérdidas de energía con su impacto financiero. No somos un SCADA ni un dashboard más, somos un motor de decisión que conecta lo técnico con lo económico.
Nos diferencian tres cosas que pocas plataformas integran en una sola interfaz: predicción de fallos basada en machine learning con horizontes de hasta 200 días, cuantificación automática de pérdidas energéticas traducidas a impacto financiero, y nuestro servicio de Performance Engineering as a Service, que pone a un equipo de ingeniería al lado del cliente para extraer valor real de los datos. Hoy monitorizamos más de 15 GW instalados a nivel global.
2. En vuestro trabajo habláis de transformar grandes volúmenes de datos en decisiones accionables. ¿Qué papel está desempeñando hoy la inteligencia artificial en la gestión de activos renovables? ¿Se pueden abrir brechas que afecten a la ciberseguridad?
En Delfos la IA no es una capa añadida, está integrada desde el origen. Llevamos años aplicando machine learning para modelar el comportamiento esperado de cada turbina, inversor o batería, y detectar desviaciones antes de que se traduzcan en fallo. Hoy el debate se está desplazando hacia el agentic AI: agentes capaces no solo de detectar, sino de razonar sobre el contexto operativo y proponer la siguiente acción. Es la dirección en la que estamos invirtiendo.
Dicho eso, la IA por sí sola no resuelve la gestión de un activo. Lo potente es la combinación: modelos que filtran el ruido y jerarquizan, e ingenieros de performance que validan, interpretan y dialogan con el equipo del cliente. Esa mezcla de algoritmo y criterio humano es lo que convierte una alarma en una decisión.
Sobre ciberseguridad, es un tema que abordamos con cada cliente desde el primer día. Estamos certificados ISO 27001.
3. Desde vuestra experiencia, ¿cuáles son los factores que más suelen alejar a un parque eólico de alcanzar el P50 previsto?
Históricamente el recurso eólico era el sospechoso habitual. Hoy no; con las herramientas modernas de modelado, el recurso está bastante bien caracterizado. Más allá de estos factores exógenos y no controlables —como la propia variabilidad del viento o los curtailments impuestos por la red—, lo que realmente aleja a los parques del P50 son pérdidas operativas e internas que suelen estar subestimadas o directamente no se contabilizan: la disponibilidad real de los equipos y la degradación de la curva de potencia.
El problema operativo es que esas pérdidas conviven y se solapan. Un mes malo rara vez tiene una sola causa: hay una turbina con la curva de potencia desviándose lentamente debido a ineficiencias crónicas —como desalineaciones de guiñada (yaw misalignment), desviaciones en el pitch, pérdida de aerodinámica en las palas por erosión o suciedad, o la propia descalibración del anemómetro—, que convive con microparadas no registradas y un sensor de temperatura derivando que empezó a mermar el rendimiento hace meses sin que nadie lo viera. Cuando llega el reporte mensual, el resultado agregado dice «estuvimos por debajo del P50» pero no dice por qué.
Recuperar el P50 pasa por hacer visible cada una de esas categorías de pérdida en tiempo real, atribuir responsabilidad con precisión (Owner u O&M), y darle al equipo el tiempo suficiente para actuar antes de que la pérdida se consolide. Visto así, el P50 deja de ser un número estático y pasa a ser el resultado de gestionar bien varias fuentes específicas de pérdida a lo largo de toda la vida del activo.
4. ¿Cómo veis el nivel de digitalización de los gestores de activos eólicos y el uso de los datos para realizar el diagnóstico de la operación de los parques eólicos? ¿Existe un cambio de cultura hacia una mayor tecnificación a pesar de la elevada presencia de gestores con un mayor enfoque financiero?
El cambio es real, aunque muy desigual. Seguimos viendo a muchos equipos trabajando con hojas de Excel y los datos que les manda el fabricante por SCADA, sin acceso a tiempo real, sin ayuda para priorizar y siempre un paso por detrás del activo. Cuando la información llega ya es histórica, el problema lleva semanas pasando y la pérdida ya está consolidada. Esa es todavía la situación de una parte importante del sector.
En paralelo, hay un segundo perfil que ya opera con dashboards en tiempo real y modelos predictivos. Lo interesante es que los dos perfiles se están acercando. El gestor con enfoque financiero quiere ver impacto en ingresos, no solo disponibilidad técnica, y ahí es donde la cuantificación de pérdidas en euros, no solo en MWh, se convierte en un puente. Cuando un comité de inversión ve cuánta energía recuperable se perdió el mes pasado, la conversación sobre tecnificación deja de ser teórica. La presión por márgenes en un mercado con precios cada vez más volátiles está acelerando esa transición.
5. ¿Cómo se transforman los resultados de vuestras herramientas en decisiones operativas y/o como se integran en el ERP de los clientes? En vuestra web mencionáis algún ejemplo de análisis de causa raíz, uno de los temas más complejos en el sector: ¿Solamente con los datos se puede identificar la causa del fallo que puede tener diferentes causas o son necesarias inspecciones sobre puntos concretos?
La integración con sistemas del cliente, incluyendo ERPs y GMAOs, se hace vía REST API, OPC-UA, ODBC o Modbus. La salida típica no es una alarma más, sino una recomendación priorizada: qué turbina, qué subsistema, qué criticidad y cuánta pérdida estimada si no se actúa, en formato accionable para que el equipo de O&M planifique la intervención.
Sobre causa raíz, nuestro módulo de mantenimiento predictivo monitoriza ocho subsistemas críticos de la turbina, entre ellos rotor, multiplicadora, generador, pitch y yaw, comparando el comportamiento esperado con el medido en tiempo real. Cuando hay desviación, cruzamos patrones temporales (cómo evoluciona la señal) y espaciales (cómo se comporta esa turbina frente a sus vecinas en condiciones similares). Eso permite descartar hipótesis rápido: si todas las turbinas del sector muestran el mismo patrón, el problema es de recurso o curtailment; si solo una se desvía, es local. En patrones bien caracterizados, como degradación de rodamiento principal, llegamos a anticipar el fallo hasta con 200 días de antelación.
Tenemos un caso publicado donde una alarma del sistema de pitch parecía indicar un fallo en el actuador, y el análisis acabó identificando un error de medición del sensor de viento. Una inspección mecánica habría costado tiempo y dinero sin resolver nada. Ese es el valor de un buen diagnóstico basado en datos: estrecha drásticamente el espacio de hipótesis y dirige la inspección al sitio correcto. La validación final en planta sigue siendo necesaria en muchos casos, pero su coste y tiempo se reducen significativamente.
6. Fabricantes de drones o robots ofrecen como valor añadido el tratamiento del resultado de las inspecciones con los datos operativos del parque gracias a la IA. ¿Lo veis como competencia u oportunidad de colaboración?
Colaboración, claramente. Los drones y robots cubren una capa que nosotros no cubrimos: la inspección visual y el diagnóstico físico. Nosotros cubrimos la capa operativa: comportamiento eléctrico, térmico, mecánico de la turbina a lo largo del tiempo, y modelado predictivo a partir de los datos SCADA y de sensórica.
7. ¿Cuál es la respuesta de los tecnólogos a la hora de suministrar información sobre el funcionamiento de las máquinas? ¿Existen diferencias entre aerogeneradores antiguos y nuevos sujetos a garantía?
La respuesta es dispar y depende estrechamente del fabricante, del modelo de contrato y de la madurez del activo. En máquinas en garantía con contratos de servicio del OEM, el acceso a las señales SCADA —especialmente en lo relativo al sistema de control de la propia máquina— suele estar más restringido, lo que habitualmente exige un proceso de negociación para definir qué tags se abren al gestor. Por el contrario, en activos fuera de garantía o gestionados por un O&M independiente, el acceso a la información tiende a ser mucho más amplio y transparente.
En nuestra trayectoria integrando datos de tecnologías como Vestas, Acciona, Suzlon o Enercon, vemos que este patrón se repite de forma sistemática. Sin embargo, demostrando un conocimiento técnico profundo del protocolo y manteniendo un diálogo estructurado con el fabricante, casi siempre se alcanza el nivel de acceso necesario para operar con KPIs de ingeniería de alta calidad. En este escenario, la auditoría automática de disponibilidad contractual —capaz de segmentar con precisión las responsabilidades entre Owner, O&M y Red— se consolida como la herramienta estratégica que cambia por completo el equilibrio de esa conversación.
8. ¿Vuestras soluciones integran los datos suministrados por el SCADA, con los de la sensorica (virtual o real, en la web mencionáis casos de calentamiento) y la información de las Ordenes de Trabajo del mantenimiento (con o sin GMAO)? ¿Qué trazabilidad se puede realizar a lo largo del tiempo?
Sí, la plataforma está pensada exactamente para eso. Integramos SCADA, sensórica adicional (real o virtual, como en los casos de monitorización térmica de rodamientos), sistemas de medición fiscal, datos meteorológicos, y eventos del GMAO o registros manuales de O&M cuando no existe GMAO.
La trazabilidad se construye en dos ejes. El eje técnico permite reconstruir el comportamiento de cualquier subsistema, evento por evento, durante años: cuándo apareció la primera desviación, cómo evolucionó, qué intervención se hizo y qué efecto tuvo. El eje económico convierte esa historia en MWh perdidos y, según el régimen de mercado del cliente, en euros perdidos. Esa doble trazabilidad es lo que permite al cliente sostener conversaciones bien fundamentadas con OEMs, aseguradores e inversores.
9. ¿Cómo se pueden utilizar vuestras herramientas para optimizar el diseño del parque eólico, con la consiguiente mejora posterior de la gestión del activo, cuando todavía no hay datos operativos?
Nuestro foco son los activos ya en operación, no la fase de diseño. Ahí es donde Delfos genera valor, monitorizando 24/7 y traduciendo la realidad operativa en decisiones accionables.
Dicho eso, el diseño y la operación son dos fases que históricamente se han hablado poco, y ese es uno de los motivos por los que tantos parques no alcanzan el P50. Por eso mantenemos un diálogo continuo con plataformas especializadas en diseño como YouWind, e ingestamos sus datos para que nuestros clientes puedan contrastar el baseline original con la operación real desde el día uno.
Donde sí insistimos con clientes y prospects es en la importancia de hacer bien la fase de diseño: integrar incertidumbres reales, considerar curtailments estructurales del nodo, modelar pérdidas operativas con benchmarks creíbles. Un P50 sobreestimado en diseño es una herencia que el operador arrastra durante toda la vida del activo. Nuestro papel empieza cuando las turbinas ya están girando, pero ayuda mucho que la conversación sobre realismo del baseline haya ocurrido antes.
10. España es uno de los mercados eólicos más relevantes en Europa. ¿Cómo valoras la situación actual del sector eólico español y cuáles consideras que son sus principales desafíos?
España tiene un sector maduro, un parque instalado muy relevante y una capacidad técnica reconocida internacionalmente. Pero está atravesando un momento de tensión real: precios capturados a la baja, episodios de precios negativos cada vez más frecuentes, curtailments por restricciones de red, y una flota con una parte significativa de activos entrando en final de garantía o ya fuera de ella.
Los desafíos que vemos día a día con clientes y prospects son tres. Primero, defender el margen en un mercado donde el precio medio recibido ya no acompaña al precio mayorista. Segundo, gestionar el envejecimiento de la flota sin caer en una operación puramente reactiva, donde cada fallo se convierte en pérdida de ingresos directa. Y tercero, dar el salto a la hibridación con baterías, que para nosotros es la combinación ganadora: un parque eólico con BESS puede arbitrar precios, evitar verter cuando el sistema lo penaliza, participar en servicios de ajuste y proteger su margen frente a precios negativos. La pregunta no es ya si hibridar, sino cómo dimensionar el sistema y cómo operarlo. Y eso solo se responde bien si se tiene un análisis riguroso del comportamiento operativo real del activo eólico existente.
11. ¿Qué tendencias crees que transformarán la operación y gestión de parques eólicos, en un escenario de, por un lado, reducciones de producción por la operación del sistema, bajos precios o avifauna, y por otro la participación en los servicios de ajuste?
Hay un cambio de fondo: el parque eólico deja de ser un activo que produce todo lo que puede para convertirse en un activo que produce cuando conviene. Eso obliga a un nivel de inteligencia operativa muy superior al actual.
Tres tendencias concretas. La primera, la integración real entre la gestión del activo y la operación en mercado: las decisiones de curtailment voluntario, participación en ajuste o respuesta a precios negativos tienen que poderse evaluar con datos del estado real del activo en tiempo real. La segunda, la hibridación con baterías como herramienta para suavizar la exposición al precio y participar en servicios de flexibilidad; ahí entra nuestra plataforma BESS, donde acompañamos a los clientes con educación técnica activa, no solo software. Y la tercera, la convergencia entre operación, sostenibilidad y regulación: avifauna, ruido, vertidos, todo eso pasará a estar monitorizado y reportado automáticamente, o costará mucho más operar.
12. Para saber más sobre nuestro protagonista:
a. Libro favorito: El viaje de Shackleton
b. Serie: Yellowstone
c. Película: O Auto da Compadecida
d. Color: Naranja
13. 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?
Más allá de las recomendaciones convencionales, mi propuesta concreta se centra en la gestión activa de la demanda residencial: sincronizar nuestros hábitos de mayor consumo eléctrico con los momentos de máxima generación renovable.
Hoy en día, la digitalización nos permite monitorizar con facilidad cuándo la red eléctrica dispone de un mayor porcentaje de energía limpia (eólica y solar). Gestos tan viables como programar los electrodomésticos de gran consumo, los sistemas de climatización o la carga del vehículo eléctrico en esas ventanas horarias de alta penetración renovable tienen un impacto directo y medible. No se trata solo de reducir el consumo por defecto, sino de desplazarlo de forma inteligente para evitar que tengan que activarse las centrales de respaldo basadas en combustibles fósiles. Convertirnos en consumidores informados y flexibles es la palanca más potente que cada ciudadano tiene en su mano hoy mismo para acelerar la descarbonización real del sistema.
