¿Cómo hacemos que la energía renovable sean un recurso fiable, menos variable e intermitente? La energía renovable depende de fenómenos meteorológicos, como el viento o la luz del sol, que no podemos cambiar, pero que sí podemos conocer y predecir con ayuda del análisis Big Data y de la Inteligencia Artificial.
La tecnología ya ha facilitado enormemente el desarrollo de las energías renovables, pero todavía queda margen de mejora en términos de precisión, optimización, eficiencia e innovación. Para Pedro Tejedor, director del área de Energía y Medioambiente del IIC, “el desarrollo de las energías renovables alcanza su máximo potencial gracias a la aplicación de las nuevas tecnologías a su operación”.
Concretamente, hoy en día se puede utilizar la analítica predictiva en todas las fases del ciclo de vida de las centrales renovables: su instalación, la generación y distribución de la energía y el mantenimiento de las redes. En este post, repasamos cómo la tecnología y la Inteligencia Artificial pueden ayudar, desde muchos puntos de vista, en el uso óptimo de las fuentes renovables.
Analítica predictiva en la generación de energías renovables
La predicción de la generación de energía renovable depende en gran parte de un buen análisis de datos meteorológicos. Ya en su diseño, para elegir el lugar donde se va a instalar una nueva central, sea eólica o solar, los datos históricos de la meteorología en las localizaciones candidatas son uno de los factores determinantes para su selección.
Este primer análisis necesita en muchos casos terabytes de información a procesar, para estimar cuánto habría producido esa central en cada uno de los posibles lugares y así poder elegir el más provechoso.
Más adelante, con los parques ya instalados y en funcionamiento, es necesario conocer con antelación cuánta energía se va a producir. “Esto permite acudir a la oferta en los mercados eléctricos, cada vez más exigentes en cuanto a precisión, con la mejor de las predicciones de energía”, explica Pedro Tejedor. En este caso, se usan las predicciones meteorológicas adaptadas a la evolución del parque.
La mayoría de estos parques optan por externalizar esta actividad predictiva a empresas expertas en tecnología y análisis de datos, como el Instituto de Ingeniería del Conocimiento (IIC). En el IIC se dispone de un sistema propio de predicción de la producción de energías renovables (EA3) para parques de todos los tamaños y tecnologías. Este permite elaborar pronósticos con diferentes horizontes temporales y con la frecuencia de actualización que se necesite para ofertar en los mercados.
Redes inteligentes de energía eléctrica
Las energías renovables también suponen un reto para la red de transporte y distribución de energía eléctrica. Al ser capaces de verter energía en prácticamente cualquier punto de la red, es necesario conocer de antemano cuál va a ser esa producción, para prevenir saturaciones locales que podrían llegar a producir apagones. Las empresas de distribución necesitan también aquí de una elevada precisión para su operación.
Para conseguir un flujo previsible y constante de energía, recurren a las Smart Grids o redes inteligentes, que integran nuevas tecnologías para armonizar el uso de la energía. Según explica Pedro Tejedor, “Red Eléctrica de España, en su papel de regulador del sistema eléctrico completo, también necesita de estas predicciones para que el conjunto de la red se comporte de forma fiable”.
Las empresas especializadas en predicciones vuelven aquí a ser necesarias. Desde el IIC se aplica la analítica predictiva con diferentes fines, como la predicción de la producción de energía, que se apuntaba arriba, o de la demanda de energía. Todo ello para conseguir la optimización del modelo energético, con las consecuentes ventajas económicas y medioambientales. Además, también se pueden predecir y detectar incidencias técnicas y no técnicas, como el fraude energético.
Mantenimiento y optimización de la red eléctrica
El mantenimiento técnico de las centrales eléctricas y de las redes de energía también tiene en la tecnología y la IA una herramienta útil para adelantarse, por ejemplo, a averías. En este caso, se puede predecir cuándo van a producirse mediante el análisis de la producción y las vibraciones y las temperaturas de los dispositivos internos de un aerogenerador o de los sistemas de conversión de los paneles fotovoltaicos, entre otras infraestructuras.
También se está utilizando la visión artificial o el análisis de imágenes obtenidas con drones para examinar las placas solares y los componentes externos de los aerogeneradores. En este sentido, el mantenimiento predictivo es útil para calcular y reducir las pérdidas técnicas.
Un paso más sería la aplicación de la analítica prescriptiva para optimizar la operación y el mantenimiento de centrales y redes. En el caso de las centrales renovables híbridas, por ejemplo, son necesarios sistemas de simulación y optimización para hacer un encaje óptimo de las diferentes fuentes de energía en las redes, más en la actual coyuntura de crecimiento de la generación de hidrógeno. En el IIC se ha desarrollado una herramienta que ayuda al diseño y operación óptimas de la generación renovable, las baterías e hidrolizadores.
Estos son solo algunos ejemplos de lo que la tecnología puede hacer para impulsar el uso de las energías renovables en un futuro no tan lejano. Sin embargo, para Pedro Tejedor, esto también trae nuevos retos, “tanto en los mercados, donde veremos el precio de la energía caer a mediodía debido a la gran producción solar, como técnicos, ya que habrá que vigilar continuamente que la producción no exceda lo que la red pueda transportar ni la energía que se va a consumir”. El experto apuesta por una regulación técnica basada en las predicciones, que nos permita saber cuándo se puede ofrecer la energía a la red y cuándo almacenarla.
