Inteligencia Artificial facilita los flujos de servicios energéticos

• Por Erick Bellido, periodista y analista de MindRun

Uno de los grandes desafíos de todas las grandes empresas e industrias involucradas dentro de la red de suministros energéticos, indistintamente cual sea su rubro de operaciones, es que buscan optimizar la estabilidad y calidad de la prestación de sus diversos servicios, motivo por el cual hoy buscan robustecer sus centrales de monitoreo con plataformas de programación que integran la potencia de la Inteligencia Artificial (IA) generativa con aprendizaje basado en ‘Machine Learning’ (aprendizaje automático) y ‘Deep learning’ (aprendizaje profundo).

Sin duda, que juega un rol clave aquí un levantamiento de problemas para generar un rodmap, con el fin de analizar datos de forma exploratoria para clasificar, establecer patrones y correlaciones, reconocer variables de criticabilidad y predecir con precisión resultados esperables. Estos pasos permiten alimentar el sistema de modelamiento matemático para programar soluciones ajustadas a las necesidades, generando optimización por áreas categorizadas.

Así, por ejemplo, al momento de efectuar análisis de redes de transmisión y distribución, empresas como General Electric, aplican fuertemente la IA para apoyar a los clientes con soluciones dirigidas al aceleramiento de la transición energética, al tiempo que hace que la red eléctrica sea más segura y resistente aplicando soluciones como Grid Analytics que permite una clara evidencia de la visión y la innovación necesarias para abordar los desafíos de transformar las operaciones, junto con mejorar la eficiencia y la fiabilidad de la red, al mismo tiempo que se reducen los costes.

Debido a que la tecnología de redes inteligentes actualmente debe operar con lógicas de alta calidad y sostenibilidad, es un imperativo de cara a la Agenda 2030, impulsar el cambio mundial hacia las energías renovables, cuestión que lo tienen como pilar estratégico los fabricantes de grupos electrógenos y los desarrolladores de hardware y software industriales. Por eso, quienes ocupan una posición privilegiada en la toma de decisiones para hacer frente a la complejidad que demanda la mantención continua de la red eléctrica, y es ahí donde la IA impacta y se vuelve un factor determinante, porque mejora y resuelve ecuaciones de alta complejidad en tiempo récord.

De ahí la relevancia de prospectar la analítica de datos con IA al servicio de la transformación digital para generar una correcta planificación predictiva, por ejemplo, en parques eólicos,  para monitorear la fuerza del viento mediante tablas con registros históricos de monitoreo de los servicios meteorológicos y proyectar una carta Gantt por mes sobre la capacidad de productividad energética, o bien, generar reportes con información satelital en tiempo real sobre el comportamiento de los bancos de nubes, pudiendo predecir la cantidad de energía que se puede producir en los próximos minutos u horas.

Esto es relevante, porque permite saber con precisión cuanta energía se genera segundo a segundo, lo que impacta en las regulaciones tarifarias según la capacidad y costes de producción versus la demanda de consumo de acuerdo con la hora de la demanda. Los sistemas de IA pueden llegar a reducir los costes de desvío hasta en un 50 por ciento.

La misma lógica antes expuesta, también se puede aplicar en las instalaciones termo-solares y fotovoltaicas pero midiendo con analítica avanzada el rendimiento de la luz solar para convertirla en electricidad, optimizando de mejor forma el aprovechamiento de los rayos solares, pues con la información oportuna se puede anticipar el momento preciso para hacer mantención a las redes eléctricas.

De igual modo, la IA se aplica para hacer análisis de incidencias frente a los bruscos cambios climáticos, como el surgimiento de tormentas, tornados, trombas o huracanes, ya que el monitoreo y predicción del tiempo, permite reducir los costes, mejorar la capacidad de respuesta, anticipar riesgos para la seguridad humana, entregar reportería a las industrias, y reportar datos claves a los operadores insertos dentro del rubro energético, más en estos tiempos, donde las condiciones meteorológicas cambian abruptamente las condiciones ambientales llevándolas a complejos extremos. Esto ya es tendencia, debido a que los algoritmos de IA en este rubro tienen un nivel de certeza cercano al 90% determinando los hotpots precisos donde podrían generarse problemas, permitiendo desplazar anticipadamente a los equipos técnicos antes de que ocurran los negativos eventos, o bien, reparar daños de forma más rápida.

El uso de algoritmos predictivos con IA Generativa, se aplican en la generación y transporte de energía en los denominados ‘contadores inteligentes’, lo que permite monitorear inalámbricamente en tiempo real la información relativa al consumo de electricidad, agua o gas, entregando reportería de tablas históricas de consumo, junto con alertar sobre fallas en la cadena de suministros y detectar fenómenos diarios asociados a bajas o altas de consumo, lo que permite tomar resguardos en la capacidad reactiva en el mundo de la oferta y la demanda.

Tanto los operadores de las empresas de servicios públicos y privados que actúan como proveedores de servicios energéticos, hoy más que nunca en la historia de la humanidad, deben buscar soluciones tecnológicas, como los gemelos virtuales en 3D dotados de IA, es decir, contar con representaciones en realidad virtual aumentada -metaversos- para recrear la infraestructura de toda la cadena de productiva, visualizando maquinarias, procesos y red de servicios, haciendo posible monitorear eventuales escenarios críticos, si no se adoptan las medidas oportunas. Con esto se logra reducir el impacto de las variables tanto endógenas como exógenas, pues tarde o temprano, se pueden activar fallas por desgaste de piezas o errores humanos, reduciendo costos de mantenimiento, además de eliminar tiempo perdido en la entrega de servicios, fases de restauración y reposición de suministros.