Innovar en la eficiencia energética

  • Por mariano
  • Publicado hace un mes

13 Mayo de 2021

Innovar en la eficiencia energética


La inteligencia artificial es una tendencia que, si bien es muy escuchada, todavía nos resulta misteriosa e inalcanzable; incluso aunque convivimos con ella de forma habitual. Las plataformas de comercio electrónico que nos acercan recomendaciones de interés; como las aplicaciones móviles que nos ofrecen la ruta más rápida para llegar a un destino, son ejemplos de la inteligencia artificial presente en nuestra rutina. Hoy, las energías renovables no escapan a esta tendencia.

Estas herramientas de innovación, combinan algoritmos planteados con el objetivo de automatizar ciertas actividades y, con ello, agilizar el aprendizaje y la solución de problemas. En esta línea, el desarrollo de energías limpias es un sector que se encuentra en constante crecimiento y el cual cuenta con características que propician el uso de Inteligencia Artificial para avanzar en su perfeccionamiento.

La fase operativa de un parque eólico o solar representa el 80% del ciclo de vida del mismo, y a lo largo de ella aparecen muchos tipos de pequeñas pérdidas que normalmente se detectan después de un largo tiempo de operación, incluso meses. Esto se debe a particularidades del modelo de negocio, ya que la potencia es intermitente -se produce cuando el recurso está disponible- y no es gestionable o almacenable -todo lo que se produce se vende, teniendo prioridad de despacho frente a otras fuentes de energía.

Innovar en esta industria, incorporando tecnologías de Machine Learning para la detección temprana de problemas en las plantas renovables y la maximización de la eficiencia, es uno de los retos más importantes para las empresas de generación eléctrica. En este sentido, los beneficios de su aplicación pueden cuantificarse en un 3-4% de “avoided lost of production” (pérdida de producción evitada).

En Genneia, que actualmente opera a 860 MW de potencia operativa renovable, se implementó una estrategia de gestión digital de activos desde 2019. La misma se basa en un Centro de Control Operativo (CECO) donde se monitorea en tiempo real la operación, en una herramienta de supervisión (SCADA) independiente y en nodos operativos regionales. Esto permite tener en todo momento una operación centralizada en tiempo real de todos los activos y una gestión descentralizada de las intervenciones sobre los equipos en diferentes lugares del país.


Esta implementación de Machine Learning presentó resultados muy esperanzadores para continuar investigando y desarrollando en esa línea. En concreto, una prueba realizada en el Parque Eólico Madryn durante 2020, demostró que a través de estas herramientas se redujeron los tiempos de inactividad de máquina, así como se detectaron problemas que suponen pérdidas de energía importantes si no se identifican a tiempo.

Si estos valores se analizan a escala global, es posible considerar que la inteligencia artificial aplicada a las energías renovables representa mejoras en la eficiencia operativa e ingresos del 3 al 5%. Teniendo en cuenta que los contratos de operación para los proyectos son de 10 a 20 años, el margen de perfeccionamiento es prometedor.

En un contexto de crisis climática donde una transición energética y aumento de la generación eléctrica con fuentes limpias resulta impostergable, la innovación y desarrollo de propuestas que se orienten a la optimización y la eficiencia de los parques eólicos y solares es el camino que nos llevará a hacia ese futuro sostenible que deseamos construir alrededor del mundo.


(*) Director de Innovación y Desarrollo de Genneia



Por: Patricio Neffa

Fuente: Ámbito

comentarios proporcionados por Disqus

Productos destacados