Hace mucho tiempo que el sistema eléctrico de Estados Unidos necesita una revisión. Con un informe de la Sociedad Estadounidense de Ingeniería Civil de 2021 que encontró que el 70 % de las líneas de T&D tienen más de 25 años, no sorprende que se produzcan interrupciones grandes y sostenidas con mayor frecuencia en todo el país.
El año pasado, los principales apagones en California y Texas fueron provocados por fenómenos meteorológicos extremos, lo que provocó que la demanda local de energía superara la oferta. Con el cambio climático alimentando los eventos climáticos extremos, los gerentes de plantas y ciudades recurren cada vez más a las tecnologías de IA para predecir los niveles de consumo de energía con días de anticipación, mitigando el potencial de incidentes de cortes de energía y aumentando la confiabilidad general de la red eléctrica.
Para comprender los problemas que enfrenta la red eléctrica actual, que por un concepto constituye la máquina más grande y complicada del mundo, contacté a Steve Kwan, director de gestión de productos en Beyond Limits, que desarrolla IA industrial para el crecimiento en una variedad de industrias
GN: ¿Puede explicar algunos de los desafíos que enfrentan los administradores de redes en los EE. UU. actualmente?
Steve Kwan: La red eléctrica envejecida se está poniendo a prueba a medida que se estira para admitir un volumen de usuarios mucho mayor de lo que fue diseñado en circunstancias mucho más extenuantes. Históricamente, la energía fluía desde los grandes generadores, como las centrales eléctricas, hacia los consumidores. En condiciones normales, el clima no juega un papel importante en las decisiones que deben tomar los administradores de la red.
Sin embargo, la explosión de los recursos de energía distribuida, como las instalaciones solares en techos, solares comerciales y eólicas, está creando muchos más escenarios que los administradores de la red deben tener en cuenta al decidir la mejor manera de operar la red. Ahora, con la energía solar en la azotea, la energía puede fluir «hacia atrás» en ciertas situaciones. Esto significa que el costo de generación puede verse muy afectado por las condiciones climáticas y solares.
Estos parámetros adicionales influyen significativamente en las decisiones del administrador de la red sobre la mejor manera de operar la red. Como resultado, existe una clara necesidad de una red eléctrica más resistente, especialmente porque los expertos en cambio climático indican que el calentamiento global provocará un aumento de los desastres naturales en los próximos años. El llamado a la neutralidad de carbono y las emisiones netas cero también ha reforzado los esfuerzos para la transición hacia la energía verde y, a medida que surgen nuevas regulaciones, la industria tendrá que adaptarse a los cambios en los estándares que podrían alterar drásticamente las operaciones.
GN: Dentro del ecosistema de gestión de redes, ¿dónde estamos viendo la penetración de las tecnologías de IA y ML? ¿Cuál es el caso de uso aquí?
Steve Kwan: Las tecnologías de IA y ML son superiores en su capacidad para aprender de comportamientos pasados y predecir necesidades futuras. Uno de los elementos más críticos de la gestión de la red es la necesidad de garantizar que la energía se enrute de manera eficiente y esté disponible al menor costo. Como tal, siempre es un juego de verificar que haya suficiente suministro de energía para satisfacer la demanda.
Sin embargo, tanto la oferta como la demanda de energía cambian constantemente. La demanda de energía fluctúa a lo largo del día debido a las necesidades y actividades humanas. Tanto la oferta como la demanda están influenciadas por las condiciones climáticas. La proliferación de vehículos eléctricos y dispositivos IoT también está cambiando los patrones de consumo de energía. Por el lado de la oferta, los cambios en la forma en que producimos energía hacen que sea mucho más difícil hacer coincidir la oferta con la demanda. Desde la disminución de la generación de combustibles fósiles hasta el aumento de las energías renovables y el cambio climático, la gestión de la red se ha convertido en un dolor de cabeza tanto en tiempo real como a la hora de planificar el futuro.
Las tecnologías de IA y ML están entrando en el ecosistema de la red debido a su capacidad para aprender de los patrones de uso y proporcionar predicciones precisas de las necesidades futuras, lo que convierte a esta tecnología en la solución perfecta para la gestión de la red. La IA puede analizar la gran cantidad de datos que producen las fábricas y predecir con precisión cuándo habrá una gran cantidad de suministro de energía para cargar las baterías y cuándo agotarlas.
Los análisis del horizonte de tiempo con inteligencia artificial conducirán a mejoras dramáticas, lo que permitirá a los fabricantes ver el panorama completo de sus operaciones. La IA se puede utilizar para filtrar todos los puntos de datos, incluidas las condiciones climáticas pasadas, el estado actual de la red y los posibles puntos de falla. Como tal, los proveedores de energía están utilizando tecnologías de IA y ML para optimizar sus actividades de planificación y despacho, predecir las demandas del mercado, planificar la futura expansión comercial y más. Los consumidores están utilizando estas tecnologías para planificar y optimizar sus comportamientos de consumo de energía para aprovechar el exceso de energía y los precios.
Por ejemplo, los consumidores deciden cuándo deben cargar su vehículo eléctrico según el precio del tiempo de uso y, en algunos casos, incluso pueden respaldar la demanda de la red haciendo fluir la energía de las baterías residenciales de regreso a la red.
GN: Cuando hablas de energía, obviamente también estás hablando de preocupaciones ambientales. ¿Qué mejoras puede aprovechar la IA cuando se trata de residuos y emisiones de carbono?
Steve Kwan: Hoy en día, la mayor fuente de emisiones de carbono proviene de la quema de combustibles fósiles. Afortunadamente, las tecnologías de IA se pueden aprovechar para reducir estas emisiones de múltiples maneras. La IA puede reducir el desperdicio de energía al ayudar a los gerentes de plantas y ciudades a predecir los niveles de consumo de energía con días de anticipación. Con esta previsión, los productores pueden planificar sus operaciones para las demandas previstas y generar energía con precisión. La IA también puede ayudar a los administradores de la red a saber cuándo almacenar energía o desconectarse de las microrredes para lograr un flujo de energía constante y satisfacer la demanda de consumo. Esto no solo ahorra energía, sino que también alivia el estrés al poner restricciones y limitaciones en la red que tienen en cuenta la capacidad de la línea y la congestión.
Además de predecir los niveles de consumo, las tecnologías de IA reducen las emisiones de carbono al ayudar a la industria a hacer la transición a fuentes de energía renovables como la solar y la eólica. Al anticipar las condiciones climáticas utilizando datos históricos y patrones climáticos inminentes, estas soluciones pueden predecir la disponibilidad de energía generada naturalmente. Esto brinda a los gerentes la capacidad de pronosticar la combinación de energía renovable y energía de combustibles fósiles tradicionales que se requiere para satisfacer la demanda anticipada mientras se maximiza el uso de energía renovable. Esto también hace que las fuentes de energía renovable sean más atractivas en el sector energético, ya que esta fuente de energía que antes era impredecible se está volviendo cada vez más confiable.
GN: ¿Hay alguna preocupación acerca de estas nuevas tecnologías de IA o que la adopción podría estar ocurriendo demasiado rápido?
Steve Kwan: Al igual que con todas las tecnologías, las tecnologías de IA numérica deben verificarse y revisarse al azar, ya que a menudo se trata de aplicaciones de «caja negra» que dependen en gran medida de la implementación y la calidad de los datos del conjunto de datos de entrenamiento. Cuando el conocimiento y la experiencia humanos se integran en las tecnologías de IA numérica, se mejoran drásticamente, lo que puede alterar significativamente los resultados y generar mejores predicciones y recomendaciones.
GN: ¿Qué le depara el futuro a la IA en la gestión de redes?
Steve Kwan: Con mejoras continuas en las tecnologías de IA y ML, podremos aumentar el tamaño del conjunto de datos, la frecuencia, la velocidad y la precisión de las predicciones del modelo. Juntos, esto proporcionaría mejores conjuntos de herramientas para que los operadores de la red coincidan de manera óptima la oferta con la demanda de una manera sin precedentes. Esto crea la oportunidad para inversiones óptimas en la red y la generación en áreas que brindarían la mayor cantidad de beneficios. Por ejemplo, las tecnologías de IA y ML se pueden utilizar para optimizar la ubicación y la instalación de energías renovables como los parques solares y eólicos. Un mejor modelado de la red ayudará a los operadores a enrutar la energía de manera más eficiente y permitirá a los operadores de la red reducir el costo total para los consumidores al minimizar la congestión. Cuanto más precisos sean los modelos, mejor podrán los operadores de la red planificar sus operaciones y poner en marcha mitigaciones en previsión de problemas inminentes.