Zapped: La red está en soporte vital. ¿Puede la IA arreglarlo?
Todo lo que querías saber sobre nuestra frágil, envejecida y cada vez menos fiable red (y cómo la IA puede ser nuestra única esperanza).
El sistema eléctrico de Estados Unidos debería haber sido revisado hace mucho tiempo. Con un informe de 2021 de la Sociedad Estadounidense de Ingeniería Civil que encontró que el 70% de las líneas de T&D tienen más de 25 años, no es de extrañar que se estén produciendo 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 fenómenos meteorológicos extremos, los administradores de plantas y ciudades recurren cada vez más a las tecnologías de IA para predecir los niveles de consumo de energía con días de antelación, mitigando el potencial de incidentes de cortes de energía y aumentando la fiabilidad general de la red eléctrica.
Para comprender los problemas a los que se enfrenta la red eléctrica actual, que según una concepción constituye la máquina más grande y complicada del mundo, me puse en contacto con Steve Kwan, director de gestión de productos de Beyond Limits, que desarrolla IA industrial para el crecimiento en una variedad de industrias.
GN: ¿Puede explicar algunos de los desafíos a los que se enfrentan actualmente los administradores de redes en los EE. UU.?
Steve Kwan: La envejecida red eléctrica se está poniendo a prueba a medida que se estira para soportar un volumen de usuarios mucho mayor del que fue diseñada para ella en circunstancias mucho más extenuantes. Históricamente, la energía ha fluido desde los grandes generadores, como las centrales eléctricas, hasta 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 energéticos distribuidos, como la energía solar en los tejados, la solar comercial y la eólica, está creando muchos más escenarios que los gestores de la red deben tener en cuenta a la hora de decidir la mejor manera de operar la red. Ahora, con la energía solar en los tejados, la energía puede fluir "hacia atrás" en determinadas situaciones. Esto significa que el costo de generación puede verse afectado en gran medida 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 causará un aumento en 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 se filtran las 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 dirija de manera eficiente y esté disponible al menor costo. Como tal, siempre es un juego de verificar que haya un suministro suficiente 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 están haciendo 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 abundancia de suministro de energía para cargar las baterías y cuándo agotarlas.
Los análisis de horizontes temporales con inteligencia artificial conducirán a mejoras drásticas, lo que permitirá a los fabricantes ver el panorama completo de sus operaciones. La IA se puede utilizar para examinar todos los puntos de datos, incluidas las condiciones meteorológicas 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 despacho y planificación, 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 precios.
Por ejemplo, los consumidores están decidiendo cuándo deben cargar su vehículo eléctrico en función de los precios por tiempo de uso y, en algunos casos, incluso pueden respaldar la demanda de la red mediante el flujo de energía de las baterías residenciales a la red.
GN: Cuando se habla de energía, obviamente también se habla de preocupaciones ambientales. ¿Qué mejoras puede aprovechar la IA en lo que respecta a los residuos y las 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 pueden aprovecharse para reducir estas emisiones de múltiples maneras. La IA puede reducir el desperdicio de energía al ayudar a los administradores 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 anticipadas y generar energía con precisión. La IA también puede ayudar a los administradores de redes a saber cuándo almacenar energía o cortarla en 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 imponer restricciones y limitaciones a 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 están reduciendo 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 meteorológicas utilizando datos históricos y patrones meteorológicos inminentes, estas soluciones pueden predecir la disponibilidad de energía generada de forma natural. Esto proporciona a los gerentes la capacidad de pronosticar la combinación de energía renovable y energía de combustible fósil tradicional que se requiere para satisfacer la demanda anticipada y maximizar el uso de energía renovable. Esto también hace que las fuentes de energía renovables sean más atractivas en el sector energético, ya que esta fuente de energía anteriormente impredecible es cada vez más fiable.
GN: ¿Hay alguna preocupación sobre 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 verificarse 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, 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 la red?
Steve Kwan: Con las continuas mejoras 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 de los modelos. En conjunto, esto proporcionaría mejores conjuntos de herramientas para que los operadores de la red ajusten de manera óptima la oferta con la demanda de maneras sin precedentes. Esto crea la oportunidad de inversiones óptimas en la red y la generación en las áreas que proporcionarían los mayores beneficios. Por ejemplo, Las tecnologías de IA y ML se pueden utilizar para optimizar la ubicación e instalación de energías renovables como 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.