Inteligencia artificial: así es su uso en el sector energético

No cabe duda de que la inteligencia artificial es una de las tendencias más en boga en el sector tecnológico.

Bajo este paraguas, tan amplio como heterogéneo, encontramos todo un sinfín de soluciones (machine learning, deep learning, herramientas cognitivas, etc.) que prometen revolucionar prácticamente la totalidad de industrias y negocios que podamos imaginarnos. Y, lo más importante, parece que del discurso comercial ya estamos pasando a la realidad palpable: la IA ya mueve un mercado nada desdeñable de 19.100 millones de dólares, según IDC, con la previsión de que la cifra se dispare hasta los 52.200 millones de dólares en 2021.

Uno de todos esos nichos de aplicación de la inteligencia artificial es el sector energético. Se trata de uno de los casos industriales más sensibles, tanto por la propia solera de los despliegues (la primera red eléctrica se tendió allá por 1882 en el Bajo Manhattan, con Thomas Edison como ideólogo) como por la seguridad inherente a estas plataformas (consideradas como infraestructuras críticas por su enorme impacto en la sociedad y la economía). Quizás por todo ello resulta tan crucial que la IA llegue cuanto antes para lograr una ansiada y necesaria reinvención de la energía a escala mundial.

Esta tendencia vertical no es nueva, pero su crecimiento en los últimos años es para sacarse el sombrero. Como puede verse en la gráfica inferior, cortesía de la firma de análisis CB Insights, el número de menciones de la inteligencia artificial en relación con la energía se ha disparado de forma exponencial en los dos cursos pasados, reflejo claro del enorme interés que esta confluencia de conceptos ha generado en este mercado.

Incluso podríamos decir más. El 29% de las compañías energéticas a escala mundial afirma haber desplegado ya soluciones de IA en su seno, las cuales funcionan a la perfección, mientras que otro 20% reconoce que, pese a haber hecho esta apuesta, todavía no está percibiendo los beneficios esperados. Así lo recoge una encuesta de Infosys, según la cual apenas un residual 4% de las empresas del sector no tiene planes de incorporar la inteligencia artificial en sus procesos.

Cuáles son esos beneficios y cuáles son los primeros casos de éxito en los que inspirarse son aspectos que trataremos de contestar a continuación.

‘Smart grids’

Como decimos, la red eléctrica que traslada la corriente desde las plantas de producción hasta nuestras casas o empresas sigue anclada en muchas de las premisas con las que nació hace ya varios siglos. Por eso, en los últimos años ha surgido un nuevo concepto, el de redes inteligentes o smart grids, impulsadas principalmente por capacidades de inteligencia artificial.

Hablamos de redes distribuidas y automatizadas, capaces de realizar análisis inteligentes en tiempo real, balanceando la oferta y demanda de energía o detectando potenciales errores o fraudes a lo largo de toda la cadena de suministro. 

También, gracias a la tecnología de IA incorporada en las ‘smart grids’, los proveedores energéticos podrán gestionar de forma más eficiente las caídas del servicio, optimizar el voltaje o detectar picos de demanda o el comportamiento concreto de algunos clientes o ciudades.

El departamento de energía de EEUU ha invertido 4.500 millones de dólares para modernizar su infraestructura de red

Igualmente, y esto es lo más importante, este paradigma es el único que permite abordar la producción distribuida (esto es, en pequeñas fuentes de energía más locales o incluso en edificios u hogares particulares —muchas de ellas renovables—, frente al modelo actual de grandes centrales eléctricas de carbón o nucleares) de manera que podamos depender menos de los modelos tradicionales y podamos acercar la producción eléctrica al consumidor final de forma sostenible.

Por lo pronto, algunas cifras ya comienzan a esbozar el dibujo de las smart grids y su impacto real. En Estados Unidos, su departamento de energía ha invertido nada menos que 4.500 millones de dólares en los últimos siete años para modernizar su infraestructura de red hacia un concepto más inteligente, con 15 millones de medidores conectados y sistemas predictivos para la detección de apagones.

Incluso más: varios estudios afirman que el desarrollo de redes inteligentes vinculadas a ciudades de nuevo cuño dará como resultado que los ciudadanos ahorren 14.000 millones de dólares por año en facturas de energía para 2022. Si nos ceñimos a la realidad más inmediata, el ahorro actual por estas capacidades de IA ya se valora en unos 3.400 millones de dólares el pasado curso, como resultado de las implementaciones de medidores inteligentes, políticas de ahorro de energía y tecnologías de detección para mejorar la fiabilidad y la eficiencia de la red.

Anticipar la demanda

En esa misma línea, la incorporación de la inteligencia artificial al entorno energético también permite a los proveedores anticipar la demanda de electricidad en entornos urbanos o industriales, de modo que se pueda ajustar la producción a cada necesidad particular.

La magia surge ya no tanto cuando examinamos esa demanda en tiempo real, sino cuando se puede predecir incluso con meses o años de anticipación, suficientes para favorecer tomas de decisiones empresariales o guiar políticas públicas en la materia.

Sirva como ejemplo el trabajo de dos grupos de investigadores universitarios españoles (de la Universidad Rey Juan Carlos y su homóloga de Alcalá de Henares) que han creado un algoritmo capaz de estimar de manera precisa la demanda de energía en España a un año vista, partiendo únicamente de un conjunto de variables macroeconómicas. Su sistema —basado en una red neuronal de aprendizaje rápido— se entrena con datos de los últimos 30 años mediante el análisis de las 14 principales variables más reseñables. Todo hasta lograr una tasa de error inferior al 2%.

Mantenimiento predictivo

Otra de las grandes revoluciones que promete la inteligencia artificial en esta particular arena pasa por el mantenimiento predictivo de las redes de distribución eléctrica. ¿Se imaginan que sea el propio tendido el que nos avise antes de que se produzca un error? ¿Que cada punto de toda la red de suministro esté monitorizado en tiempo real y pueda alertar de cuando los componentes están a punto de estropearse, de modo que el incidente pueda ser resuelto antes de que se produzca un fallo grave? ¿O que las centrales de producción eléctrica puedan controlar posibles fugas o anticipar errores en el diseño o la operación que supongan una amenaza o que puedan paralizar la actividad?

Para muestra, un botón: un grupo de investigadores de la Universidad Purdue ha patentado un nuevo sistema para la detección de grietas en reactores nucleares basado en el análisis de vídeos mediante inteligencia artificial. El único objetivo es reducir al mismo tiempo tanto la probabilidad de accidentes como el coste de mantenimiento de los reactores.

Eficiencia energética

Siguiendo todos los planteamientos anteriores, cabe preguntarnos una cuestión a renglón seguido. Si es posible anticipar la demanda, evitar las fugas y balancear la carga energética, ¿sería posible reducir el consumo de electricidad gracias a la inteligencia artificial?

La respuesta es un claro y contundente sí. Tanto en entornos domésticos (con soluciones analíticas integradas en termostatos inteligentes como Nest, impulsada por Google) como en ámbitos industriales, la IA es una realidad más que prometedora.

En este último contexto, podemos recurrir de nuevo a Google para ver cómo esta empresa ha empleado algoritmos de aprendizaje automático para reducir el consumo de electricidad en sus centros de datos entre un 15% y un 40%. Las predicciones permiten anticipar una mayor carga en los sistemas de enfriamiento de los centros de datos y controlar los equipos de manera más eficiente.

IA y energías renovables

Las energías renovables son la gran apuesta de los gobiernos de medio mundo —con la salvedad del Estados Unidos de Donald Trump— ante la amenaza inminente del calentamiento global y la escasez de recursos como el petróleo o los peligros de las fuentes nucleares. Sin embargo, el viento o el sol tienen un inconveniente de extraordinaria gravedad: son recursos infinitos, pero muy intermitentes. Los productores, por tanto, dependen de las condiciones climáticas y no pueden garantizar un nivel mínimo de producción y, mucho menos, hacer que éste case con la demanda puntual en cada momento.

Por eso es fundamental la inteligencia artificial en tanto que nos permite predecir esas condiciones meteorológicas y, por ende, saber cuánta energía vamos a tener disponible en un instante determinado. IBM, por ejemplo, está empleando sus capacidades cognitivas y las métricas de The Weather Channel (empresa adquirida por el propio Gigante Azul) para que más de dos centenares de empresas del sector energético puedan predecir con entre quince minutos y hasta treinta días de anticipación la producción potencial de una planta de energías renovables. Y lo hace, además, con un 50% más de precisión que los modelos de previsión (en este caso, solar) existentes hasta ahora.

Noticia original de Business Insider España. Autor: Alberto Iglesias Fraga