.png)
Autor: Pedro Correa*
Durante el año 2021, el área de Inteligencia Artificial de Suncast desarrolló una serie de modelos predictivos para la energía solar fotovoltaica, iterando con distintas arquitecturas de redes neuronales artificiales. Con esto se lograron excelentes resultados de predicción, alcanzando un desempeño muy superior al promedio nacional en Chile, llegando en algunos casos a un 50% menos de error absoluto medio.
Sin embargo, la implementación de estos modelos en nuestro servidor de Amazon Web Services -mediante el Servicio de Predicción de Generación- aún era rudimentaria, de tipo monolito. Esto implica que la descarga de los datos meteorológicos, el preprocesamiento de estos, el cálculo de los pronósticos, y el envío de los reportes se llevaba a cabo dentro de un mismo servicio, y si cualquiera de estas etapas presentaba algún error, el servicio completo dejaba de funcionar.
De esta manera, el desafío del 2021 consistió en rediseñar la arquitectura Backend de los servicios de Suncast para poder cubrir la demanda asociada al escalamiento de la empresa. A medida que aumentaba el número de centrales de nuevos clientes, el procesamiento se volvía más lento, por lo que ya no era factible realizarlo en un solo gran servicio, sino en cambio adoptar una arquitectura de microservicios, es decir, con una serie de procesos independientes que interactúan entre sí.
De esta forma, el servicio original fue separado en 4 servicios independientes:
Servicio de Descarga Meteorológica: se conecta a las bases de datos externas con la información meteorológica satelital, descarga los datos de interés y los almacena en una base de datos interna.
Servicio de Pronósticos: usando la base de datos de meteorología de Suncast y modelos de Inteligencia Artificial, genera los pronósticos de energía y los almacena en una base de datos interna.
Servicio de Creación Reportes: genera archivos de acuerdo al formato establecido por el ente coordinador, usando las predicciones que entrega el Servicio de Pronósticos.
Servicio de Envío de Reportes: envía al ente coordinador los archivos generados por el Servicio de Creación de Reportes. Dependiendo de la norma técnica del país, este envío se hace por SFTP o correo electrónico.
Con esto el Servicio de Predicción de Generación de Suncast se volvió robusto y escalable. Cada proceso fue optimizado y ahora se ejecuta de forma independiente, alertando posibles fallas anticipadamente.
De esta manera, el aumento de centrales ya no significa una saturación de los servidores, y por lo tanto el servicio es perfectamente escalable y de fácil mantención.
Estos desarrollos llevados a cabo durante el 2021 permitirán que este año Suncast pueda llevar adelante su proceso de internacionalización de manera segura y estable, entregando un servicio de primer nivel tanto a los clientes actuales como a los que se vayan incorporando producto del proceso de escalamiento.
*Es ingeniero Eléctrico por la Universidad de Chile, especializado en procesamiento de señales y Machine Learning. Desde 2020 se desempeña como Ingeniero de Machine Learning en Suncast.