.png)
Por Ph.D Christian Pieringer, investigador Inteligencia Artificial de Suncast
La incorporación de Energías Renovables Variables (ERV) en la matriz eléctrica de cada país es vital para la descarbonización de nuestro planeta y asegurar un futuro más sustentable. Sin embargo, la variabilidad de las fuentes de energía renovables como el sol y viento presenta un desafío para la estabilidad y economía de los sistemas eléctricos. Es por ello que la regulación de cada país exige a las generadoras de ERV enviar pronósticos de la generación de sus parques fotovoltaicos y eólicos, tal que permita a los organismos reguladores planificar la operación de los sistemas eléctricos. La imprecisión de los pronósticos puede generar problemas de confiabilidad del sistema eléctrico y resultar en pérdidas económicas y de energía sustanciales, tanto para el regulador del sistema eléctrico como para las mismas centrales.
¿Qué significa tener un bajo error en la PG para la industria solar?
La precisión de la predicción tiene un rol relevante en la planificación de tareas de mantenimiento. Por ejemplo, identificar con precisión los días en que el recurso solar o eólico estará bajo permite a los equipos de O&M programar estas tareas durante segmentos horarios que impacten mínimamente la generación total de la central. También, tener predicción de alta calidad es importante para la estimación de metas y cotas de generación realizadas como comparación con las simulaciones y modelos base de generación de cada central.
¿Contar con un bajo error en la PG aumenta la confianza en la industria de la energía solar?
Cada país controla a través de su norma técnica el grado de exigencia para los pronósticos de energía. Un caso extremo de calidad de la predicción de generación ocurre en aquellas centrales que entregan servicios complementarios, como la central Luz del Norte operada por First Solar, única en Chile en entregar este servicio. En estos casos la predicción de generación ocurre en horizonte breve pero con una alta precisión. Si no fuera de este modo, el Coordinador Eléctrico Nacional (CEN) no podría conocer la disponibilidad de la central durante la operación. Por lo tanto, tener información confiable y precisa sobre la generación de cada central es esencial para la monetización de los activos solares y eólicos y para generar confianza en la industria.
"En Suncast entrenamos modelos de alta precisión para la predicción de generación fotovoltaica con un horizonte de 240 horas", Ph.D Christian Pieringer, investigador Inteligencia Artificial de Suncast.
¿Cómo es considerado el bajo porcentaje de error en la PG en otros países de América Latina?
En el caso de Chile, el Coordinador Nacional publicó los resultados del estudio que realizó para su sistema de pronóstico centralizado. El estudio incluyó el cálculo del promedio del error medio absoluto (MAE) de los pronósticos enviados por los coordinados según la norma técnica. El promedio del error para los coordinados alcanzó el mes de noviembre de 2020 un 5,5% para centrales fotovoltaicas y un 12,2% para centrales eólicas. El cálculo del rendimiento de estos pronósticos es necesario para conocer la calidad y comprender el grado de confiabilidad de la información que ellos entregan al coordinador.
¿Cómo se calcula el error?
La precisión de la predicción crea múltiples desafíos relacionados al cálculo de indicadores de rendimiento en cada central. El cálculo del error de los pronósticos consiste en la comparación horaria entre la generación predicha por los modelos y la generación real alcanzada por la central. Uno de los desafíos que enfrenta esta evaluación es la diversidad de métricas de error y de metodologías para este cálculo. Si bien todos son medidas de la calidad y precisión de los modelos, no todos los países consideran los mismos indicadores. En Chile, el CEN utiliza el Error Medio Absoluto Normalizado por la Capacidad de la central (nMAEp) como indicador de rendimiento. En el caso de México y otros países de Latinoamérica, el indicador es el promedio del Valor Absoluto del Error Porcentual (MAPE). Además, la metodología de cálculo influye sobre el error total. Por ejemplo, es común que el error de predicción sea mayor al comienzo y el fin del día. Algunas metodologías, asignan un menor al error de estos extremos.
¿Cómo Suncast logra disminuir el error de predicción?
En Suncast entrenamos modelos de alta precisión para la predicción de generación fotovoltaica con un horizonte de 240 horas. La metodología que utilizamos para el ajuste de los modelos permite que nuestros modelos obtengan un error dentro de los rangos de MAE estimado por el CEN para sus coordinados. A pesar del bajo índice de error, seguimos trabajando en mejorar la precisión de nuestros modelos para entregar pronósticos de calidad que faciliten la adopción de las ERV, apoyar a los equipos de O&M en monetizar los activos solares y mejorar la confianza de la industria en nuestros servicios.
Comments