Pronósticos de generación de energía con apoyo de digitalización:

Datos más precisos para una operación más segura y a costo más mínimo

El uso de herramientas tecnológicas es determinante para elaborar proyecciones más certeras, que a su vez ayudan a guiar mejores decisiones en la operación del sistema eléctrico.

La intermitencia de las energías renovables variables impone diversos desafíos a la operación del Sistema Eléctrico Nacional (SEN), los cuales deben afrontarse de la mejor forma posible con el fin de asegurar un suministro seguro, de calidad y a menor costo. Entre las herramientas que permiten gestionar esta variabilidad están los pronósticos de energía que realizan las empresas generadoras y permiten ofrecer estimaciones sobre la cantidad de energía que se espera producir en un período determinado.

El CTO del startup Suncast, Pedro Correa, explica que los pronósticos de generación de energías renovables no convencionales (ERNC) son predicciones que estiman la cantidad de energía que se generará en las próximas horas o días. Estas proyecciones permiten a los operadores tomar decisiones inteligentes respecto a la realización de actividades de operación y mantenimiento “Por ejemplo, si el pronóstico indica que para cierto día habrá una baja producción de energía, resulta conveniente agendar una mantención para ese día, minimizando así el costo de oportunidad si se tuviera que detener la producción durante las actividades de mantenimiento”, explica el especialista.

Al respecto, el decano de la Facultad de Ingeniería y Ciencias UAI, Claudio Seebach, resalta la importancia de dichos pronósticos: “A diferencia, por ejemplo, de los combustibles fósiles, donde uno puede almacenarlos y/o contratarlos a largo plazo, es decir, que son gestionables, las renovables variables, solar fotovoltaica y eólica son no gestionables, entonces es necesario predecir cuándo va a haber sol y cuándo va a haber viento”.

“Las tecnologías de datos han permitido incorporar exitosamente las ERNC a la matriz energética tanto en Chile como en el extranjero, y sin duda se han convertido en herramientas esenciales dentro de la operación de los sistemas eléctricos a nivel mundial”, Pedro Correa, CTO de Suncast.

Según el académico, los elementos que es necesario tener en cuenta para elaborar estos pronósticos, en el caso de la energía solar tienen que ver con la presencia de nubes, estacionalidad, ubicación geográfica y topografía, dependiendo dónde estén ubicadas las centrales. Y en la generación eólica, se vinculan con las variaciones de presión, estacionalidad, correlación con escasez o presencia o no de la lluvias, fenómenos cíclicos como El Niño/La Niña y hora del día, entre otros.

De los coordinados al Coordinador

Desde el Coordinador Eléctrico Nacional explican que actualmente la proyección de la producción de energía de cada planta es informada por las empresas con un detalle horario y, dependiendo de su uso, consideran diferentes horizontes de tiempo. “El Coordinador incorpora esta información en los modelos de programación y operación del sistema interconectado, con el objetivo de tener un sistema operando de forma segura y a mínimo costo, ya que permite anticiparse a la disponibilidad y variabilidad de este tipo de fuentes”, detallan desde el organismo.

Para darle el tratamiento adecuado a esta información, el Coordinador desarrolló un “Sistema de Pronósticos Centralizado”, que integra los distintos pronósticos de producción provenientes de cada planta generadora y luego compara, combina y mezcla esta información, obteniendo un resultado que busca minimizar desviaciones respecto a su operación real.

Este sistema utiliza varias herramientas tecnológicas, incluyendo desarrollos de machine learning y herramientas de analítica y visualización, con el objetivo de obtener un pronóstico de producción más certero para cada planta.

Pronósticos inteligentes

De acuerdo con los expertos, la precisión de los pronósticos se sustenta en el uso de herramientas digitales como el machine learning, inteligencia artificial (IA), big data e IoT, entre otros sistemas que facilitan el procesamiento de las distintas variables.

Tal como explica Claudio Seebach, los sistemas recogen datos procedentes de una gran cantidad de sensores, los cuales miden humedad, velocidad de viento, temperatura, radiación solar, y que se complementan con información aeroespacial o de modelación climática. “Todo eso va alimentando sistemas de machine learning y, a través de mecanismos de IA, pueden ir generando estos pronósticos para predecir de mejor manera la disponibilidad de las fuentes de energía renovable variable y, por lo tanto, ayudar a los operadores del sistema a operar de forma segura y óptima, sacando el mejor provecho económico de estas fuentes de energía”, comenta el decano de Ingeniería UAI.

Como ejemplo de ello, Pedro Correa afirma que, para calcular los pronósticos de generación, Suncast se basa en modelos de machine learning que combinan diversas variables meteorológicas de origen satelital junto con datos históricos de generación del parque. “Estos modelos aprenden a predecir el comportamiento de la generación de energía en respuesta a diferentes condiciones climáticas, considerando también aspectos operacionales como la potencia nominal y mínima técnica, así como la disponibilidad del parque, entre otros factores”, señala el experto.

Nuevas metodologías

Correa destaca que a nivel mundial el uso de tecnologías de datos ha experimentado un aumento transversal a todas las industrias, incluyendo la energética: “Estas herramientas están siendo empleadas para mejorar la precisión y eficiencia de los pronósticos de generación, así como para optimizar la gestión y operación de los sistemas energéticos”.

Según precisa, el big data permite analizar grandes volúmenes de datos de diversas fuentes, mientras que la integración de sistemas inteligentes y machine learning posibilita el desarrollo de modelos más sofisticados y adaptables. “Además, el IoT facilita la recopilación en tiempo real de datos de sensores y dispositivos conectados, mejorando la monitorización y respuesta ante cambios en el entorno”, añade el especialista.

“Considerando el gran volumen de información que genera la operación y que es usada en una serie de procesos (…) tenemos como objetivo transitar hacia una empresa ‘Data Driven’, que implica tener un gobierno interno de los datos que se generan, fuentes de información oficiales con dueños conocidos, estandarización y simplificación en un lenguaje común como el que usa la industria eléctrica”, Coordinador Eléctrico Nacional.

Actualmente, el Coordinador trabaja en varios proyectos piloto para abordar, entre otros aspectos, nuevas metodologías para el pronóstico del comportamiento de la generación renovable variable así como del consumo eléctrico. “Tenemos un piloto de machine learning que busca predecir el comportamiento de la generación fotovoltaica durante el amanecer, relacionado con el control de rampas en la operación en tiempo real y el control de la frecuencia de la red eléctrica. El modelo fue probado y ahora estamos en la instancia de prueba del comportamiento en base a historia real en línea”, afirman.

En el organismo técnico aseguran que están embarcados en la digitalización de procesos, buscando y desarrollando herramientas que ayuden a las diferentes áreas de la organización, donde se está mirando con atención lo que hacen otros operadores independientes de la red (ISO, por su sigla en inglés) en otros países.

B2B Media Group. (2024). Pronósticos de generación de energía con apoyo de digitalización: Datos más precisos para una operación más segura y a costo más mínimo. En Electricidad 290, Páginas 20-23. Recuperado de [https://issuu.com/csa2020/docs/elec_290?fr=xKAE9_zU1NQ]