El sector energético tiene un enorme potencial para beneficiarse de los métodos de análisis de datos, amparados en la transformación digital, debido a que han reducido el uso de grandes centrales eléctricas a base de carbón y han comenzado a utilizar micro generadores y granjas de energía renovable para la generación de la misma. Estos últimos desarrollos en la industria energética han creado la necesidad de acceder a grandes cantidades de datos de forma remota.
En los últimos años, los problemas ambientales, particularmente el cambio climático, ha suscitado preocupación y ha sido ampliamente discutido. ¿Se puede utilizar el monitoreo, modelado, análisis y predicción de energía para lograr objetivos energéticos sostenibles y reducir el volumen de emisiones de dióxido de carbono que están causando el calentamiento global?
Las fuentes de energía renovables deben ampliarse para reemplazar las tradicionales, las cuales son responsables de las emisiones de gases de efecto invernadero, antes de que sea demasiado tarde para revertir los impactos en nuestro clima cada vez más cálido.
Para escalar, deben ser lo más eficientes posible, y la transformación digital con una sinergia de Big Data e inteligencia artificial puede ayudar. La combinación de energía renovable en redes de servicios públicos existentes, requiere una estimación de la que provendrá de las fuentes de energía solar, eólica e hidroeléctrica para que la infraestructura funcione con una estimación, planificación, fijación de precios y operaciones en tiempo real adecuadas.
Veamos a continuación, cómo puede ayudar esta tecnología al sector energético, exponiendo casos de uso que han sido exitosos:
1.- La tecnología para generar energía a partir de paneles fotovoltaicos
Big data se utiliza para la predicción precisa de variables meteorológicas, incorporando fuentes y modelos de datos de observación dispares, y luego utilizando técnicas de inteligencia computacional para el análisis en tiempo real.
Como caso de uso, podemos citar a SUNCAST, el cual es un sistema del Centro Nacional de Investigación Atmosférica (NCAR), y se utiliza para proporcionar pronósticos de energía solar. Se basa en mediciones en tiempo real en el campo, y datos satelitales para patrones de nubes, utilizando el aprendizaje estadístico y una serie de algoritmos de inteligencia artificial. Orienta para saber el lugar idóneo donde colocar los paneles.
Dado que los paneles solares pueden instalarse en áreas inaccesibles, sus propietarios deben conocer los factores ambientales que pueden tener efectos negativos en su eficiencia y causar una pérdida de generación de energía, como sombras, hojas caídas, polvo, nieve y daños a las aves, entre otros.
Afortunadamente, con el aprendizaje automático es posible monitorear la salida de paneles individuales como un conjunto de datos de series de tiempo, con el modelo capacitado para detectar salidas anómalas y clasificarlas. Una vez detectadas, la IA puede indicar un problema en la superficie de un panel en particular, que luego se logra programar para inspección y reparación.
2.- Reducción del consumo de electricidad
Hoy en día, muchas personas buscan abaratar los gastos de electricidad, por tal motivo tratan de obtener un monitor de energía, el cual consiste en un sensor, un transmisor y una pantalla portátil. El transmisor toma datos del sensor y los envía a la unidad de visualización portátil, que calcula el uso de energía, los costos y las emisiones de gases de efecto invernadero, suponiendo que la electricidad proviene de una fuente no renovable.
Lea más aquí
