{"id":6227,"date":"2023-06-02T09:47:07","date_gmt":"2023-06-02T07:47:07","guid":{"rendered":"https:\/\/www.enertisapplus.com\/?p=6227"},"modified":"2024-01-25T16:59:22","modified_gmt":"2024-01-25T15:59:22","slug":"el-poder-de-la-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/enertisapplus.com\/es\/el-poder-de-la-inteligencia-artificial\/","title":{"rendered":"El poder de la Inteligencia Artificial para dise\u00f1ar el futuro de la industria solar"},"content":{"rendered":"\n

<\/p>\n\n\n\n

En los \u00faltimos a\u00f1os, las oportunidades y los retos que plantea la Inteligencia Artificial (IA) se han convertido en objeto de un amplio debate, a ra\u00edz del desarrollo de numerosas aplicaciones en los principales sectores y de la cada vez mayor integraci\u00f3n de la IA en todos los aspectos de nuestra vida cotidiana. El t\u00e9rmino \u00abInteligencia Artificial\u00bb apareci\u00f3 por primera vez en 1955, cuando John McCarthy, profesor de Stanford, lo acu\u00f1\u00f3 para referirse a \u00abla ciencia y la ingenier\u00eda de crear m\u00e1quinas inteligentes, especialmente programas inform\u00e1ticos\u00bb. Desde entonces, la tecnolog\u00eda ha evolucionado de forma espectacular, mostrando su potencial para revolucionar todos los sectores, incluidas las energ\u00edas renovables. <\/p>\n\n\n\n

En el \u00e1mbito de la energ\u00eda solar fotovoltaica, la IA puede contribuir a procesar con mayor rapidez y eficiencia la gran cantidad de datos procedentes de los proyectos. La informaci\u00f3n extra\u00edda de este an\u00e1lisis permite mejorar la gesti\u00f3n de los activos y constituye una poderosa herramienta estrat\u00e9gica para guiar la toma de decisiones de los propietarios de plantas solares, con el fin de maximizar el rendimiento de sus inversiones. Algunos de estos procesos basados en la IA est\u00e1n relacionados con las inspecciones automatizadas, la previsi\u00f3n energ\u00e9tica, la respuesta a la demanda y el an\u00e1lisis del rendimiento de los proyectos. Algunos ejemplos son:<\/p>\n\n\n\n

    \n
  1. Inspecciones termogr\u00e1ficas (Infrared<\/em> o IR, por sus siglas en ingl\u00e9s) con drones<\/strong>: en lugar de utilizar muestras representativas de m\u00f3dulos, las flotas de drones con c\u00e1maras IR permiten realizar escaneos de proyectos fotovoltaicos enteros, optimizando as\u00ed el tiempo de inspecci\u00f3n. A continuaci\u00f3n, los datos recogidos a trav\u00e9s de estos escaneos se analizan mediante modelos basados en IA, pudiendo realizarse posteriormente m\u00e1s pruebas de IR manuales en \u00e1reas espec\u00edficas.<\/li>\n<\/ol>\n\n\n
    \n
    \"Drone<\/a>
    Drone IR inspections<\/figcaption><\/figure>\n<\/div>\n\n\n
      \n
    1. Integraci\u00f3n \u00abinteligente\u00bb del sistema de adquisici\u00f3n de datos (Data Acquisition System<\/em> o DAS, por sus siglas en ingl\u00e9s)<\/strong>: Las alarmas siempre han formado parte de los DAS, pero la IA contribuye a mejorar la precisi\u00f3n y relevancia de la informaci\u00f3n proporcionada. Algunos proveedores de sistemas DAS \u00abinteligentes\u00bb generan informes mensuales detallados que, adem\u00e1s, incluyen recomendaciones \u00fatiles como, por ejemplo, las fechas \u00f3ptimas de limpieza de determinados string<\/em> de m\u00f3dulos, o informan de problemas sist\u00e9micos espec\u00edficos de ciertos inversores, estimando el n\u00famero de d\u00edas tras los cuales cabe esperar que se produzcan fallos cr\u00edticos.<\/li>\n<\/ol>\n\n\n\n
        \n
      1. An\u00e1lisis del rendimiento mediante t\u00e9cnicas de Machine Learning<\/em> (ML)<\/strong>: De forma similar a los sistemas DAS inteligentes, el an\u00e1lisis de rendimiento de los proyectos depende cada vez m\u00e1s de las t\u00e9cnicas de ML para descubrir los problemas sist\u00e9micos. Con datos disponibles con una resoluci\u00f3n temporal de hasta un minuto (o incluso menos), y procedentes de varios a\u00f1os de funcionamiento, los modelos de ML se est\u00e1n volviendo lo suficientemente robustos como para confiar en ellos para observaciones fiables.<\/li>\n<\/ol>\n\n\n\n
          \n
        1. Detecci\u00f3n de defectos en m\u00f3dulos<\/strong>: Las anomal\u00edas en los paneles solares pueden identificarse utilizando c\u00e1maras especiales que captan im\u00e1genes IR y de Electroluminiscencia (EL). Si hay defectos en un m\u00f3dulo, se generar\u00e1n patrones espec\u00edficos que permitir\u00e1n identificarlos y clasificarlos. Con estas m\u00e9tricas es posible generar modelos ML robustos para analizar y se\u00f1alar autom\u00e1ticamente las zonas afectadas, determinando tambi\u00e9n su impacto en el rendimiento del dispositivo.<\/li>\n<\/ol>\n\n\n
          \n
          \"Electroluminescence<\/a>
          Electroluminescence tests<\/figcaption><\/figure>\n<\/div>\n\n\n
            \n
          1. Previsi\u00f3n energ\u00e9tica:<\/strong> Los modelos de IA pueden utilizarse para predecir la producci\u00f3n de los proyectos fotovoltaicos, a veces con d\u00edas de antelaci\u00f3n. Este c\u00e1lculo depende de la calidad de las previsiones meteorol\u00f3gicas y es utilizado por los propietarios de las plantas de generaci\u00f3n y las empresas el\u00e9ctricas para informar de las operaciones diarias.<\/li>\n<\/ol>\n\n\n\n
              \n
            1. Respuesta a la demanda:<\/strong> Con procesos similares, las empresas el\u00e9ctricas utilizan los datos de consumo de los usuarios finales para predecir la demanda futura de la red. Esto les permite determinar cu\u00e1nta m\u00e1s o menos energ\u00eda se necesitar\u00e1. Dependiendo de la situaci\u00f3n, por lo tanto, se pueden apagar algunas plantas fotovoltaicas ya en funcionamiento por saturaci\u00f3n, o se pueden encender centrales de generaci\u00f3n adicionales (por ejemplo, centrales el\u00e9ctricas tradicionales) para satisfacer la demanda de energ\u00eda.<\/li>\n<\/ol>\n\n\n\n
                \n
              1. An\u00e1lisis del rendimiento de los proyectos:<\/strong> La IA puede utilizarse para supervisar y optimizar el rendimiento de los proyectos de energ\u00eda solar fotovoltaica en tiempo real. Los algoritmos de IA pueden analizar datos de sensores y otros dispositivos de supervisi\u00f3n para identificar problemas e ineficiencias y recomendar ajustes para mejorar el rendimiento.<\/li>\n<\/ol>\n\n\n\n

                Enertis Applus+ ha desarrollado herramientas digitales espec\u00edficas basadas en IA, como el Advanced Performance Analytics Application (A-PAA) y el Smart PV Inspection Tool (SPI), para realizar tareas relacionadas con los puntos (1), (3) y (4).<\/p>\n\n\n\n

                La gesti\u00f3n de una planta fotovoltaica supone llevar a cabo un mantenimiento adecuado de los equipos in situ para maximizar la producci\u00f3n de energ\u00eda. Esta tarea puede suponer un importante reto, ya que en un mismo proyecto fotovoltaico puede haber miles de m\u00f3dulos y cientos de inversores. Hasta hace pocos a\u00f1os, los propietarios de los proyectos ten\u00edan que contratar a un profesional autorizado para que recorriera el emplazamiento y tomara fotos y escaneos infrarrojos de una muestra representativa de m\u00f3dulos. A continuaci\u00f3n, hac\u00eda recomendaciones generales sobre c\u00f3mo proceder para reparar y sustituir los m\u00f3dulos defectuosos, o incluso c\u00f3mo corregir las expectativas de producci\u00f3n de energ\u00eda. Estos procesos pueden llevar mucho tiempo, sobre todo cuando los m\u00f3dulos se env\u00edan a un laboratorio de pruebas externo. Esto significa que pueden pasar semanas antes de que se descubran y resuelvan los problemas sist\u00e9micos, lo que repercute negativamente en las oportunidades de financiaci\u00f3n del proyecto, as\u00ed como en los plazos de los contratos de compraventa a largo plazo de energ\u00eda (Power Purchase Agreement<\/em> o PPA, por sus siglas en ingl\u00e9s) y de construcci\u00f3n.<\/p>\n\n\n\n

                Los recientes avances en tecnolog\u00eda y desarrollo de software han proporcionado una soluci\u00f3n para acelerar estos largos procesos mediante una combinaci\u00f3n de vuelos con drones dotados de c\u00e1maras IR y modelos de IA. El Smart PV Inspection Tool (SPI), por ejemplo, aporta velocidad y precisi\u00f3n a este tipo de inspecciones. La herramienta es capaz de procesar, en cuesti\u00f3n de minutos, los miles de im\u00e1genes que se recogen de los vuelos, buscando m\u00faltiples tipos de defectos que puedan afectar al rendimiento de un activo, clasificando autom\u00e1ticamente su criticidad y geolocalizando los m\u00f3dulos defectuosos dentro de la planta. Adem\u00e1s, el SPI garantiza la entrega de los resultados finales en un par de d\u00edas, lo que permite una respuesta r\u00e1pida por parte de los propietarios del proyecto. El tiempo de inspecci\u00f3n se puede optimizar a\u00fan m\u00e1s utilizando laboratorios m\u00f3viles, que pueden enviarse a la planta fotovoltaica para realizar pruebas in situ a los m\u00f3dulos defectuosos, ahorrando tiempo y dinero.<\/p>\n\n\n\n

                El an\u00e1lisis del rendimiento de los activos es otro punto central en el que la IA est\u00e1 ayudando a los analistas a obtener m\u00e1s informaci\u00f3n a partir de los datos registrados por los sistemas SCADA. El an\u00e1lisis de rendimiento mensual tradicional proporciona una visi\u00f3n de m\u00e1s alto nivel del estado del sistema y no puede informar sobre cu\u00e1nta producci\u00f3n se pierde debido a eventos de inactividad u otras razones. La combinaci\u00f3n de herramientas avanzadas de Data Science<\/em> y modelos ML ha abierto nuevas fronteras, permitiendo el procesamiento de datos a cualquier nivel jer\u00e1rquico de componentes y a intervalos peque\u00f1os, como un paso temporal de un minuto.<\/p>\n\n\n\n

                Como ejemplo de esta aplicaci\u00f3n, en Enertis Applus+ se utiliza el Advanced Performance Analytics Application (A-PAA) para calcular m\u00e9tricas clave, como la evoluci\u00f3n real de la producci\u00f3n de cada componente, cu\u00e1nta energ\u00eda se ha perdido durante determinados periodos de inactividad desde el nivel de contador hasta el nivel de string<\/em>, y el comportamiento \u00f3ptimo de los distintos tipos de dispositivos en funci\u00f3n de sus datos hist\u00f3ricos. Tambi\u00e9n se pueden realizar an\u00e1lisis independientes para determinar las p\u00e9rdidas debidas a diferentes causas, como la degradaci\u00f3n de los equipos a largo plazo, los recortes impuestos por la compa\u00f1\u00eda el\u00e9ctrica, los m\u00f3dulos sucios, los seguidores a un eje que no funcionan y para calcular las p\u00e9rdidas \u00f3hmicas reales entre el inversor y el punto de interconexi\u00f3n.<\/p>\n\n\n

                \n
                \"Calculation<\/a>
                Calculation of a site-specific daily soiling rate and realistic soiling losses based on the production data of the asset<\/figcaption><\/figure>\n<\/div>\n\n\n

                Al igual que con otras herramientas de IA, los resultados pueden utilizarse para ayudar a afinar las expectativas de P50 de cara al futuro, as\u00ed como para informar a los propietarios de los proyectos y a los gestores de activos de las causas m\u00e1s probables del bajo rendimiento. Otro elemento atractivo de la herramienta es su capacidad para procesar cualquier tipo de informaci\u00f3n proporcionada, independientemente del formato de datos utilizado. Por lo tanto, si un portfolio cuenta con varias plantas fotovoltaicas con diferentes sistemas SCADA, todas ellas pueden integrarse en una \u00fanica plataforma, centralizando as\u00ed la informaci\u00f3n y permitiendo una comparaci\u00f3n directa del rendimiento de todos los activos.<\/p>\n\n\n\n

                En conclusi\u00f3n, est\u00e1 claro que las aplicaciones de IA ya est\u00e1n desempe\u00f1ando un papel clave en la transformaci\u00f3n del sector solar fotovoltaico, ya que contribuyen a mejorar la eficiencia y la seguridad de los proyectos y a impulsar la transici\u00f3n hacia un sistema energ\u00e9tico m\u00e1s sostenible. De cara al futuro, cabe esperar que tambi\u00e9n aumente la investigaci\u00f3n sobre los modelos de lenguaje amplio (Large Language Models<\/em>, o LLM por sus siglas en ingl\u00e9s), para explorar su impacto en nuestra industria. Se avecinan tiempos apasionantes para la energ\u00eda limpia.<\/p>\n\n\n\n

                <\/p>\n\n\n\n

                Art\u00edculo escrito por Lucas Viani, Data Science Team Manager, y Brian Custodio, Director, Data Science and Consulting for North America. Publicado en el n\u00famero de Mayo de 2023 en la revista Energ\u00e9tica.<\/p>\n","protected":false},"excerpt":{"rendered":"

                En los \u00faltimos a\u00f1os, las oportunidades y los retos que plantea la Inteligencia Artificial (IA) se han convertido en objeto […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7,40,218],"tags":[],"class_list":["post-6227","post","type-post","status-publish","format-standard","hentry","category-innovacion","category-inspeccion-tecnica","category-noticias"],"acf":[],"_links":{"self":[{"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/posts\/6227","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/comments?post=6227"}],"version-history":[{"count":2,"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/posts\/6227\/revisions"}],"predecessor-version":[{"id":6235,"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/posts\/6227\/revisions\/6235"}],"wp:attachment":[{"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/media?parent=6227"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/categories?post=6227"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/enertisapplus.com\/es\/wp-json\/wp\/v2\/tags?post=6227"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}