La tormenta perfecta
[Artículo publicado en LA TRIBUNA DE ENERGÍA de EL ECONOMISTA. Por José Antonio Luque]
Cuando nos disponemos a despedir el año 2022, la situación energética se encuentra gravemente descontrolada. A una economía todavía sacudida por una pandemia global, se añade la creciente inflación derivada del proceso de recuperación post-pandémico. La gota que colma el vaso es el trágico conflicto en Ucrania, con el consecuente incremento del coste de la energía y aumento del riesgo respecto a la seguridad energética. En el corto plazo esto ha supuesto una mayor dependencia de los combustibles fósiles, así como menores recursos destinados a la transición energética, sin mencionar el descalabro de la coordinación regional y global en el camino hacia el ansiado “net zero emissions”. Una “Tormenta Perfecta”, de la que la sociedad ha de encontrar los medios y mecanismos para escapar, y poder así retomar la agenda medioambiental marcada por Naciones Unidas y comprometerse en el cumplimiento de los objetivos globales a largo plazo.
Las energías renovables descentralizadas son una de las grandes apuestas para afrontar esta situación, junto con redes de distribución cada vez más sofisticadas y estrategias de racionalización de demanda vs abastecimiento. A su vez, estos mercados de flexibilidad han traído otras cuestiones al terreno de juego que el sector debe resolver y en los que la tecnología y, más concretamente, el uso eficiente de los datos y la aplicación generalizada de Inteligencia Artificial en todos los procesos de planificación, operación y optimización energética, aparecen como un arma imprescindible para conseguir los niveles de eficiencia comprometidos.
Uno de los retos a los que se enfrenta es la gestión de los mercados de flexibilidad cada vez más presentes en nuestro entorno, cuando los factores en juego tienen una alta volatilidad, como las energías renovables. Se prevé que esta nueva operativa se traduzca en una reducción considerable del número de horas de puesta en marcha de las centrales de ciclo combinado, disminuyendo así emisiones y dependencias de combustibles fósiles. Sin embargo, se es consciente de que la dependencia de factores como viento o sol supondrán un mayor número de arranques para hacer frente a situaciones de producción deficitaria.
La gestión exitosa pasará por una correcta previsión de la demanda de los usuarios y la capacidad productiva, que permita planificar el funcionamiento de las centrales bajo las condiciones de seguridad y de rendimiento óptimas. En el caso de la energía procedente de recursos eólicos y solares, el componente predictivo es especialmente frágil y son muchos los esfuerzos en incrementar la precisión y prever su volatibilidad y, por tanto, la fiabilidad de la estimación de energía que se producirá. Partir de una predicción de producción y demanda basada en la analítica de los datos es clave para abordar estrategias a corto/medio plazo, en la que entran en juego fuentes de información muy diversas: factores climáticos, consumo e infraestructura de distribución, transporte, etc.
A este escenario de generación se suma que el mercado avanza en un número creciente de productores de energía con infraestructuras domésticas o de pequeña escala que abastecen la auto-demanda y vuelcan a la red sus excedentes. Nos encontramos ante un nuevo paradigma de predicción de la demanda, en el que para dimensionar la producción hay que tener en cuenta además de las necesidades de consumo de los usuarios, en gran medida dictadas por las condiciones climáticas, la capacidad productiva de las pequeñas y medianas instalaciones.
"La analítica de datos está adquiriendo un papel protagonista en casi todos los sectores relacionados con el mercado energético"
Y todo ello sobre una red de distribución que se ve sometida a una gran y creciente demanda, que como aspecto positivo se ha modernizado en tiempo récord. Los niveles de consumo son tales, que han tensionado notablemente las infraestructuras y más aún, si incorporamos uno de los casos de uso con más presencia en las monografías dedicadas al análisis de las redes de distribución, o Smart Grids, como es el auge y promoción del vehículo eléctrico. El incremento de usuarios del coche eléctrico y la alta demanda de potencia requerida hacen aflorar cuestiones a resolver sobre cómo gestionar los picos de demanda de potencia de la red. Si todos los usuarios se disponen a cargar sus vehículos en la misma franja horaria, sus requerimientos desbordarán la capacidad de la red haciendo inviable pensar en una distribución equilibrada. ¿Podremos conjugar las necesidades de cada conductor e inducirle a cargar en un momento que siga fomentando su uso, pero no comprometa el abastecimiento? Esa respuesta cae en el lado de la analítica que predice un consumo basado en su patrón de uso y optimiza el conjunto de la red para sugerir e incluso bonificar la carga en el momento más conveniente.
Son muchos los retos a los que se enfrenta el sector: construir una gestión de la operación global que incluya a los nuevos actores, comunidades energéticas, agregadores de recursos, clientes activos -gestores de la red de distribución-, desarrollo de las energías renovables y mejora de las herramientas de transporte y almacenamiento de energía. Para afrontar cualquiera de ellos, los datos, su adecuada gestión y la aplicación masiva de inteligencia artificial en la operacionalización de todos los procesos de toma de decisión, se consolidan como activo estratégico clave.
Este escenario de consumo y abastecimiento no encuentra referente en el pasado, y en un mercado como el eléctrico donde las inversiones son millonarias y de alto riesgo y cada paso se mide minuciosamente, la adopción de estrategias basadas en datos ha supuesto un punto de inflexión. La analítica de datos en el mundo energético se ha desarrollado tímidamente en áreas de innovación, en sus primeros experimentos un tanto marginado, en un entorno fuertemente dominado por la ingeniería y la regulación. Por fin, y no sin esfuerzo, está adquiriendo un papel protagonista en prácticamente todos los sectores relacionados con el mercado energético, desde la generación hasta el retail. El reto de la Industria pasa por seguir promoviendo una gestión del cambio en lo que al dato se refiere, donde un nuevo salto cualitativo es necesario: evolucionar desde una realidad actual en la que la Analítica del Dato y la predicción apoyan la toma de decisiones, hacia otra nueva, donde el Dato y la Inteligencia Artificial lideren la evolución del sector en pro de la consecución de los objetivos de emisiones y eficiencia acordados, cumpliendo al mismo tiempo con las necesidades de demanda cada vez mayores de la sociedad.