En un contexto en el que el aumento de las energías renovables en el mix de generación eléctrica hace que la meteorología se tenga cada vez más en cuenta, la compañía Endesa ha apostado por la integración de meteorología y data science para sacar el máximo partido de la energía del sol, el agua y el viento. Partiendo del análisis de grandes cantidades de datos, se utiliza la inteligencia artificial para ajustar las predicciones meteorológicas.
El data science combina estadística, informática y matemáticas, y permite extraer información de grandes volúmenes de datos. Según Endesa, es una solución óptima para elaborar modelos que permitan ofrecer predicciones automáticas para la compleja topografía hidráulica que gestiona Endesa.
La compañía explica en un comunicado que la integración de meteorología y data science analizando variables como las precipitaciones de nieve y lluvia registradas en determinadas zonas, permiten extraer el máximo valor a los recursos hídricos, además de garantizar la seguridad y el respeto al medio ambiente en los ríos.
Proyecto ‘forecasting hydro’
Endesa ha desarrollado el proyecto ‘forecasting hydro’, que se inició en 2019 y que ofrece predicciones de caudales para un total de 107 embalses o centrales hidráulicas, que se actualizan automáticamente todos los días. “En total, se analizan más de 10 millones de datos recopilados durante más de 20 años para ajustar lo más posible la predicción”, indica Carlos Rivero, físico y meteorólogo que trabaja en el área de Gestión de la Energía de Endesa.
En concreto, se ha conseguido mejorar hasta en un 30% la calidad de las predicciones, gracias a este modelo de machine learning que ha reducido el error de predicciones en algunos ríos.
La influencia de la temperatura en la evolución de la demanda de energía, las previsiones sobre el viento para la producción eólica, de radiación solar y nubosidad en la fotovoltaica, y las precipitaciones y la temperatura en el caso de la energía hidráulica, son variables que se analizan diariamente en Endesa para generar sus predicciones propias a partir de un método de análogos meteorológicos. Las predicciones base a 10-15 días se actualizan diariamente y ofrecen estimaciones horarias que para la compañía son cada vez más necesarias en un sector eléctrico cada vez más dependiente de las renovables.