El proyecto de investigación BigEr 2 busca mejorar la operación de activos de generación renovable y de microrredes en plantas fotovoltaicas y termosolares gracias al uso de algoritmos avanzados de inteligencia artificial capaces de emplear grandes volúmenes de información para mejorar la eficiencia energética de las instalaciones. Los investigadores acaban de finalizar la segunda fase del proyecto.
El proyecto BigEr 2 incorpora inteligencia artificial (IA) en infraestructuras de gestión de energías renovables, lo que representa una oportunidad innovadora en la búsqueda de soluciones energéticas eficientes y sostenibles. A medida que las industrias buscan la optimización en el consumo de energía, reducir costes y minimizar el impacto ambiental, la combinación de sistemas predictivos avanzados con algoritmos de IA supone una posibilidad prometedora para alcanzar estos objetivos.
Financiada por el Ministerio de Industria y Turismo a través del programa AEI y con el respaldo de la Unión Europea a través del Plan de Recuperación, Transformación y Resiliencia, la iniciativa está siendo coordinada por el Clúster onTech Innovation y cuenta con la participación de la Universidad de Jaén y de empresas como Isotrol, Kaylon, Sol-ution y Atrebo.
Aplicación de la IA en infraestructuras renovables
Una de las aplicaciones de la IA en las infraestructuras renovables es el mantenimiento predictivo. Gracias al análisis de datos de rendimiento de equipos, lecturas de sensores y patrones históricos de fallos, los algoritmos de IA pueden anticipar posibles averías antes de que ocurran.
Esta metodología permitirá a los equipos de mantenimiento programar reparaciones durante períodos de inactividad planificados, evitando así interrupciones no programadas y prolongando la vida útil de los equipos. Así, las instalaciones pueden operar de manera más confiable, aumentar la productividad y reducir los costes de mantenimiento.
Otro aspecto relevante en la optimización energética es la previsión de la demanda. Los algoritmos de IA analizan datos históricos de consumo, patrones climáticos, programas de producción y dinámicas del mercado para predecir la demanda futura de energía.
Con esta información, los gestores de plantas renovables pueden ajustar los programas de producción, optimizar el uso de equipos y aprovechar sistemas de almacenamiento de energía para equilibrar la oferta y la demanda en tiempo real. Al optimizar los perfiles de carga y minimizar los picos de demanda, las estrategias basadas en IA reducen los costes energéticos y mejoran la estabilidad de la red.