Con los antecedentes de la evolución del precio de la energía y sin una solución a la vista que amplíe la capacidad de los usuarios para el uso de renovables, los consumidores, en la actualidad, no tienen otra opción que soportar este vendaval. La normativa deberá modificarse, mientras tanto, la tecnología avanza con soluciones de todo tipo, encaminadas a optimizar el consumo y a desarrollar instalaciones renovables con mayores rendimientos.
El autoconsumo se perfila como una solución que permitirá aprovechar energía solar o eólica en instalaciones conectadas a la red eléctrica, permitiendo coexistir ambas con el objetivo de reducir la demanda y el gasto. El edifico o vivienda será menos dependiente energéticamente. El objetivo final será llegar a edificios con consumos mínimos de la red eléctrica. Este tipo de instalaciones serán gestionadas por sistemas hardware/software formando plataformas especializadas de gestión energética.
El software que controla estas instalaciones proporcionará el valor añadido necesario para automatizar y optimizar el uso de todos los recursos y necesidades de consumo.
Con estos antecedentes, la sección IoT de NOUSS trabaja en el diseño de gestores energéticos inteligentes. Los objetivos, en una instalación con un gestor energético inteligente, pasan por: 1) la medida y mejora en el uso y consumo, 2) la automatización de las acciones de control y 3) la adaptación, con el tiempo, de los servicios digitales a las características propias de la instalación. A continuación se amplía información al respecto en relación a una instalación prototipo donde se están realizando diferentes trabajos relacionados.
- Medir, clasificar y detectar
La máxima de que para optimizar hay que medir y conocer previamente dónde se puede aplicar las acciones de mejora se cumple ineludiblemente en este tipo de instalaciones. Por ello se agrupa en un objetivo inicial a cumplir estas líneas de actuación. La medición, en este caso, se extiende con funciones basadas en paradigmas IA de reconocimiento de patrones y de análisis de predicciones. Las propuestas de mejora serán consecuencia de los resultados obtenidos en la fase de medición. En la figura 1 se muestra la monitorización, durante una jornada del consumo de una vivienda utilizada como prototipo del gestor energético inteligente. La monitorización nos da una información sobre el consumo energético y el reparto de la energía consumida en función del tiempo para la vivienda.
Fig.1. Detección de cargas y actividades mediante el uso de Machine Learning [1]
La IA aplicada en este escenario puede detectar la conexión de cada carga y clasificar su tipo. Asimismo, podrá realizar predicciones sobre el consumo estimado y diferentes tipos de actividades. Conociendo cuando se conecta un consumidor determinado y su aportación a la agregación del consumo se podrán realizar todo tipo de análisis encaminados a la predicción, optimización y mantenimiento.
Si se mide y se identifica el consumidor y, además, se realizan predicciones del agregado total del consumo en la vivienda o edificio se tiene la información necesaria para optimizar el aprovechamiento de la energía renovable potencial de la instalación.
Para la generación de energía renovable se monitoriza su producción y se asocia a las condiciones climáticas tanto de las agencias meteorológicas como de los sensores climáticos instalados. En la figura 2 se muestran curvas de producción en un día soleado y otros nublado de este pasado verano.
Fig.2. Medición de la producción renovable por placa solar en instalación prototipo con diferentes condiciones climáticas
Aquí la IA puede predecir la producción esperada cada hora. Con este dato el sistema podrá analizar y actuar en consecuencia.
- Controlar y optimizar
Llegados a este punto, sabemos qué vamos a consumir y qué vamos a producir en los próximos minutos. La figura 3 muestra el problema que se platea en una instalación donde no hay baterías para almacenar y hay momentos en que la generación es superior al consumo. La solución podrá ser la de instalar dichas baterías, pero, sin embargo, en el caso de que sea plausible el aprovechamiento instantáneo, sin esta necesidad, se obtienen instalaciones más económicas y con mayor tasa de optimización del recurso. Somos conscientes que grandes instalaciones no pueden ser concebidas sin prever algún tipo de almacenamiento, no obstante, se puede perseguir el objetivo de maximizar el uso evitando almacenamiento innecesario y almacenar sólo en casos de no poder usar la energía en tiempo real.
Fig.3. Producción y generación en instalación piloto. En verde, la generación es superior en determinados periodos al consumo (en azul). El objetivo es el de aprovechar toda la energía producida justo en el instante en que se genere sin almacenar o inyectar a red eléctrica [1]
Volviendo al problema planteado, en los periodos en los que la instalación genera más energía que la que demanda el sistema deberá actuar de forma automática conectando cargas que puedan ser se utilizadas (el motor de una depuradora de piscina, un electrodoméstico programado, u otro tipo de necesidad que se pueda cubrir de forma automática). Estos periodos detectados serán tratados por algoritmos especializados IA que dan las órdenes de control a las cargas que se conectan de forma automática. Árboles de decisión, redes neuronales y otros paradigmas IA son aplicados en el análisis y toma de decisión dentro de las acciones de control.
- Adaptación a la instalación
Por último, el gestor energético sabe qué tipo de cargas hay, qué tipo de generación potencial y cómo se comporta la propia instalación. Con estos antecedentes, el gestor puede evolucionar y adaptarse a lo que la instalación le reporta. Podrá aplicar nuevas acciones de control, intentar mejorar el reparto y, muy importante, realizar una tarea de supervisión para predecir y detectar averías o funcionamientos anómalos.
La IA, en este nivel, realiza tareas de mantenimiento predictivo.
Esta tarea proporciona la guinda a un pastel con la denominación: Inteligencia Artificial en la gestión energética de viviendas y edificios. Su receta sigue unos pasos marcados, como se han indicado, y su resultado final será más o menos dulce en función del resultado ofrecido.
Referencia
Se han incluido figuras y conclusiones del artículo aceptado en al congreso UCAMI18 que se llevará a cabo en diciembre de 2018.
[1] Intelligent power management system using hybrid renewable energy resources and decision tree approach. Francisco-Javier Ferrández-Pastor, Sergio Gómez-Trillo, Mario Nieto-Hidalgo, Juan-Manuel García-Chamizo, Rafael Valdivieso-Sarabia. 12th International Conference on Ubiquitous Computing and Ambient Intelligence UCAmI 2018.