La cuadrícula está cambiando a medida que el gran proveedores centralizados del pasado son reemplazados por más pequeños, proveedores distribuidos. Mantener estables redes tan complejas requiere tecnología de sensores de alta resolución:la IA proporciona una forma de hacer predicciones precisas y detectar automáticamente cualquier perturbación o anomalía en tiempo real. Así es como los investigadores de Fraunhofer desarrollaron las técnicas de compresión, algoritmos y redes neuronales para adaptar una fuente de alimentación al futuro.

La forma en que se genera la energía está en transición:mientras que, antes de, todo nuestro poder proviene de grandes centrales eléctricas, en estos días también proviene de una variedad de fuentes distribuidas, incluidas las turbinas eólicas, sistemas fotovoltaicos y otras instalaciones similares. Este cambio tiene un gran impacto en nuestra red, con desafíos particulares para los operadores de redes de transmisión. ¿Cómo monitorear el correcto funcionamiento de los parámetros de la red, como el ángulo de fase y las frecuencias? ¿Podría haber discrepancias o anomalías en el correcto funcionamiento de la red? ¿O hay líneas o plantas de energía caídas? La tecnología de medición estándar actual ya no puede proporcionar respuestas confiables a este tipo de preguntas. Cada vez son más los operadores, por lo tanto, recurriendo a unidades de medida fasorial (PMU) adicionales y otras soluciones digitales. Estos sistemas miden la amplitud y fase de la corriente y el voltaje hasta 50 veces por segundo. Este proceso genera enormes volúmenes de datos, fácilmente varios gigabytes al día.

La compresión de datos ahorra el 80 por ciento de los datos

En respuesta, investigadores de la rama de Tecnología de sistemas avanzados (AST) del Instituto Fraunhofer de Optrónica, Tecnologías de sistemas y explotación de imágenes IOSB en Ilmenau está buscando formas de optimizar el procesamiento de datos utilizando inteligencia artificial, con miras a mejorar la confiabilidad de la red y establecer un sistema de suministro de energía adecuado para el futuro. "Podemos usar IA para registrar automáticamente, comprimir y procesar hasta 4,3 millones de conjuntos de datos por día, "dice el profesor Peter Bretschneider, jefe del departamento de Energía en la sucursal AST de Fraunhofer IOSB.

En la primera fase de su trabajo, los investigadores han ideado una técnica de compresión que ahorra el 80 por ciento de los datos. No solo es más fácil almacenar los datos, pero más rápido y más eficiente para procesarlo también.

Procesamiento de datos automatizado en tiempo real

En la segunda fase, los investigadores continuaron utilizando los datos de medición de fasores que habían recopilado para aplicar redes neuronales, uno de los componentes clave de la inteligencia artificial actual. Más específicamente, "alimentaron" las redes neuronales con ejemplos de interrupciones típicas del sistema. De esta manera, Los algoritmos aprenden gradualmente a distinguir - y categorizar con precisión - los datos operativos normales de las fallas definidas del sistema. Después de la fase de formación, los investigadores aplicaron las redes neuronales a los datos actuales generados a partir de mediciones de fasores, datos que previamente tenían que tomarse y procesarse manualmente. Aquí es donde el algoritmo dio su primer salto a la aplicación en tiempo real, tomar decisiones en una fracción de segundo sobre dónde hay una anomalía o falla, así como el tipo y la ubicación de esa perturbación. Para tomar un ejemplo, si una planta de energía fallara, se puede esperar un pico abrupto en la carga colocada en las otras plantas de energía. El aumento de carga ralentiza los generadores, y la frecuencia disminuye. Esto requiere contramedidas rápidas porque si la frecuencia desciende por debajo de un valor umbral, el operador puede verse obligado a cortar secciones de la red en aras de la estabilidad del sistema. Y por rápido estamos hablando de menos de 500 milisegundos. Dado que el algoritmo es capaz de tomar una decisión en 20 a 50 milisegundos, eso deja tiempo suficiente para implementar las contramedidas totalmente automatizadas apropiadas.

El algoritmo está listo para ser implementado. mientras los investigadores continúan trabajando en el control y regulación de las contramedidas relevantes. El desarrollo es de interés no solo para los grandes operadores de redes de transmisión de energía, sino también a las redes de distribución regionales. "Para hacer una analogía con la red de carreteras, ¿Cuál es el punto de tener autopistas despejadas cuando las carreteras regionales más pequeñas están bloqueadas permanentemente? ", dice Bretschneider.

Poder para predecir problemas del futuro

Todos iguales, los investigadores no se limitan a los problemas de hoy, pero también quiero tener en cuenta anomalías que ni siquiera se han producido hasta ahora. "Si seguimos buscando energías renovables, puede llevar a situaciones que ni siquiera conocemos todavía, "dice Bretschneider. Aquí, también, los investigadores han recurrido a la inteligencia artificial, donde trabajan en la categorización de este tipo de fenómenos desconocidos y en el desarrollo de los algoritmos apropiados utilizando mapas de redes digitales.