Las empresas de servicios eléctricos están aprendiendo sobre machine learning para crear redes más inteligentes y así enfrentar los desafíos difíciles que les esperan.
La megatormenta de invierno de 2021 en Texas dejó a millones de personas sin energía. Las fallas en la red de los últimos dos veranos generaron devastadores incendios forestales en medio de la sequía récord de California.
«Los eventos climáticos extremos de 2021 destacaron los riesgos que presenta el cambio climático y la importancia de invertir en redes de electricidad más resistentes», se indica en un informe de mayo de 2021 de la Agencia Internacional de Energía, un grupo con miembros de más de 30 países. Busca lograr una red sin emisiones de carbono para 2050, impulsada por cientos de gigawatts en fuentes renovables.
El objetivo exige una transformación. La red de ayer, con cientos de años de antigüedad, es un sistema unidireccional de unas pocas grandes plantas de energía a muchos usuarios, que debe transformarse en una red bidireccional, flexible y distribuida, que está conectada a hogares y edificios con paneles solares, baterías y vehículos eléctricos.
Ante los cambios que se avecinan, los expertos dicen que la red debe expandir los sistemas de control autónomos que recopilan datos en cada nodo y los utilizan para responder en tiempo real.
Un Aspecto Esencial
«La IA desempeñará un papel crucial en el mantenimiento de la estabilidad de una red eléctrica que se está volviendo exponencialmente más compleja con una gran cantidad de fuentes de generación variable y de baja capacidad, como la energía eólica y la energía solar, que se conecta y entra y sale de las casas de manera bidireccional», dijo Jeremy Renshaw, gerente sénior de programas del Instituto de Investigación de Energía Eléctrica (EPRI), una organización independiente y sin fines de lucro que colabora con más de 450 empresas de 45 países en el campo de la I+D energética.
«La IA puede dar soporte a los operadores de redes que ya operan al límite mediante la automatización de tareas repetitivas o que consumen mucho tiempo», dijo Renshaw, quien administra la iniciativa de IA de EPRI.
Rick Perez, director de Deloitte Consulting LLP, con más de 16 años trabajando con utilidades y análisis de datos, está de acuerdo.
«La red de energía del futuro se distribuirá y potenciará mediante miles de fuentes de energía intermitentes, incluidos los parques eólicos y diversas tecnologías de almacenamiento. Administrarla requiere métodos avanzados de IA y computación de alto rendimiento», dijo.
Proyectos Reales, Resultados Reales
Ya se están llevando a cabo trabajos en centrales eléctricas y subestaciones, en líneas de distribución y en el interior de hogares y negocios.
«Algunas de las empresas de servicios públicos más grandes de los EE. UU. están dando los primeros pasos para crear una plataforma de ingeniería de datos y una práctica de computación en el edge, utilizando matrices de sensores y análisis en tiempo real», dijo.
Por ejemplo, una empresa de servicios públicos en una gran ciudad de EE. UU. recientemente comenzó a trabajar con la IA en las GPU de NVIDIA, ya que determina en menos de 30 minutos las mejores rutas de camiones para responder a una tormenta. Los esfuerzos anteriores en sistemas basados en CPU tardaron hasta 36 horas, demasiado tiempo para ser útiles.
Para mostrar las posibilidades a las empresas de servicios públicos, Deloitte ejecuta trabajos en sistemas NVIDIA DGX A100 en su Centro de Computación de IA. Un esfuerzo combina datos sobre el estado de la red eléctrica con las condiciones climáticas locales para identificar líneas de distribución repletas de hielo y con peligro de fallas, a tiempo para enviar a un equipo de reparación.
«Debido a que es un sistema abierto, podríamos usar nuestro personal de TI existente y, con el apoyo de NVIDIA, hacer un trabajo de clase de supercomputación para nuestro cliente», dijo Perez.
Desarrollo de Conjuntos de Datos y Modelos de IA
En EPRI, Renshaw informa el progreso en varios frentes.
Por ejemplo, más de 300 organizaciones se han unido a su desafío L2RPN para desarrollar modelos de IA con aprendizaje de refuerzo. Algunos son capaces de controlar hasta cinco tareas a la vez para evitar un corte de energía.
«Queremos automatizar el 80% del trabajo, que abarca las tareas mundanas para los operadores, a fin de que puedan hacer un mejor trabajo centrándose en el 20% restante, compuesto por los desafíos más complejos», dijo Renshaw.
Un informe de 2021 sobre cómo la IA puede abordar el cambio climático cita como un caso de uso importante el trabajo de L2RPN, que se está expandiendo este año para incluir modelos más complejos.
Por separado, EPRI está seleccionando 10 conjuntos de datos anónimos que las empresas servicios públicos pueden usar para entrenar modelos de IA para sus trabajos más críticos. Uno es una base de datos que ya tiene 150,000 imágenes tomadas por drones de equipos anticuados en las líneas de alimentación.
EPRI también lidera una incubadora de startups donde las empresas servicios públicos pueden colaborar con startups de IA como Noteworthy AI, un miembro del programa NVIDIA Inception, para trabajar en proyectos innovadores. Para mantener la privacidad de los datos compartidos, puede usar el software NVIDIA FLARE para entrenar modelos de IA.
Las Centrales Eléctricas Obtienen Digital Twins
Tanto EPRI como Deloitte están ayudando a crear digital twins industriales para optimizar las operaciones y el entrenamiento en las centrales eléctricas. Por ejemplo, una planta de energía en un estado del sur de EE. UU. está actuando como una instalación de demostración en un proyecto de EPRI que ha generado un amplio interés.
Por separado, Deloitte planea utilizar NVIDIA Omniverse Enterprise para desarrollar un digital twin físicamente preciso de una planta de energía nuclear para escenarios de capacitación de trabajadores.
«Los organismos reguladores otorgan múltiples subvenciones para crear digital twins de centrales eléctricas con el fin de aumentar la seguridad y reducir los altos costos de cerrar los sistemas para realizar pruebas», dijo Perez.
Los Medidores Verdaderamente Inteligentes Debutan este Año
Del mismo modo, EPRI y Deloitte están ayudando a definir la próxima generación de medidores inteligentes.
«Los llamamos medidores inteligentes de los sistemas actuales, pero, en realidad, envían tal vez un punto de datos cada 15 minutos, lo cual es muy lento para los estándares actuales», dijo Renshaw.
Por el contrario, los chips y medidores de redes inteligentes y definidos por software en desarrollo de Utilidata, miembro de NVIDIA Inception, un programa gratuito para startups de vanguardia, y Anuranet utilizan la próxima generación de la plataforma de IA en el edge NVIDIA Jetson para procesar más de 30,000 puntos de datos por segundo. Buscan información que permite ahorra energía y costos al tiempo que aumenta la adaptabilidad de la red.
«Si podemos obtener datos en menos de un segundo, se abre una gran cantidad de oportunidades: hemos identificado 81 casos de uso para datos de la próxima generación de medidores inteligentes», dijo.
La IA usando datos de uno de estos nuevos medidores podría haber predicho que el sistema de calefacción y aire acondicionado de su casa necesitaba una reparación, antes de que fallara el año pasado, lo que le costó más de $1,000.
Un Punto de Inflexión
Además, EPRI tiene programas piloto en dos edificios de oficinas que utilizan IA para reducir el desperdicio de energía hasta en un 30 por ciento. Y está comenzando una colaboración en formas en que machine learning podría mejorar la ciberseguridad, una creciente preocupación a raíz del ataque ransomware del año pasado a un pipeline de energía.
La lista de tareas pendientes continúa. La buena noticia, dijo Perez, es que un importante financiamiento permitirá crear una red más inteligente, limpia y segura con iniciativas de todo el mundo, incluida la Ley de Inversión en Infraestructura y Empleo de EE. UU.
«Estamos en un punto de inflexión, y simplemente no hay un plan viable para el futuro de la red sin la IA y la computación de alto rendimiento», dijo.
Mira una charla de GTC (se puede ver bajo demanda con registro) para ver cómo las empresas servicios públicos pueden utilizar la IA en el edge y la computación de alto rendimiento para modernizar las operaciones de redes. Además, obtén más información sobre el trabajo de NVIDIA con empresas servicios públicos y NVIDIA Inception.