Las empresas energéticas están en constante búsqueda de mayor eficiencia y optimización, por lo que esta es la justificación que llevó  al profesor del área de Ingeniería Industrial y Operaciones de la Universidad Adolfo Ibáñez (UAI), Rodrigo Carrasco, para desarrollar el proyecto “Gema: mejorando la gestión de energía en microrredes con almacenamiento vía optimización estocásticas y machine learning”, cuyo objetivo aprovechar los datos para tener una generación de energía más eficaz.

La iniciativa fue una de las 52 seleccionadas en el marco del Concurso Idea de Investigación y Desarrollo (I+D), del Fondo de Fomento al Desarrollo Científico Tecnológico (Fondef) de Conicyt, adjudicándose $ 199.590 millones de financiamiento, que tiene a la UAI como institución de respaldo con la colaboración de los académicos Tito Homem de Melo, Gonzalo Ruz, Carlos Silva, Jocelyn Olivari y Francisco Jara.

La investigación liderada por Carrasco se ha centrado en dos áreas metodológicas: los algoritmos combinatorios y la optimización estocástica y modelado de incertidumbre, con lo que esperan generar sistemas de información capaces de aportar en la toma de decisiones. El profesor abordó los detalles del proyecto.

Alcances

¿En qué consiste el proyecto y cuáles son sus características técnicas?

Estamos trabajando en ver cuál es la mejor forma de aprovechar energía variable (solar fotovoltaica-eólica) cuando tienes almacenamiento, particularmente en aprovechar el uso de datos para este tipo de desarrollo. Lo que estamos viendo es que la tecnología de almacenamiento no está muy bien desarrollada y hay que mejorar en el área de costos y en el interés público.

¿Y cómo funciona la utilización de datos?

Tenemos sistemas de recolección de datos con los cuales hemos analizado radiación solar en diferentes lugares, con sensores puestos para crear modelos predictivos de radiación y de consumo, por lo cual también estamos creando modelos de machine learning para poder definir cuáles serían esos escenarios futuros de radiación o de consumo que puedan ayudar a tomar mejores decisiones. A partir de esto, estamos ocupando los datos para poder crear modelos de optimización background como modelos prescriptivos, que ayude al usuario a tener una prescripción de cuál es la mejor decisión para hacer actualmente.

¿Cuáles son los objetivos propuestos con este proyecto?

Por el lado de uso, lo ideal es poder ocupar de la manera más eficiente posible la energía que se va generando y con eso reducir costos, lo que a largo plazo implica una mejora de opción de tipos de tecnologías. La idea es que a medida que sigan apareciendo sistemas de almacenamiento y que vayan disminuyendo su precio, se harán más atractivos desde el punto de vista económico. Nuestro prototipo está generando entre 6% y 8% de ahorro.

¿Cuáles son los desafíos que advierte en este tema?

Hay temas de mercado y regulación que ni siquiera existen hoy en Chile. El hecho de que exista una generación distribuida permite no solamente producir energía, sino que también generar regulación de voltaje, control de frecuencia, que son mercados en los cuales actualmente no se puede participar en este segmento. Distinto es -por ejemplo- en Francia, donde existe un mercado en que se pueden vender excedentes de energía spot, además de que se puede ofrecer control de frecuencia o vender reactivos directamente desde sistemas de generación distribuidos, pero eso en Chile no existe. Ahora, el día de mañana podrían aparecer esas cosas y el hecho de tener sistemas inteligentes en la gestión de los datos, permitiría acceder a este sistema.

¿Cuál es el cronograma del proyecto?

Estamos terminando los prototipos que tenemos, los cuales son a escala muy pequeña, con una batería de auto y con un panel fotovoltaico instalado en la sede de Peñalolén de la Universidad Adolfo Ibáñez, el que hemos estado manejando de forma remota (debido a la pandemia) con lo que hemos podido acceder a los datos. El objetivo ahora es construir un par de laboratorios de estudio, donde podamos tener capacidad de generación de sistema, donde estamos asociados con MiroSolar y MetricArt, que son participes de este Fondef, y que nos están ayudando a la implementación de esto.

Por otro lado, estamos buscando sofisticar aún más el proyecto en sus análisis predictivos, que es en lo que hemos trabajado este año. La idea es que el próximo año tengamos un sistema, en que podamos mostrar su funcionamiento y evaluar en escala más grande cuánto es realmente la mejora que se obtiene al tener este tipo de modelos.