La tecnología del modelo de base está preparada para transformar el sistema de ingeniería más sofisticado del mundo: la red eléctrica.
A principios del nuevo milenio, la Academia Nacional de Ingeniería calificó la red eléctrica como el mayor logro de ingeniería del siglo XX . Un cuarto de siglo después, esta columna vertebral de la civilización moderna está mostrando su edad.
La electrificación aún hace posible la alimentación, la atención sanitaria, las comunicaciones y los sistemas de transporte, por no hablar de la energía que suministra a las empresas, la informática y el ocio que impulsan la vida moderna. Pero tampoco es ningún secreto que la red eléctrica de Estados Unidos y de otros países del mundo está sometida a una gran presión. Los fenómenos meteorológicos extremos han inutilizado las redes eléctricas locales, el envejecimiento de los equipos ha contribuido a algunos de los incendios forestales más destructivos de los últimos tiempos y los ataques a la red eléctrica se han convertido en una importante preocupación para la seguridad nacional. A medida que entramos en la era de la energía con bajas emisiones de carbono, las nuevas fuentes de generación de energía y los programas de distribución impulsarán la red eléctrica de maneras para las que no estaba diseñada inicialmente. Ahí es donde entran en juego los investigadores de IBM.
En un nuevo artículo , que aparece en la portada de Joule este mes, IBM y sus socios conceptualizaron el papel fundamental de los modelos en la transformación de las redes eléctricas a medida que la humanidad avanza hacia una nueva era energética.1Estos modelos, llamados GridFM, tienen el potencial de ayudar a mejorar las operaciones, la planificación y el control de la red eléctrica para el siglo XXI y más allá. El documento también describe una hoja de ruta práctica para GridFM comenzando con un entrenamiento previo en más de 300.000 problemas de flujo de potencia óptimo resueltos en redes de varios tamaños. Se espera que una primera versión de GridFM esté disponible en el segundo trimestre de 2025. Los investigadores imaginan que este modelo utilizará datos espaciales, temporales y de texto multimodales para respaldar una red más resistente. Las tareas posteriores de GridFM podrían incluir análisis de contingencias, predicción de interrupciones, pronóstico de carga, pronóstico de energía renovable, adecuación del sistema, flujo de potencia óptimo dinámico (OPF), seguridad del sistema, recuperación ante desastres y estimaciones de estado dinámico.
Para el ciudadano medio, esto significa una red eléctrica con menos cortes, menos costes para los usuarios y un mejor uso de los recursos energéticos renovables, según Hendrik Hamann, director científico de clima y sostenibilidad de IBM Research. “Esta enorme red de cables solo funciona si se entiende exactamente cuánta energía fluye por cada pequeño tramo de ella”, afirma Hamann. “Es enormemente compleja, y mejorar esa información es exactamente lo que aporta GridFM”.
Para abordar el cambio climático, la única forma práctica de descarbonizarnos es mediante energía limpia, afirmó Hamann. Y la energía limpia requiere una transición energética en la red eléctrica. Para ello, se necesita una infusión masiva de inteligencia.
“Las tecnologías de modelos de base son ideales para abordar la complejidad subyacente de los sistemas de energía”, afirmó Juan Bernabé-Moreno, responsable de la estrategia de clima y sostenibilidad de IBM Research. Estas incluyen no solo la integración de fuentes renovables, sino también la seguridad del suministro, la electrificación y más. “Los modelos de GridFM pueden capturar las dependencias de todos los datos que encontramos en las redes modernas en una representación de IA y ofrecer nuevas posibilidades”, afirmó. Y IBM no lo está haciendo solo.
Este documento seminal comenzó con un grupo de trabajo que IBM convocó junto con el Imperial College de Londres este año en su sede de investigación global en Yorktown Heights, Nueva York. Y para hacer avanzar esta visión, IBM está trabajando con socios en la industria energética para construir lo que se diseñó en el documento. Estos socios incluyen Linux Foundation for Energy (LF Energy), que está apoyando el desarrollo de código abierto de una base tecnológica GridFM común; la empresa eléctrica de Quebec Hydro-Québec, que innovará sobre la base del modelo de código abierto mediante la validación y el ajuste de las aplicaciones específicas de la empresa. Otros colaboradores que contribuyeron a este trabajo incluyen ETH Zurich, Argonne National Laboratory, la empresa eléctrica del Reino Unido SSEN Transmission y un operador del sistema eléctrico suizo.
La evolución de nuestra red
Uno de los problemas crecientes que enfrenta el mundo es que las fuentes de energía renovable son más variables que las de combustibles fósiles convencionales, lo que hace más difícil predecir y hacer coincidir la demanda de los consumidores con lo que las empresas de servicios públicos pueden suministrar. Por ejemplo, la producción de una planta de energía a carbón es predecible y confiable, mientras que la energía producida por instalaciones eólicas y solares está sujeta a patrones climáticos cambiantes. Los inversores de energía que utilizan las energías renovables también plantean problemas sin precedentes para la red. Los inversores controlados por software en el borde de la red son cruciales para que la producción de energía renovable sea asequible, pero la red eléctrica actual no fue diseñada para manejar sus fluctuaciones de fase, voltaje y frecuencia, cambios cuya ocurrencia y consecuencias son difíciles de predecir.
“Descarbonizar la red ha sido una de las tareas más difíciles de los últimos años”, afirmó Bernabé-Moreno. “No solo tenemos que tener en cuenta la naturaleza volátil de las fuentes de energía renovable, sino también la complejidad añadida que genera la descentralización y los nuevos desafíos que plantea la digitalización”.
Incluso la forma en que la gente usa la electricidad está cambiando, ya que los paneles solares domésticos devuelven energía a la red y los propietarios de vehículos eléctricos cargan sus coches en casa, en el trabajo y en cualquier lugar. El drástico aumento de la demanda de energía que sustenta las cargas de trabajo de la IA también ha añadido nuevas variables a la red eléctrica, afirmó Bryan Sacks, director de tecnología de energía de IBM. “A medida que se acelera el aumento de la complejidad de la red, nuestra capacidad para modelarla de forma eficaz se ve cada vez más limitada, lo que conduce a concesiones e ineficiencias”, afirmó Sacks.
Construir sobre una base sólida de modelos de cimentación
El sistema energético moderno trae consigo muchos desafíos nuevos. Requiere mecanismos para abordar la incertidumbre de las fuentes de generación de energía renovable; anticipar los efectos de fenómenos meteorológicos extremos, como granizo, tormentas extremas, deslizamientos de tierra y olas de calor, sobre la infraestructura física; y tener en cuenta el impacto a corto y largo plazo del cambio climático sobre la generación de energía y los patrones de consumo.
Hemos estado colaborando con la NASA para crear modelos básicos capaces de comprender los cambios en la superficie de la Tierra o comprender el tiempo y el clima . Nuestros modelos básicos pueden, por ejemplo, reducir la escala de los modelos climáticos para comprender cómo será el tiempo en el futuro, identificar áreas afectadas por catástrofes naturales o predecir la formación de islas de calor .
En lo que respecta a la iniciativa GridFM, estos proyectos de modelos básicos en curso se pueden incorporar como insumos para lograr un rendimiento superior. Por ejemplo, la modelización de las perturbaciones de la temperatura de la superficie del océano puede ayudar a comprender los efectos sobre las turbinas eólicas marinas, no solo en términos de generación de energía, sino también para identificar qué estrategias de reducción se deberán aplicar para garantizar que la red pueda hacer frente a la energía generada.
Nuevas oportunidades
Los modelos de base tienen el potencial único de analizar y gestionar la red eléctrica moderna. Pueden clasificar volúmenes masivos de información para extraer y dar sentido a datos cuyos patrones y potencial completos escapan al observador humano, y que la computación convencional no puede descifrar. Es por eso que IBM, junto con socios académicos y de la industria, está apostando por modernizar la red con modelos de base. «Vemos la red eléctrica como la piedra angular de la transición energética», dijo Bernabé-Moreno. Y el papel de GridFM será permitir la obtención de los conocimientos necesarios para enfrentar los desafíos que acompañan a esta era de transformación.
Los modelos básicos podrían proporcionar un aumento de órdenes de magnitud en el rendimiento para simular el flujo de energía, en comparación con el software de modelado existente en el que confían las empresas de energía. Los nuevos modelos de IA también podrían desbloquear nuevos métodos para optimizar el flujo de energía a medida que se incorporan energías renovables a la red, dijo Sacks. Con tantas formas nuevas de generar y extraer energía, equilibrar la demanda y la oferta en tiempo real es cada día más complejo.
Otro aspecto crucial es la denominada planificación de contingencia “nx”. “Las empresas de servicios públicos realizan lo que suele denominarse planificación de contingencia n-1, en la que simulan lo que sucedería si perdieran un ‘bus’ importante o una parte importante de la red”, explicó Sacks. “Sin embargo, no tienen suficiente capacidad de procesamiento para simular lo que sucedería si perdieran más de uno, por lo que ‘n-x’ les permitiría simular más escenarios, lo que generaría una mayor resiliencia”.
Puede que GridFM sea algo nuevo, pero no es algo que haya surgido de la nada. IBM ha estado a la vanguardia en la creación de modelos básicos que solucionan problemas reales a los que se enfrentan las empresas. Y ahora, con la comunidad científica trabajando en nuevas formas de abordar las demandas energéticas de la IA, es el momento adecuado para utilizar la IA para optimizar nuestros sistemas energéticos para la era baja en carbono. “He trabajado durante muchos años en la aplicación del aprendizaje automático para impulsar la transición energética”, afirmó Bernabé-Moreno, “y por primera vez veo un cambio fundamental en la forma en que la IA puede abordar estos desafíos”.
La publicación de este artículo es solo el comienzo. En febrero se celebrará otra conferencia sobre GridFM en el Laboratorio Nacional Argonne en Lemont, Illinois, que será una oportunidad para que los socios académicos y de la industria se reúnan y participen en el papel que desempeñarán los GridFM en nuestro futuro colectivo. IBM Blog. Traducido al español
Contacto