Alemania se alista con el aprendizaje automático para impulsar la revolución de las energías renovables


Un parque eólico cerca de Hannover, Alemania. Las filas de imponentes aerogeneradores y legiones de brillantes paneles solares repartidos por el paisaje de Alemania son llamativos emblemas del cambio del país a la energía no nuclear y baja en carbono. Pero a pesar de que Alemania es el principal anunciante del mundo de la energía renovable, sus redes aún no pueden hacer frente a la naturaleza errática de la energía eólica y solar. En jun

Un parque eólico cerca de Hannover, Alemania.

Las filas de imponentes aerogeneradores y legiones de brillantes paneles solares repartidos por el paisaje de Alemania son llamativos emblemas del cambio del país a la energía no nuclear y baja en carbono. Pero a pesar de que Alemania es el principal anunciante del mundo de la energía renovable, sus redes aún no pueden hacer frente a la naturaleza errática de la energía eólica y solar.

En junio, los meteorólogos, ingenieros y empresas de servicios públicos alemanes comenzaron a probar si el big data y el aprendizaje automático pueden hacer que estas fuentes de energía sean más amigables con la red.

"Para operar la red de manera más eficiente y mantener las reservas fósiles al mínimo, los operadores deben tener una mejor idea de la cantidad de energía eólica y solar que se espera en un momento dado", dice Malte Siefert, físico del Instituto Fraunhofer para Energía Eólica. y Energy System Technology en Kassel, Alemania, y un líder en el proyecto, llamado EWeLiNE.

Con aproximadamente 45, 000 megavatios, la capacidad de energía eólica de Alemania es la tercera más grande del mundo, detrás de China y Estados Unidos. Y Alemania solo es superada por China en capacidad solar. Pero el ritmo del cambio del país a las energías renovables y sus ambiciones no tienen rival. Las energías renovables ahora proporcionan aproximadamente un tercio de la electricidad doméstica y el gobierno ha prometido que para 2050, al menos el 80% de la electricidad del país provendrá de fuentes renovables.

Naturaleza, 13 de julio de 2016, doi: 10.1038 / 535212a

El problema es que en los días tranquilos y nublados, los operadores de red todavía necesitan recurrir a las centrales eléctricas convencionales para satisfacer la demanda esperada. Y en días inusualmente soleados y ventosos, como el 8 de mayo, cuando durante aproximadamente 4 horas la energía eólica y solar generó más del 90% de la electricidad que consumió Alemania, deben ordenar rápidamente a las centrales eléctricas de carbón y gas para reducir su producción. Para que la afluencia de poder "congestione" la red y aumente el riesgo de fallas.

Dichas solicitudes, llamadas reenvíos, cuestan a los clientes alemanes más de € 500 millones (US $ 553 millones) al año porque los operadores de la red deben compensar a las empresas de servicios públicos por los ajustes en sus insumos. También pueden generar emisiones innecesarias de dióxido de carbono si los operadores de la red generan energía adicional que se desperdicia. "Es bastante preocupante que la energía renovable aquí se esté expandiendo tan rápido sin una base de datos adecuada para un pronóstico de energía preciso", dice Renate Hagedorn, un meteorólogo del servicio meteorológico alemán en Offenbach.

Ojo de la tormenta

Los modelos meteorológicos estándar predicen la fuerza y ​​los tiempos de llegada de las tormentas y los frentes climáticos en una región determinada. Pero no pueden, por ejemplo, predecir la fuerza del viento en el centro de una turbina, lo que determina la cantidad de energía que producirá la turbina. El proyecto EWeLiNE de 7 millones de euros, una colaboración que incluye tres operadores de redes principales —50Hertz, Amprion y TenneT— y que está financiado por el Ministerio Federal de Asuntos Económicos y Energía, establecido en 2012 para proporcionar pronósticos de carga que son específicos para el Necesidades de los operadores de red.

La mayoría de las turbinas eólicas están equipadas con dispositivos que miden la velocidad del viento en sus centros, y algunos paneles solares contienen sensores para la intensidad de la luz solar. EWeLiNE combina estos datos con otras observaciones atmosféricas, desde estaciones meteorológicas terrestres, radares y satélites, y los sofisticados modelos informáticos predicen la generación de energía en las próximas 48 horas aproximadamente. El equipo verifica estos pronósticos de potencia contra lo que realmente se materializa, y el aprendizaje automático mejora los modelos predictivos.

Los investigadores de EWeLiNE comenzaron a probar su sistema utilizando paneles solares y datos de turbinas eólicas de toda Alemania el mes pasado. Eventualmente, la idea es que los operadores de la red utilicen el pronóstico de energía para guiar estas solicitudes. Pero muy pocas instalaciones eólicas y solares están configuradas para transmitir los datos en tiempo real, por lo que los resultados aún no se pueden utilizar para ajustar la cantidad de energía producida. En dos años, EWeLiNE planea tener capacidades de transmisión en tiempo real para la mayoría de las instalaciones eólicas y solares en Alemania.

Hay señales de que el enfoque funcionará. El Centro Nacional para la Investigación Atmosférica (NCAR) en Boulder, Colorado, comenzó con un sistema similar en 2009, y ahora está operativo en ocho estados de EE. UU. En Xcel Energy, la empresa de servicios públicos con la mayor capacidad eólica total en los Estados Unidos, el número de errores de pronóstico ha disminuido desde 2009, ahorrando a los clientes unos US $ 60 millones y reduciendo las emisiones anuales de CO 2 de la generación de energía de reserva fósil en más de una Un cuarto de millón de toneladas por año, dice Drake Bartlett, un analista de energía renovable de la firma con sede en Denver, Colorado.

"Alemania tiene algunos muy buenos modeladores que ya están haciendo un buen trabajo sin los datos en tiempo real que tenemos", dice Sue Haupt, quien supervisa la investigación del sistema meteorológico en NCAR. "Una vez que tengan acceso a esos datos, estoy seguro de que se utilizarán con gran efecto".

EWeLiNE no puede simplemente usar el sistema NCAR porque los modelos meteorológicos y los algoritmos que convierten las predicciones meteorológicas en pronósticos de potencia difieren entre los Estados Unidos y Alemania.

Este artículo se reproduce con permiso y se publicó por primera vez el 13 de julio de 2016.