Aplicación de Inteligencia Artificial y Automatización en unidades de Cogeneración

Indicadores y procesos de mejora

La creación de modelos ML para la potencia programada en Cogeneraciones, así como la automatización de subida de esos datos a la Web Comercial de Clientes, permite:

-Reducción de tiempos del personal de planta en actualización manual de dichos valores, que refleja un cálculo mensual basado en estimaciones y cálculos fijos.
-Precisión en la estimación de potencia al emplear algoritmos de Inteligencia Artificial basados en forecasting: se realiza cada hora una previsión de las 36h siguientes. Es un umbral temporal acordado con Despacho Eléctrico, departamento que comercializa la energía.

Tras la evaluación de los modelos ML, tomando como referencia dos unidades de cogeneración que se encuentran en régimen de exportación, los valores de desviación serían 0,95% y 1,99% en comparación con 2,60% y 4,78% que reporta el método manual tradicional, respectivamente.

Cuantificación/Estimación reducción consumo

Considerando el alcance de la iniciativa, la estimación se ha basado en calcular la reducción en la desviación entre el valor real y la potencia programada.

La desviación actual de la previsión de potencia programada es de un 5,4% considerando todas las unidades de Cogeneración. Se ha estimado que con la implementación del proyecto se puede reducir en un 50% esta desviación. Esto supone un beneficio económico importante.

Cuantificación/Estimación reducción emisiones CO2

Incrementar la precisión en las estimaciones del Mercado Eléctrico conlleva una mejor eficiencia de los recursos energéticos disponibles, ya que podría derivar en la reducción de la cantidad de energía a importar y exportar

Innovación aplicada y buenas prácticas

Se ha realizado una labor muy importante de comprensión del funcionamiento de despacho eléctrico para que el automatismo desarrollado no interfiriera en los diferentes mercados de comercialización de la energía. Como consecuencia, la interacción entre el Departamento de Producción y Mercado Eléctrico deriva en alcanzar una mayor eficiencia del proceso.

Adicionalmente, la reducción de acciones manuales mediante la combinación de técnicas de automatización e Inteligencia Artificial han sido claves para mejorar los resultados de potencia programada aportados a Despacho Eléctrico, mitigando las desviaciones entre la realidad y la programación.

En este punto cabe destacar la importancia de la rápida comunicación en la Web de las paradas imprevistas en la unidad gracias a este proyecto: previamente, al ser actualización manual, la previsión de potencia programada reportaban valores no representativos hasta que el usuario lo actualizara. Con este proyecto se solventa esta casuística.

Uso de tecnologías (TICs)

-Modelos ML Forecast en Cloud: capturan la estacionalidad en la producción e incorporar la predicción de variables meteorológicas.
-Conexión a través de la API de Weatherstack para obtención de la citada información meteorológica.
-Solución de automatización vía aplicación rest-event-bus. Esta aplicación se basa en un sistema productor de datos que es el que envía la información y otros sistemas que consumen los datos. Es un proceso asíncrono y se basa en colas RabbitMQ.
-Desarrollo de un sistema de monitorización y correspondiente alarmado para garantizar la calidad del dato ingestado a la web, incluyendo avisos vía email para los usuarios finales si fuera necesario.
-Dashboards Grafana para visualización de las salidas de modelos ML, lo que permite un seguimiento directo por el usuario final.
-Desarrollo en fuentes de datos existentes de variables con posibilidad de recibir datos hacia futuro (valor actual más 36h) en comparación con el uso tradicional único para tiempo real.