Cómo la IA está ayudando a garantizar la seguridad y confiabilidad de la infraestructura energética de EE. UU.

Los científicos de Argonne están aprovechando el poder de la inteligencia artificial para transformar el mantenimiento de los activos de la red energética, ayudando a las compañías eléctricas estadounidenses a identificar y abordar los problemas incluso antes de que ocurran.

La necesidad de energía de Estados Unidos nunca ha sido mayor y continúa creciendo: presentaciones recientes ante la Comisión Federal Reguladora de Energía muestran que los planificadores de redes esperan que la demanda crezca casi un 5% en los próximos cinco años. Para satisfacer las necesidades energéticas del futuro, las empresas energéticas deben poner en funcionamiento nuevas plantas manteniendo al mismo tiempo su infraestructura existente.

Las fuentes de energía renovables, como la eólica, la solar y la hidroeléctrica, desempeñarán un papel cada vez más importante. Estados Unidos pretende generar el 44% de su energía a partir de recursos renovables en 2050, más del doble de la energía generada actualmente por estas nuevas tecnologías.

Se espera que la energía solar proporcione el 22% de nuestra energía y otro 14% provenga de la eólica. La integración de estas nuevas fuentes de energía en la red implicará la instalación de cientos de millones de inversores, todos los cuales deberán recibir mantenimiento.

Mientras tanto, partes de la red existente son viejas y empiezan a fallar. La edad promedio de las instalaciones hidroeléctricas en Estados Unidos es de más de 70 años. Muchos se están acercando al final de su vida útil operativa y requieren inspecciones y mantenimiento exhaustivos. El estado de las líneas eléctricas, las redes de distribución y los gasoductos de Estados Unidos es aún más preocupante. La Sociedad Estadounidense de Ingenieros Civiles otorgó a estos sistemas una calificación de C- en 2021.

Monitorear y mantener la salud de este conjunto diverso de activos energéticos de diferentes edades es crucial para garantizar la confiabilidad y seguridad de nuestra red eléctrica. Sin embargo, es posible que las compañías eléctricas no sepan que hay un problema con sus equipos hasta que algo se rompa.

Los investigadores del Laboratorio Nacional Argonne del Departamento de Energía de EE. UU. están interviniendo para abordar esta necesidad. Trabajando en estrecha colaboración con compañías eléctricas de todo el sector energético, desde antiguas plantas hidroeléctricas hasta enormes instalaciones solares, están remodelando la forma en que las empresas abordan el mantenimiento de la infraestructura energética y los activos de energía limpia del país.

Utilizando lo último en tecnología de inteligencia artificial (IA), los investigadores de Argonne desarrollaron un software compatible con IA que podría predecir cuándo fallarían los componentes de la red. El sistema analiza grandes cantidades de información que las empresas de energía recopilan de los sensores instalados en toda la red, creando un modelo predictivo que pronostica el desgaste a lo largo del tiempo. En última instancia, el software podría recomendar cuándo reparar o reemplazar piezas antes de que ocurra cualquier problema.

«Las empresas quieren conocer la salud de sus activos», afirmó Feng Qiu, jefe del grupo de Modelado Avanzado de Redes de Argonne, quien dirigió esta investigación. «Nuestros modelos de pronóstico que aprovechan la información de monitoreo de condición pueden indicarles el tiempo restante útil de su equipo: cuántos años, meses y semanas le quedan».

Shijia Zhao, científica de sistemas energéticos de Argonne que desempeñó un papel crucial en la investigación, explica que su enfoque va más allá de las estrategias tradicionales de mantenimiento reactivo. «En lugar de esperar a que el equipo se estropee, utilizamos IA para identificar proactivamente problemas potenciales y programar el mantenimiento justo a tiempo, ahorrando tiempo y dinero a las empresas de energía».

En el centro de este enfoque innovador está la capacidad de estimar el estado de la infraestructura y los activos, predecir riesgos de fallas y adaptar las decisiones de mantenimiento basadas en datos actuales del mundo real. Al pasar de modelos de laboratorio a datos recopilados en el campo, los investigadores de Argonne han demostrado cuán útil puede ser esta tecnología para los proveedores de energía.

En un proyecto sobre inversores solares, el equipo demostró que potencialmente podría reducir los costos totales de mantenimiento entre un 43% y un 56%, las visitas innecesarias del personal entre un 60% y un 66% y aumentar las ganancias entre un 3% y un 4%.

«Nuestro objetivo es dotar a los proveedores de energía de las herramientas que necesitan para garantizar una red fiable y resistente durante los próximos años», afirmó Qiu. «Con esta tecnología, las empresas pueden tomar decisiones informadas sobre cuándo y cómo reparar o reemplazar equipos, mejorando en última instancia la eficiencia, seguridad y confiabilidad generales de la infraestructura energética de Estados Unidos».

Los beneficios de esta investigación van mucho más allá del ahorro de costos y el aumento de la eficiencia. Al minimizar el tiempo de inactividad y abordar los problemas de mantenimiento antes de que se agraven, los proveedores de energía pueden mejorar la confiabilidad y resiliencia de la red, factores cruciales en una era de creciente demanda de energía y un panorama energético en evolución.

La potencia y la escala de los modelos de optimización y predicción basados ​​en IA significan que pueden optimizar el mantenimiento a nivel de la red. «Esto es fundamental para mantener las luces encendidas», afirmó Qiu.

Al observar de manera integral la red eléctrica (desde las centrales eléctricas hasta las líneas eléctricas), los modelos pueden predecir fallas en toda la red que produce y transporta electricidad desde donde se genera hasta donde se consume.