Empresas Premium
Ayesa, proveedor global de servicios de tecnología e ingeniería, ha participado en la competición abierta por Iberdrola ‘Innovation Data Space’ para el desarrollo de algoritmos de Inteligencia Artificial destinados a la predicción de la demanda en la red de baja tensión.
La compañía diseñó modelos de predicción de la demanda a corto y medio plazo, utilizando datos históricos de curvas de carga horaria, con el objetivo de estimar tanto la demanda como la generación en más de 2.000 líneas de baja tensión.
Los modelos desarrollados por Ayesa fueron evaluados junto con los de otros participantes, destacándolos como una de las dos únicas empresas que lograron superar con éxito todos los entregables del reto. De este modo, la iniciativa le ha permitido validar la efectividad de sus modelos en comparación con otros competidores y obtener la certificación como proveedor con capacidad demostrada para llevar a cabo este tipo de proyectos.
La gestión de la infraestructura eléctrica se está volviendo un problema cada vez más complejo, ya que las redes deben manejar no sólo el consumo y generación tradicionales de energía, sino también las fluctuaciones derivadas, entre otras causas, de la creciente integración de fuentes de energía renovable, que introducen una gran incertidumbre en el sistema. En este contexto, la existencia de modelos sofisticados de predicción de la demanda se convierte en un factor clave para la gestión eficiente de la red eléctrica.
Estos modelos permiten anticipar con precisión la evolución de la demanda eléctrica, detectando patrones de consumo en áreas específicas, capturando factores estacionales y ayudando a prever picos de demanda o anomalías en el consumo, lo que es clave para ajustar la oferta energética de forma más precisa y evitar sobrecargas o interrupciones en el suministro.
Adicionalmente, la previsión de la demanda a medio y largo plazo permite a las compañías eléctricas tomar decisiones estratégicas sobre el diseño de las redes, mejorando la estabilidad del sistema eléctrico, optimizando el uso de la energía y reduciendo los costes operativos.
|
