Sistema inteligente de gestión de almacenamiento energético

Datos

Acrónimo: SIGAE
Socios: Instituto Tecnológico y de Energías Renovables (ITER)
Duración: Estructural
Presupuesto: Interno
Financiación: Interna

Resumen del proyecto

Los sistemas de energía generan, transportan, convierten y consumen energía. Abarcan una amplia gama de dominios, incluidos los sistemas de energía eléctrica, térmicos sistemas utilizados para calefacción y refrigeración, y sistemas de combustible como redes de gas natural o hidrógeno. Adicionalmente, un gran número de dominios interrelacionados influyen en la operación de estos sistemas de energía, incluyendo redes de comunicaciones, agua y transporte.

Por otra parte, los sistemas de energía pueden funcionar en una variedad de escalas, desde un pequeño consumidor individual, hasta comunidades y ciudades, a regiones más grandes que abarcan las redes de transmisión.

Un elemento fundamental y crítico en la operación de estas redes energéticas es el almacenamiento de energía. En redes de tamaño medio es necesario un sistema de control del banco de baterías, que controle la frecuencia y tiempos de carga y descarga de los elementos del banco de batería.

Estos sistemas de control de baterías (BMS) normalmente fijan su algoritmos de toma de decisiones en la optimización del recurso desde una perspectiva del rendimiento y duración del elemento individual. Sin embargo, para una gestión eficiente del recurso de almacenamiento no solo es importante valorar el uso del recurso en un horizonte temporal cercano, si no que también es fundamental prever las necesidades que puede haber de energía en las próximas horas o días.

En la Unidad de Robótica se está trabajando en la aplicación de técnicas de Inteligencia Artificial mediante algoritmos de aprendizaje por refuerzo profundo para la obtención de un modelo predictivo que optimice los recursos de almacenamiento de energía mediante la automatización de su uso.

Para ello se han desarrollado varios modelos de entrenamiento empleando diferentes agentes y entornos para el modelado del sistema energético de ITER. En base a datos históricos de consumos y generación de energía, estos modelos han sido entrenados para ser capaces de tomar decisiones de manera autónoma no solo valorando el corto plazo, sino siendo capaces de identificar patrones de comportamiento para una toma de decisiones más inteligente a un horizonte de más de 24h

Actualmente se encuentran en fase de validación la ejecución de dos modelos entrenados para valorar, tras su ejecución durante un periodo largo, la eficiencia de ambos. Además se trabaja en el entrenamiento de otros modelos que permitan adaptarse a cambios en las condiciones del entorno de trabajo por indisponibilidad de recursos.

Por otra parte, se trabaja en la inclusión de otras series temporales de múltiples parámetros meteorológicos relevantes, para generar modelos para la toma autónoma de decisiones en diferentes modos de operación.