Ikerlan – IA4BAT – Optimización e Inteligencia Artificial para la operación de baterías de segunda vida en tiempo real
Ikerlan
Sector: Energía
Business Case
El almacenamiento de energía es un elemento imprescindible para abordar el reto de la transición energética, mejorar la gestión de la producción renovable y asegurar la estabilidad del sistema eléctrico ante la penetración masiva en las próximas décadas de estas tecnologías renovables intermitentes. En este escenario, las plantas renovables deberán optimizar su participación en mercados de electricidad, proporcionar otros servicios adicionales para mantener la seguridad y calidad del suministro y mejorar su operación en tiempo real. Todo esto se puede realizar gracias a la instalación y óptima operación de baterías.
Objetivos
El objetivo de este proyecto es servir como demostración y validación del almacenamiento energético, en entornos representativos y condiciones reales de funcionamiento, como son las plantas de generación renovable gestionadas por Capital Energy. El almacenamiento eléctrico, entendido como vector energético, posibilitará la gestionabilidad y operación de la generación renovable y las dotará de mejoras técnicas y nuevas prestaciones que no están asentadas a día hoy. Para el desarrollo del módulo de baterías Capital Energy ha trabajado en una plataforma de IA que emplea técnicas de machine learning, y que ha sido integrado y validada en la plataforma Cloud GCP.
Use case
La solución planteada supone la integración de dos sistemas de almacenamiento de segunda vida en una planta renovables gestionada por Capital Energy. Para gestionar estos dos sistemas de almacenamiento y optimizar la participación en los mercados eléctricos de la propia planta renovable, se han desarrollado tres módulos de Inteligencia Artificial dedicados a la degradación de las baterías, predicción de precios de mercado eléctrico y optimización de las operaciones de mercado respectivamente.
Infraestructura
Cloud On Premise
Tecnologías utilizadas
Aprendizaje Automático o Profundo
Datos utilizados
Datasets privados de datos de degradación de baterías. Datasets públicos (datos de mercados eléctricos pasados) junto a datasets privados (estimaciones de mercados eléctricos futuros)
Recursos utilizados
Equipo multidisciplinar de personas investigadoras especializadas en desarrollo de modelos de IA y con amplios conocimientos de sistemas de almacenamiento y mercados eléctricos. Equipos con capacidad de cómputo de alto rendimiento para el entrenamiento de modelos de IA y de optimización de la participación de plantas renovables con almacenamiento en mercados eléctricos.
Dificultades y aprendizaje
Dificultad para obtener datos de degradación de sistemas de almacenamiento y para obtener datos pasados del mercado eléctrico pero sobre todo, para estimaciones futuras. Disponer de personal altamente cualificado tanto en desarrollo de modelos de IA, como con amplios conocimientos de sistemas de almacenamiento y mercados eléctricos.
KPIs (impacto en el negocio y métricas del modelo)
Capital Energy prevé evitar la emisión de más de 575 toneladas de CO2 a la atmósfera derivada de dos fuentes principales: la integración de renovables en el sistema eléctrico y el uso de baterías de segunda vida. Además, gracias a la optimización de la participación en los mercados eléctricos, se espera una mejora en la rentabilidad de las nuevas plantas de generación renovable con sistemas de almacenamiento.
Financiación
El proyecto ha sido financiado gracias al apoyo de RED.ES y el Fondo Europeo de Desarrollo Regional (FEDER), con número de expediente 2020/0720/00099631.
Colaboradores
Capital Energy, Ikerlan S. Coop, BeePlanet Factory, Google Cloud Platform, CIC Consulting
