Multiverse Computing – Gemelo digital para la aplicación de computación cuántica en plantas de generación de hidrógeno (GDH2)
Multiverse Computing
Sector: Energía
Business Case
Actualmente, el electrolizador de hidrógeno enfrenta varias problemáticas. Una de las principales es la eficiencia energética, ya que la conversión de electricidad en hidrógeno puede tener pérdidas significativas. La durabilidad y vida útil de los componentes también son desafíos, ya que la corrosión y el desgaste pueden afectar su funcionamiento a largo plazo. Además, la disponibilidad y coste de los materiales utilizados en los electrolizadores son consideraciones importantes. Finalmente, la integración efectiva de los electrolizadores en el sistema energético y su respuesta a la variabilidad de la generación renovable plantean desafíos adicionales. Estas problemáticas deben abordarse para hacer del electrolizador de hidrógeno una opción viable y eficiente en la producción de hidrógeno verde.
Objetivos
Investigación de las tecnologías de gemelo digital y computación cuántica para la optimización de la electrólisis aplicada a la generación de hidrógeno verde. Caracterización de una planta de hidrógeno y desarrollo de su gemelo digital. Investigación y parametrización del proceso de electrólisis de hidrógeno verde. Aplicación de algoritmos de computación cuántica para optimización del proceso de generación de hidrógeno y del consumo energético de este proceso.
Use case
Solución: integración de algoritmos cuánticos de optimización en el gemelo digital del proceso de generación de hidrógeno. Se llevará a cabo siguiendo los siguientes pasos: (1) Desarrollo del gemelo digital de una planta de Hidrógeno, (2) Parametrización del proceso de electrólisis de hidrógeno verde , (3) Algoritmos cuánticos para optimizar la producción de hidrógeno verde, (4) Integración del algoritmo cuántico en el “digital twin”
Infraestructura
Cloud
Tecnologías utilizadas
Cuántica Aprendizaje Automático o Profundo
Datos utilizados
Datasets públicos o privados + generación de datos sintéticos
Recursos utilizados
Para el desarrollo del proyecto se ha empleado personal interno tanto de Multiverse como del resto de entidades socias además de acceso a hardware cuántico (D-Wave)
Dificultades y aprendizaje
Dificultad a la hora de conseguir datos reales Falta de conocimiento sobre el gemelo digital del electrolizador, por este motivo vamos de la mano de una ingeniería especializada. Falta de validación en entorno real -> siguientes fases del proyecto
KPIs (impacto en el negocio y métricas del modelo)
Reducción de emisiones (agua) Vectorización de electricidad de fuentes renovables Reducción de costes de producción € 5-8 /kg (proceso de optimización)
Financiación
El programa de apoyo a las Agrupaciones Empresariales Innovadoras (AEI) (AEI-010500-2022b-317)
Colaboradores
Idea Ingeniería y Ametic
