Cómo la IA y blockchain están impulsando la transición energética

Muchas personas que están cada vez más desesperadas por los efectos negativos del cambio climático probablemente lo hayan pensado: ¿Por qué no podemos volvernos completamente ecológicos? ¿Por qué es tan difícil dejar de consumir combustibles fósiles? Como siempre, las respuestas son numerosas: las energías renovables son demasiado caras, demasiado poco fiables, demasiado poco desarrolladas y no hay un sustituto adecuado para los combustibles fósiles . Todas estas razones contienen un mínimo de verdad. Sin embargo, nuestro mayor desafío sigue siendo la falta de voluntad política, ya que reducir nuestra dependencia de los combustibles fósiles requiere inversiones específicas que ofrezcan beneficios inciertos a largo plazo.

De hecho, los científicos han seguido logrando avances notables en la solución de uno de los mayores problemas de la energía limpia: la naturaleza intermitente e impredecible de la energía renovable.

Ahora los investigadores han encontrado otra solución para hacer que las energías renovables sean más fiables: Plataformas comerciales de energías renovables que utilizan IA y tecnología blockchain.

Científicos holandeses han desarrollado con éxito Distro, una plataforma de comercio de microrredes basada en almacenamiento photo voltaic y de baterías, basada en la tecnología de contabilidad distribuida blockchain e inteligencia synthetic.

La distribución es buena tanto para el ganso como para el espectador: la plataforma ha mostrado ahorros de dos dígitos en los costos de energía para los clientes, así como un aumento comparable en las ventas para los productores de energía renovable.

Comercio de energía de alta frecuencia

La plataforma Distro, desarrollada por S&P World Platts y Blocklab Rotterdam para respaldar el comercio de energía a frecuencias muy altas, utiliza contratos inteligentes de blockchain para garantizar que todas las transacciones sean validadas y son inmutables.

Distro es una plataforma de comercio de energía de microrred de alta frecuencia que aprovecha la inteligencia synthetic y la cadena de bloques optimizando el suministro y asegurando que satisface la demanda de los consumidores de una manera muy granular. Esto se refleja en los rápidos cambios en los precios locales de la energía. En otras palabras, Distro promueve un menor consumo durante los períodos de baja producción de energía al bajar los precios durante los períodos de alta producción de energía.

Temas relacionados: El poder geopolítico de la revolución de la pizarra está menguando

Durante la prueba, Distro hizo posible reducir los costos de energía en un 11% para los usuarios finales y aumentar los ingresos de los productores de energía en un 14%, así como aumentar los Retorno de la inversión para almacenamiento de batería en un 20%.

Otra ventaja: Distro puede reducir considerablemente el desperdicio. Con el 92% de la energía photo voltaic whole generada en el muelle que es utilizada por comercios locales.

En otras palabras, todos ganan con Distro.

AI impulsando una revolución de energía limpia

Distro no es la primera plataforma en demostrar que estas tecnologías de vanguardia como AI y blockchain pueden usarse para mejorar en gran medida la confiabilidad de las fuentes de energía renovable como el sol y el viento.

De las empresas de servicios públicos que utilizan inteligencia synthetic y aprendizaje automático para predecir las fluctuaciones del rendimiento y la optimización de costos para las empresas que utilizan sensores de IoT para la detección temprana de errores y para monitorear incendios / transmisiones forestales A continuación, se muestran ejemplos de la práctica cómo estas tecnologías de vanguardia están impulsando un cambio energético incluso durante la pandemia

# 1. Innowatts: management y gestión de la energía La disaster de Covid-19 ha provocado una disminución sin precedentes en el consumo de electricidad . No solo ha disminuido el consumo normal, sino que el patrón de consumo de energía también ha cambiado drásticamente. Las empresas y las industrias han caído drásticamente, mientras que el uso doméstico ha aumentado a medida que más personas trabajan desde casa.

Houston, Texas Innowatts [19659002] es una startup que ha desarrollado un juego de herramientas automatizado para el management y la gestión de la energía. La plataforma eUtility de la compañía recopila datos de más de 34 millones de medidores de energía inteligentes en 21 millones de clientes, incluidas las principales empresas de servicios públicos de EE. UU. Como Arizona Public Service Electrical, Portland Common Electrical, Avangrid, Gexa Vitality, WGL y Mega Vitality. Según Innowatts, los algoritmos de aprendizaje automático pueden analizar los datos para predecir múltiples puntos de datos críticos, incluidas las tensiones, desviaciones, sensibilidad climática a corto y largo plazo y más.

Temas relacionados: Sectores de energía más amenazados por la presidencia de Biden

Innowatts estima que sin sus modelos de aprendizaje automático, las empresas de servicios públicos en el apogeo de la disaster tenían imprecisiones del 20% o más en sus pronósticos identificado, lo que ejerce una gran presión sobre sus operaciones y, en última instancia, aumenta los costos para los usuarios finales.

# 2. Google: Incrementar el valor de la energía eólica

Hace algún tiempo informamos que los proponentes nucleares utilizaron la pandemia para resaltar sus puntos fuertes sobre las deficiencias en las fuentes de energía renovable . De las principales fuentes de energía, el viento y el sol son las menos predecibles y persistentes, mientras que la nuclear y el gasoline pure tienen los factores de capacidad más altos.

Bueno, un gigante de la tecnología descubrió cómo utilizar la IA para solucionar esos problemas.

Hace tres años, Google anunció que había logrado un 100% de energía renovable para sus operaciones globales, incluidos sus centros de datos y oficinas. Hoy en día, Google es el mayor consumidor corporativo de energía renovable con un whole de 2,6 gigavatios (2600 megavatios) de energía eólica y photo voltaic.

En 2017, Google trabajó con IBM para encontrar una solución a la naturaleza altamente intermitente de la energía eólica. Utilizando la plataforma DeepMind AI de IBM Google implementó algoritmos de aprendizaje automático con una capacidad de energía eólica de 700 megavatios en el centro de Estados Unidos, suficiente para alimentar una ciudad de tamaño mediano.

IBM cube que se utiliza una purple neuronal DeepMind está capacitado en pronósticos meteorológicos ampliamente disponibles y datos históricos de turbinas y ahora puede predecir la producción de energía eólica 36 horas antes de la generación actual. Como resultado, esto ha aumentado el valor de la energía eólica de Google en aproximadamente un 20 por ciento.

Otros operadores de parques eólicos pueden utilizar un modelo related para realizar optimizaciones más inteligentes, más rápidas y basadas en datos de su producción de energía para satisfacer mejor a los clientes.

DeepMind de IBM utiliza redes neuronales capacitadas para predecir la producción de energía eólica 36 horas antes de la generación actual. .

Fuente: DeepMind

# 3 Monitoreo de transmisión y líneas eléctricas de incendios forestales

En junio, la empresa de servicios públicos más grande de California, Pacific Gasoline & Electrical, estaba en serios problemas . PG&E se declaró culpable del trágico accidente del incendio forestal de 2018 que mató a 84 personas y fue sentenciado a fuertes multas de $ 13.5 mil millones en compensación para las personas que perdieron hogares y negocios, más una más como resultado. La Comisión de Servicios Públicos de California multó con $ 2 mil millones por negligencia. [19659005] No hace falta decir que será un largo ascenso a la cima para el gigante caído después de que sus acciones colapsaran casi un 80% después de la catástrofe a pesar de la quiebra de la compañía en julio.

Quizás la pérdida de vidas y medios de subsistencia podría haberse evitado si PG&E hubiera invertido en un sistema de alerta temprana basado en inteligencia synthetic.

Uno de estos sistemas es operado por una puesta en marcha llamada VIA con sede en Somerville, Massachusetts. Según VIA, se ha desarrollado una aplicación basada en blockchain que puede predecir cuándo los dispositivos de transmisión de energía vulnerables, como los transformadores, podrían estar en riesgo en caso de un desastre. La aplicación VIA hace un mejor uso de las fuentes de datos de energía, incluidos los medidores inteligentes o las inspecciones de dispositivos.

Otro producto comparable proviene de la empresa coreana Alchera que utiliza reconocimiento de imágenes basado en IA en combinación con cámaras térmicas y estándar para monitorear líneas eléctricas y subestaciones en tiempo actual. El sistema de IA está capacitado para monitorear la infraestructura en busca de eventos inusuales como árboles caídos, humo, incendios e incluso intrusos.

Además de las empresas de servicios públicos, los productores de petróleo y gasoline también han integrado la IA en sus operaciones. Estos incluyen:

  • ExxonMobil – Exxon se ha asociado con IBM para investigar el uso de inteligencia synthetic y computadoras cuánticas para acelerar el desarrollo de simulaciones más realistas y desarrollar cálculos químicos para una captura de carbono más eficiente.
  • BP Plc : utiliza tecnología de inteligencia synthetic para mejorar el rendimiento de su sistema Lubricant ERP y lograr tiempos de respuesta un 40% más rápidos.
  • Royal Dutch Shell : una de las primeras utilidades en utilizar esta tecnología, Shell utiliza inteligencia synthetic, aprendizaje automático, visión por computadora y aprendizaje profundo, así como vehículos autónomos y robótica en la perforación y extracción para mantener seguros a los clientes y empleados mejorar. Shell también ha utilizado inteligencia synthetic para el mantenimiento predictivo de miles de activos críticos en todo el mundo.

Por Alex Kimani para Oil Genealogie

Más lecturas principales de Oil Genealogie: [19656570]! Función (f, b, e, v, n), t, s) {if (f.fbq) return; n = f.fbq = operate () {n.callMethod? n.callMethod.apply (n, argumentos): n.queue.push (argumentos)}; if (! f._fbq) f._fbq = n; n. empujar = n; n.loaded =! 0; n.model = & # 39; 2.0 & # 39 ;; n.queue = []; t = b.createElement (e); t.async =! 0; t.src = v; s = b.getElementsByTagName (e) [0]; s.parentNode.insertBefore (t, s)} (ventana, documento, & # 39; script & # 39;, & # 39; https: // join.fb.internet/en_US/fbevents.js');fbq (& # 39; init & # 39 ;, & # 39; 332667700771750 & # 39;); fbq (& # 39; monitor & # 39 ;, & # 39; PageView & # 39;); .

Be the first to comment

Leave a Reply

Your email address will not be published.


*