Su diseño permite combinar datos de eficiencia de producción de las turbinas de gas y vapor de estas plantas, con variables como la energía consumida por la propia planta y la predicción de la temperatura exterior, que es «determinante» para la eficiencia de estas plantes de energía sostenible, según ha informado la institución académica en un comunicado.
La pyme Ceteck, dedicada al desarrollo de software y servicios para la Industria 4.0, había diseñado un sistema de monitorización de todos los parámetros en cada una de las máquinas que componen una planta de cogeneración, capturando gran cantidad de información en tiempo real, mediante sistemas de Big Data. Pero querían mejorar su precisión, por lo que decidieron colaborar de nuevo con la CEU UCH.
Según destaca el fundador de Ceteck, Ernesto Bedrina, «queríamos dar un paso más en nuestra tecnología y para eso necesitábamos acceder al conocimiento generado por la investigación sobre la aplicación de la IA para generar predicciones mucho más ajustadas. Gracias a esta nueva colaboración con la Universidad, en concreto con el grupo de investigación ESAI del doctor Juan Pardo Albiach en la CEU UCH, nuestro gemelo digital mejora su eficacia predictiva, lo que le da más valor en el mercado energético».
Modelos predictivos y eficiencia energética
Para conocer la capacidad de producción de energía eléctrica y energía térmica de una planta de cogeneración es necesario predecir la generación de ambas turbinas, tanto la de gas como la de vapor, y a su vez establecer la energía que va a ser consumida por la propia planta, según ha informado la institución académica en un comunicado.
A ello se suma un factor determinante para la efectividad del proceso de cogeneración: la temperatura exterior en la ubicación exacta de cada planta. Dado que no es fácil obtener una predicción de temperatura muy ajustada por los canales habituales, ya que una planta puede estar ubicada en una zona geográfica donde no haya una estación cercana, se decidió incorporar al modelo una instalación atmosférica propia, para predecir la temperatura a partir de datos propios.
Todo esto implica el manejo de una cantidad elevada de variables a monitorizar y estudiar para ver sus efectos sobre la predicción de producción energética. Según destaca el profesor Juan Pardo Albiach, investigador principal del Grupo ESAI de la CEU UCH, «para hacer predicciones de producción que combinen todo este volumen de datos y que sean ajustadas es necesario desarrollar modelos de aprendizaje automático basados en datos».
Además, estos modelos «han de ser explicativos, es decir, que mediante técnicas de IA nos permitan entender cuáles son aquellas variables que más influyen en la producción de energía y en la mejora de la eficiencia de las plantas de cogeneración».
La colaboración entre Ceteck y la CEU UCH ha permitido realizar un modelado o gemelo digital de la estructura de una planta de cogeneración, con el fin de poder extender su uso a distintas plantas energéticas de cogeneración con características similares, lo qe permite a Ceteck ampliar su cuota de mercado en el sector energético.
Ambas entidades ya colaboraron en un proyecto previo de gemelo digital, desarrollado en 2022, para la predicción de fallos en diferentes tipos de maquinaria a partir del análisis de vibraciones, que permite realizar un mantenimiento predictivo y evitar las paradas de emergencia que detienen la producción. La pyme valenciana Ceteck desarrolla software y servicios para la Industria 4.0 destinados a la optimización de los procesos de producción industrial y a la sostenibilidad ambiental mediante la aplicación de tecnologías avanzadas a la industria.
El grupo Embedded Systems and Artificial Intelligence (ESAI) de la CEU UCH, que dirige en la CEU UCH el profesor Juan Pardo Albiach, aplica técnicas de inteligencia artificial, minería de datos y otras técnicas avanzadas de estadística a problemas relacionados con el Big Data o grandes conjuntos de datos generados en tiempo real, para el desarrollo de sistemas de inteligentes, aprendizaje automático, detección de patrones y comprensión de grandes volúmenes de datos.
Sin comentarios
Para comentar es necesario estar registrado en Ultima Hora
De momento no hay comentarios.