Cuando accionamos el interruptor de la luz en nuestros hogares, esperamos acceso instantáneo a la electricidad.Detrás de escena, esa confiabilidad depende de los operadores de servicios públicos que han desarrollado sistemas de control y mecanismos de seguridad para mantener el flujo de energía.

Pero los tiempos están cambiando rápidamente y los operadores de servicios públicos se enfrentan a una red eléctrica en evolución que se ha convertido en una red compleja de diversas fuentes de energía, opciones emergentes de almacenamiento de energía en la red y una demanda acelerada de electricidad para el transporte, la informática y los usos industriales.

Ante el desafío de la modernización de la red eléctrica, muchos han pedido que se apoye a los administradores y operadores de servicios públicos con inteligencia artificial (IA) yaprendizaje automático(ML) herramientas que pueden eliminar parte de su carga de toma de decisiones.

Es comprensible que las empresas de servicios públicos sean cautelosas a la hora de adoptar nuevas tecnologías cuando las consecuencias de una falla son costosas y podrían afectar a los clientes.Además, los beneficios y los casos de negocio de estas tecnologías aún no están claros.

Ahora, un equipo de investigación dirigido por el Laboratorio Nacional del Noroeste del Pacífico ha desmitificado su papel emergente en la red eléctrica con consejos prácticos.En un informe completo, el equipo apunta hacia un momento en el que ML pueda convertirse en un socio confiable para los operadores de servicios públicos del país.Como rama de la IA, el ML utiliza modelos matemáticos y datos del mundo real para tomar decisiones basadas en la lógica y el conocimiento previo.

"Los operadores de servicios eléctricos están buscando herramientas que les ayuden a comprender el estado actual del sistema, predecir lo que sucederá en el futuro y luego presentar una recomendación sobre qué tipo de acciones deben tomar para prepararse para ese futuro", dijo Yousu Chen,un experto en simulación y modelado de sistemas de energía del PNNL.Actualmente, dirige el programa de Modelado Avanzado de Redes de la Oficina de Electricidad del Departamento de Energía en PNNL.

Chen y su equipo brindan orientación experta que describe los desafíos y oportunidades que brinda ML para ayudar a administrar una red eléctrica cada vez más compleja y describen algunas de las herramientas que se han desarrollado.

La complejidad gobierna la red eléctrica;El aprendizaje automático puede ayudarnos a afrontar la situación.

Durante más de un siglo, la naciónred electricaoperado con producción de energía centralizada a partir de carbón, gas, energía hidráulica ycentrales nucleares.Hoy en día, esa infraestructura está evolucionando rápidamente para incluir una variedad mucho más amplia de fuentes de energía con diferentes atributos, junto con una demanda mucho mayor de electricidad para alimentar la infraestructura informática, de transporte y de fabricación avanzada.

Según Chen y sus colegas, las estrategias informáticas y de gestión de datos modernas que incluyen el aprendizaje automático se han mostrado prometedoras para ayudar a gestionar nuestra red eléctrica.El mayor desafío para la adopción en 2024 es la confianza en la tecnología, afirma Chen.

Como se describe en el informe completo, hay varios desafíos que deben abordarse cuidadosamente.Incluyen:

Respuestas confiables:Los investigadores del PNNL observaron de cerca un algoritmo de aprendizaje automático aplicado asistemas de energía.Después de entrenarlo con datos reales de la Interconexión Oriental de la red, descubrieron que el algoritmo era 85% confiable en sus decisiones.

Esto se denomina "puntuación de confianza", un valor que refleja la confianza que tiene el sistema en sus decisiones.Cuando los investigadores pusieron al tanto a expertos humanos, vieron unamarcada mejora con respecto a la evaluación que hace el sistema de sus propias decisiones.Los investigadores del PNNL llaman a la puntuación del ser humano en el circuito una "confianza derivada de expertos" o puntuación EDC.