La multinacional eléctrica Endesa, controlada al 70% por el grupo italiano Enel, está tratando de mejorar el control en tiempo real y el mantenimiento preventivo de la red de distribución que lleva la electricidad a los hogares. Y en el logro de este objetico se ha puesto al frente del 'proyecto Pastora'.
Acrónimo de Preventive Analysis of Smart Grids with Real Time Operation and Renewable Assets Integration (Análisis Preventivo de Redes Inteligentes con Operación en Tiempo Real e Integración de Activos Renovables), se buscan soluciones inteligentes e innovadoras para el desarrollo de las 'smart grids', las nuevas redes eléctricas del futuro y dan respuesta a las necesidades del nuevo modelo eléctrico con la integración masiva de las energías renovables, los nuevos modelos de autoconsumo o la progresiva incorporación del coche eléctrico.
Presupuesto de 2,8 millones
El proyecto será desarrollado por un consorcio liderado por Endesa y del que forman parte Ayesa Advanced Technologies, Ormazabal Media Tensión, Ingelectus Innovative Electrical Solutions, AICIA (organismo de investigación vinculado a la Universidad de Sevilla) y la Universidad de Granada.
Con una duración de 31 meses, cuenta con un presupuesto total de 2,8 millones de euros que ha sido en parte subvencionado por el Centro para el Desarrollo Tecnológico Industrial (CDTI), apoyado por el Ministerio de Ciencia, Innovación y Universidades y cofinanciado por la Unión Europea con fondos Feder a través del 'Programa Operativo Plurirregional de España 2014-2020'.
Tecnología 'big data'
En el proyecto se van a utilizar tecnologías 'big data' y técnicas de aprendizaje automático basadas en 'deep learning' e inteligencia artificial para explotar los millones de datos que nos ofrece la nueva red inteligente, una información que va a permitir desarrollar modelos predictivos de cómo se va a comportar la red para mejorar su funcionamiento.
La energética destacó que el objetivo de estas herramientas de análisis masivo de datos y aprendizaje automático, que permiten crear modelos predictivos y entrenarlos con los datos históricos del estado de la red que van almacenándose en tiempo real, es permitir la integración de energías renovables y vehículos eléctricos mediante la predicción del estado de la red, y anticipar dónde pueden producirse incidencias para dirigir las labores de mantenimiento y las inversiones a los puntos más necesarios.