Usan inteligencia artificial para fortalecer la red eléctrica

El sistema de la red eléctrica estadounidense y de otros países desarrollados no solo es grande sino también dinámico, lo que lo hace especialmente difícil de manejar. Los operadores humanos saben cómo mantener los sistemas cuando las condiciones son estáticas. Pero cuando las condiciones cambian rápidamente, debido a fallos repentinos, por ejemplo, los operadores carecen de una forma clara de anticipar cómo debe adaptarse mejor el sistema para cumplir con los requisitos de seguridad y protección. En el Laboratorio Nacional Argonne del Departamento de Energía de los Estados Unidos (DOE), un equipo de investigación ha desarrollado un novedoso enfoque para ayudar a los operadores de sistema a comprender cómo controlar mejor los sistemas de energía con la ayuda de inteligencia artificial. Su nuevo método podría ayudar a los operadores a controlar los sistemas de energía de una manera más eficaz, lo que podría mejorar la resistencia de la red eléctrica estadounidense, según un reciente artículo en la revista IEEE Transactions on Power Systems. El nuevo método permite a los operadores tomar decisiones considerando tanto las características estáticas como dinámicas de un sistema de energía en un único modelo de toma de decisiones con mayor precisión, un desafío históricamente difícil. "La decisión de apagar o encender un generador y determinar su nivel de potencia de salida es un ejemplo de decisión estática, una acción que no cambia dentro de un cierto tiempo. Sin embargo, la frecuencia eléctrica, que está relacionada con la velocidad de un generador, es un ejemplo de característica dinámica, porque podría fluctuar en el tiempo en caso de una interrupción (por ejemplo, una carga disparada) o una operación (por ejemplo, un interruptor cerrado)", dijo el científico computacional de Argonne Feng Qiu, que fue coautor del estudio. "Si pones las formulaciones dinámicas y estáticas juntas en el mismo modelo, es algo esencialmente imposible de resolver".

Fuente: NCYT