La inteligencia artificial puede optimizar las redes eléctricas, mejorando su eficiencia y permitiendo una mayor integración de energías renovables, a pesar de sus crecientes demandas energéticas.
La inteligencia artificial (IA) ha acaparado la atención mediática en los últimos tiempos, especialmente por sus exigencias energéticas en constante aumento, así como por el notable incremento en el consumo eléctrico de los centros de datos que facilitan el entrenamiento y despliegue de los modelos generativos más recientes. Sin embargo, no todo son malas noticias; algunas herramientas de IA tienen el potencial de reducir ciertos tipos de consumo energético y contribuir a la creación de redes eléctricas más limpias y eficientes.
Una de las aplicaciones más prometedoras es la optimización de la red eléctrica mediante IA, lo que podría mejorar su eficiencia, aumentar su resistencia ante fenómenos climáticos extremos e integrar una mayor cantidad de energía renovable. Para profundizar en este tema, MIT News conversó con Priya Donti, profesora del Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT y principal investigadora en el Laboratorio de Sistemas de Información y Decisión (LIDS), cuya labor se centra en aplicar el aprendizaje automático para optimizar la red eléctrica.
Q: ¿Por qué es necesario optimizar la red eléctrica desde un principio?
A: Es fundamental mantener un equilibrio exacto entre la cantidad de energía que se inyecta en la red y la que se extrae en cada momento. Sin embargo, existe incertidumbre en el lado de la demanda. Las empresas eléctricas no solicitan a los consumidores que registren con antelación cuánta energía utilizarán, lo que implica que deben realizar estimaciones y predicciones.
En cuanto al suministro, suele haber variaciones en los costos y disponibilidad del combustible que los gestores de la red deben atender. Este aspecto se ha vuelto aún más crítico debido a la integración de fuentes renovables intermitentes como la solar y eólica, donde las condiciones climáticas pueden influir significativamente en la disponibilidad energética. Además, dependiendo del flujo energético dentro de la red, parte del poder se pierde por calor resistivo en las líneas eléctricas. Por lo tanto, surge una pregunta crucial para los operadores: ¿cómo garantizar que todo funcione correctamente? Aquí es donde entra en juego la optimización.
Q: ¿Cómo puede ser más útil la IA en la optimización de redes eléctricas?
A: Una forma en que la IA puede ser beneficiosa es utilizando una combinación de datos históricos y tiempo real para hacer predicciones más precisas sobre cuánta energía renovable estará disponible en un momento dado. Esto podría llevar a una red eléctrica más limpia al permitirnos manejar mejor estos recursos.
Además, la IA puede ayudar a resolver problemas complejos relacionados con la optimización que enfrentan los operadores para equilibrar oferta y demanda mientras reducen costos. Estos problemas determinan qué generadores deben producir energía, cuánto deben generar y cuándo hacerlo, así como cuándo cargar o descargar baterías y si podemos aprovechar flexibilidad en las cargas energéticas. Dado que estos problemas son computacionalmente intensivos, los operadores suelen recurrir a aproximaciones para resolverlos dentro de plazos viables. Sin embargo, estas aproximaciones pueden ser imprecisas, especialmente al integrar más energía renovable a la red. La IA puede ofrecer aproximaciones más precisas y rápidas que se implementen en tiempo real para ayudar a gestionar proactivamente la red.
Q: ¿Cómo deberíamos considerar los pros y contras de la IA desde una perspectiva del sector energético?
A: Es esencial recordar que **la IA** abarca un conjunto heterogéneo de tecnologías. Existen diferentes tipos y tamaños de modelos utilizados para diversas aplicaciones. Un modelo entrenado con menos datos y parámetros consumirá significativamente menos energía que uno grande y generalista.
Dentro del sector energético hay numerosas áreas donde el uso específico de modelos AI resulta favorable desde una perspectiva costo-beneficio. En estos casos, las aplicaciones están facilitando beneficios desde un enfoque sostenible —como incorporar más energías renovables a la red— apoyando estrategias para descarbonizar.
A nivel general, es crucial evaluar si nuestras inversiones actuales en IA realmente coinciden con los beneficios deseados. Actualmente parece que no es así; hay un desarrollo excesivo enfocado en un subconjunto particular de tecnologías AI, las cuales no necesariamente ofrecen los mayores beneficios posibles para aplicaciones energéticas y climáticas. No afirmo que estas tecnologías sean inútiles; sin embargo, son increíblemente intensivas en recursos sin proporcionar grandes ventajas al sector energético.
Siento entusiasmo por desarrollar algoritmos AI que respeten las limitaciones físicas propias de las redes eléctricas para poder implementarlos con credibilidad. Este es un desafío complicado; si un modelo LLM comete un error menor, generalmente podemos corregirlo mentalmente como humanos. Pero si ocurre lo mismo al optimizar una red eléctrica, eso podría resultar en un apagón a gran escala. Necesitamos construir modelos diferentes; esto también representa una oportunidad para beneficiarnos del conocimiento sobre cómo funcionan físicamente las redes eléctricas.
A nivel global, considero fundamental que quienes estamos involucrados técnicamente orientemos nuestros esfuerzos hacia fomentar un sistema más democratizado para el desarrollo e implementación de IA alineado con las necesidades prácticas sobre el terreno.