Redes Eléctricas Intelixentes e Intelixencia Distribuida

A dixitalización como punto central das redes eléctricas modernas

O sector enerxético está a experimentar unha transformación sen precedentes impulsada pola dixitalización, a integración de fontes renovables distribuídas e a crecente demanda de fiabilidade e eficiencia. As redes eléctricas intelixentes, tamén coñecidas como “smart grids”, representan a resposta tecnolóxica a estes desafíos, incorporando capacidades avanzadas de monitorización, autocontrol e toma de decisións de forma autónoma.

Neste contexto é relevante mencionar a Industria 4.0, ou tamén chamada a cuarta revolución industrial, onde se integran precisamente as novas tendencias de tecnoloxías dixitais, automatizacións, intercambio de información a alta velocidade e a creación de sistemas intelixentes en diferentes sectores. Estes sistemas son capaces de intercambiar información, realizar accións para optimizar o sistema no seu conxunto e xestionar o equipamento cada vez de forma máis autónoma.

Especificamente no sector enerxético, intégranse tecnoloxías e enfoques baseados nos datos (data-driven) para optimizar a produción da enerxía, a produtividade e facilitar o desenvolvemento dun ecosistema de enerxía máis sostible.

Entre as diferentes tecnoloxías e enfoques que agrupa a Industria 4.0 pódense destacar as seguintes: Internet das Cousas (IoT), Cloud computing, optimización, Edge-Computing, ciber-seguridade e o xemelgo dixital.

As novas xeracións de sistemas eléctricos están a tender ao emprego de dispositivos IoT que contan cunha dirección IP propia, o que permite a súa conexión a rede e a prestación de servizos a través da web. Para evitar accesos non autorizados ou posibles filtracións de información durante o seu funcionamento é imprescindible a integración de medidas de ciberseguridade.

Adicionalmente, grazas ao aumento na capacidade de cálculo dos sistemas de cómputo, os datos recolleitos polos sensores poden ser enviados á nube para o seu procesamento e análise. Como alternativa en función das necesidades de velocidade de actuación en base a esas medidas, parte dese procesamento pode realizarse directamente no bordo da rede (Edge Computing, o que permite actuar cumprindo estritos requisitos de tempo real e baixa latencia.

Doutra banda, a tecnoloxía de xemelgo dixital é unha das que máis interese está a conseguir para mellorar a eficiencia, o mantemento e a supervisión continua dos sistemas.

Xemelgo Dixital como estandarte da monitorización e o autocontrol

A definición de xemelgo dixital (DT) evolucionou ao longo do tempo, establecéndose a súa primeira terminoloxía en 2003 por Michael Grieves [1]. Entre 2003 e 2011, o progreso nas comunicacións e a tecnoloxía dos sensores, as técnicas de simulación e a análise de grandes cantidades de datos, permitiron desenvolver máis en profundidade esta idea. En 2012 a NASA formalizou a definición deste concepto como “unha simulación probabilística, multi-escala e multi-física integrada dun vehículo ou sistema tal e como se construíu, que utiliza os mellores modelos físicos dispoñibles, actualizacións de sensores, historial de flótaa etc., para reflectir a vida útil do seu xemelgo físico correspondente” [2].

De igual forma, ao longo da última década seguiu cambiando a súa descrición, centrándose sempre na idea de representar un sistema físico de forma dinámica, adaptándose ás variacións e condicións operacionales a través da recolección de información/datos dos sistemas de adquisición de forma en liña.

Dada a xeneralidade nas definicións, existe unha confusión moi grande na literatura sobre que é verdadeiramente un DT, e merece a pena deterse en expoñer a diferenza entre os diferentes enfoques de dixitalización dun sistema. Pódense diferenciar 3 fundamentais: o modelo dixital (“Dixital Model”), a sombra dixital (“Dixital Shadow”) e, finalmente, o xemelgo dixital (“Dixital Twin”).

• Modelo dixital: caracterízase por ser unha representación dixital dun sistema ou obxecto físico no que non existe ningún tipo de interacción coa entidade física en cuestión. Un exemplo disto podería ser un modelo estático dunha máquina síncrona en contornas de simulación como Matlab, PLECS…etc.
• Sombra Dixital: está referido a un tipo de modelo que replica o comportamento do sistema físico alimentándose de medidas físicas da entidade real. Só existe unha comunicación unidireccional entre ambos os obxectos. Esta definición concorda con bastante facilidade coas orixes do xemelgo dixital.
• Xemelgo Dixital: xérase cando a información flúe de forma bidireccional entre ambas as entidades, permitindo unha integración completa. Neste escenario, calquera modificación no sistema físico dispara un axuste automático na contraparte dixital, e de igual forma, o obxecto virtual produce cambios ou accións sobre o sistema físico para mellorar o seu comportamento global.

Na actualidade, está a comezarse a desenvolver os “DTs intelixentes”, onde esta nova intelixencia integra características como a proactividad, o tempo real e a predictividad no modelo dixital. Dito doutro xeito, podería sintetizarse na capacidade da réplica virtual para traballar de maneira activa e en liña, proporcionando información relevante cando sexa necesario, cun obxectivo concreto, e a capacidade de anticipar situacións co fin de modificar o comportamento da entidade real. Os avances en IA simplifican a implementación desta evolución do concepto.

Niveis de abstracción e intelixencia distribuída: o inicio dos nodos autónomos

O enfoque do modelado da réplica dixital é fundamental, especialmente no contexto do sector eléctrico onde existen diferentes niveis de resolución, potencia de cómputo dispoñible e a abstracción para representar as partes máis significativas da entidade física. Se o DT proporciona a súa saída nun marco de tempo garantido, por baixo do paso de execución do mesmo, pódese dicir que a réplica ten capacidades de tempo real. Ademais, se este período está moi por baixo do intervalo de tempo de execución, significa que o xemelgo pode proporcionar información relevante con suficiente antelación para utilizarse en decisións de control ou programación. Pola contra, se o cálculo dos resultados supera substancialmente os tempos operativos, só segue sendo adecuado para aplicacións de planificación e deseño.

Por outra banda, en función da fidelidade do modelo, pódense clasificar estes xemelgos dixitais como topolóxicos, estáticos ou dinámicos.

• Topolóxicos: unicamente describen a estrutura do sistema e a interconexión entre os diferentes compoñentes. Un exemplo podería ser un mapa dunha determinada fábrica.
• Estáticos: modelo estático baseado en ecuacións algebraicas, entradas, estados e saídas configurables que emulan un determinado punto de operación. Outro exemplo neste caso podería ser un modelo económico dun determinado mercado.
• Dinámicos: ecuacións ou un código que proporciona unha descrición dun sistema dinámico. Podería ser o modelado termo-eléctrico dun motor.

En base ás relacións na execución e forma de representación do modelo pódese albiscar diferentes variantes de xemelgos.

Outra cuestión crucial a ter en conta é que o despregamento de intelixencia distribuída, supón un cambio de paradigma na xestión da rede eléctrica. En lugar de depender dun centro de control único, as decisións e o procesamento de datos descentralízanse, permitindo que elementos situados na periferia (como convertidores, investidores e outros dispositivos electrónicos) actúen de maneira autónoma como nodos intelixentes.

As principais vantaxes deste enfoque son:

• Escalabilidade: A rede pode crecer e adaptarse sen sobrecargar o control central.
• Robustez: Un fallo nun nodo non compromete o funcionamento global, mellorando a tolerancia a erros.
• Tempos de resposta: As decisións locais tómanse en milisegundos ou microsegundos, clave para a xestión de eventos críticos.
• Optimización local: Cada nodo pode xestionar eficientemente os seus recursos e contribuír ao equilibrio global.

Como sucede na maioría dos casos, a arte atópase no equilibrio, polo que, en función das capacidades de cómputo e o obxectivo do xemelgo, pódese integrar de forma autónoma executándose en paralelo xunto co nodo eléctrico, como puidese ser no sistema de control dun convertidor de potencia ou, despregado na nube para aproveitar o potencial que nos brinda a intelixencia artificial actual.

Os convertidores intelixentes que integran no seu conxunto algunha forma de DT, permiten actuar como nodos autónomos, evolucionando cara a dispositivos máis intelixentes capaces de operar de forma autosuficiente, posibilitando entre moitas outras funcionalidades, servizos como:

• Análise en tempo real do estado da rede eléctrica local e global.
• Tomar decisións autónomas sobre a xestión da enerxía (por exemplo, almacenamento, inxección ou desconexión).
• Comunicarse con outros nodos para coordinar accións e optimizar o fluxo enerxético.
• Realizar mantemento preditivo dos compoñentes máis críticos e que supoñen un maior custo a súa substitución.
• Participar en mercados enerxéticos dixitais.

Esta arquitectura distribuída reduce a dependencia do control central e permite unha xestión máis eficiente, especialmente en redes con alta penetración de renovables e recursos distribuídos.

Aplicacións na rede eléctrica, casos de estudo, perspectivas futuras

A dixitalización e, en especial, o DT en conxunción cos últimos desenvolvementos en IA, permite integrar multitude de servizos/aplicacións no núcleo dos convertidores de potencia. Como aplicacións relevantes poderían mencionarse os seguintes:

1. Monitorización avanzada en tempo real: O DT permite que cada convertidor reporte o seu estado cunha granularidad sen precedentes, incluíndo un seguimento do correcto funcionamento do equipo e comparando as saídas do modelo físico e virtual para atopar discrepancias no mesmo e actuar en consecuencia.

2. Mantemento preditivo de compoñentes e xestión de vida útil: a réplica dixital é capaz de fusionar datos reais con modelos de degradación que permiten detectar fallos en IGBTs, envellecemento de condensadores de DC, perda de capacidade de control por degradación térmica en inductancias…etc.

3. Análise en tempo real da estabilidade do sistema: a versatilidade nos servizos/aplicacións que pode integrar un DT a través da implementación de múltiples capas, permite introducir algoritmias como a análise das marxes de estabilidade do convertidor ao conectarse a unha determinada rede. Esta posibilidade é fundamental na integración masiva de convertidores de potencia, xa que permite optimizar as leis do control e modificar o ancho de banda dos controis para adaptarse a escenarios complexos e redes débiles.

A dixitalización baseada na integración de DTs autónomos é un tema central na actualidade cunha alta penetración na industria do sector enerxético, podendo atopase varias empresas con múltiples liñas de traballo en desenvolvemento.

General Electric (GE) posúe catro patentes directamente relacionadas cos DTs. Entre elas, dous están especificamente asociadas a parques eólicos [4]. A compañía conceptualizó un xemelgo para un parque eólico que incorpora dúas redes de comunicación. A primeira rede establece unha conexión entre os sistemas de control dos aeroxeradores individuais do parque. A outra rede interconecta de igual forma os modelos dixitais. Estas réplicas virtuais actualízanse constantemente a partir dos datos rexistrados pola primeira rede. Este sistema permite proporcionar unha vixilancia en tempo real do estado operativo dos aeroxeradores mediante sensores, ao mesmo tempo que permite xestionar as súas funcións a través dos modelos dixitais.

Siemens aproveitou esta tecnoloxía no ámbito dos sistemas eléctricos e as plantas de tratamento de augas residuais. O xemelgo foi concibido co propósito de mellorar a planificación, operación e mantemento dun sistema eléctrico en Finlandia. Esta iniciativa introduciu melloras substanciais na automatización, o uso de datos e os procesos de toma de decisións [5].

Outro exemplo pode observarse en IBM, onde se empregaron réplicas dixitais en vehículos autónomos para analizar parámetros vitais como a velocidade do motor e a presión do aceite. Este enfoque non só axuda a previr avarías, senón que tamén fomenta o desenvolvemento dun motor máis eficiente [6].

A pesar de todos estes avances, a transición cara a redes eléctricas completamente intelixentes e distribuídas enfróntase a retos importantes e significativos:

• Interoperabilidade: É esencial establecer estándares comúns para garantir a comunicación e coordinación entre dispositivos de diferentes fabricantes.
• Ciberseguridade: O aumento de nodos conectados incrementa a posibilidade dun ciberataque, requirindo sistemas robustos de protección.
• Xestión de datos: O volume de información xerada esixe solucións avanzadas de almacenamento, procesamento e análise.

Doutra banda, as oportunidades son igualmente significativas: maior eficiencia enerxética, integración masiva de renovables, redución de emisións e unha rede máis resiliente e adaptable ás necesidades do futuro.

Conclusión: Resumo e Perspectivas

As redes eléctricas intelixentes e a intelixencia distribuída representan a vangarda da transformación enerxética. A combinación de algoritmos de predición, sensores avanzados, xemelgos dixitais e control descentralizado permite crear sistemas máis eficientes, resilientes e sostibles. Os convertidores autónomos e a electrónica programable abren a porta a unha nova era na que cada nodo contribúe activamente á estabilidade e optimización da rede. Aínda que existen desafíos, o futuro da enerxía pasa pola dixitalización, a descentralización e a colaboración intelixente entre dispositivos, operadores e usuarios.

Para os profesionais do sector, entender e dominar estas tecnoloxías será clave para liderar a transición cara a un sistema eléctrico máis intelixente, seguro e preparado para os retos do século XXI.

Referencias

1. Grieves, Michael. (2016). Origins of the Digital Twin Concept. 10.13140/RG.2.2.26367.61609.
2.  E. Glaessgen and D. Stargel, “The digital twin paradigm for future nasa and u.s. air force vehicles,” 04 2012.
3. Sergio de López Diz, Digital Twin Technology for Enhanced Monitoring and Stability Assessment of DC/AC Three-Phase Power Converters, Thesis 2024.
4. J. A. C. Arnold M. LundKarl MochelJeng-Weei LinRaimundo OnettoJayanthi SrinivasanPeter GreggJeffrey Eric BergmanKenneth D. Hartling, “Digital wind farm system,” US20160333855A1
5. Siemens, “Siemens expands digitalization solutions for the process industries,” 2018. [Online]. Available: https://www.siemens.com/press/en/pressrelease/?press=/en/pressrelease/2018/processindustries-drives/pr2018030215pden.htm
6. IBM, “An engine can become a platform with a digital twin,” 2018. [Online]. https://www.ibm.com/internet-of-things/trending/digital-twin

Imaxe do Templo xianista de Ranakpur | Rajasthan, India