Modelo de predicción de consumo energético

Descripción de la actividad de la organización

Empresa tecnológica experta en Sistemas Ciberfísicos e Inteligencia Artificial creada en 2018, con sedes en Donostia y Bidart .

Sector

Actividades de programación informática

Nº de personas empleadas

14

Localización

Antecedentes

Las empresas generadoras y distribuidoras de energía eólica, al no ser posible su almacenamiento, han venido perdiendo la energía generada que no era utilizada. Por el contrario, en los momentos en los que la producción no era suficiente, han tenido que comprar la energía para dar respuesta a sus clientes, lo que suponía un encarecimiento de la energía. Por ello se ha buscado una alternativa que permitiese conocer la necesidad de energía con suficiente antelación para poder vender el excedente o comprar la energía necesaria para completar la necesidad en cada momento al mejor precio posible.

Reto

El principal reto del proyecto ha sido diseñar un modelo de predicción que se alimenta de información de manera constante, por lo que, para realizar las predicciones de consumo energético, además de la información histórica de consumos energéticos que ha facilitado el cliente y la información meteorológica histórica, se nutre en todo momento de cualquier variación en la información de la que dispone y de cualquier hecho puntual y anómalo, como puede ser un evento climatológico fuera de lo habitual, que pudiese condicionar el consumo energético.

Razones para ser considerado un Caso Práctico de Innovación

Porque HUPI ha conseguido diseñar un modelo que predice, con un 83% de precisión, el consumo de energía de distintos tipos de cliente de una empresa distribuidora de energía eólica, teniendo en cuenta la información histórica de consumo energético de los clientes e incorporando datos externos tales como la meteorología, que se actualizan de manera continua, así como cualquier evento puntual o normativa que pueda afectar al consumo energético.

HUPI es una empresa tecnológica de 14 empleados y una facturación de 1M€ en 2022 que pone la Inteligencia Artificial al servicio de las necesidades de sus clientes, desarrollando soluciones de software a medida y siendo el soporte operativo de las personas que toman decisiones complejas en las empresas o quieren automatizar algunas de ellas, ofreciendo recomendaciones para problemáticas concretas de forma automática y en tiempo real.

En 2022 una empresa generadora y distribuidora de energía eólica ubicada en Iparralde solicitó a Hupi la caracterización y predicción automática de la demanda energética de sus clientes para un periodo de tiempo y con el máximo detalle, es decir, la predicción de las necesidades de consumo de energía de cada tipo de cliente de una empresa suministradora de energía en el próximo día/semana/mes.

Esta predicción permite saber si la energía generada por la empresa en cada momento es suficiente, mayor a la necesaria -y tiene que vender parte de la energía generada a otros compradores- o menor a la necesaria -y tiene que comprar más energía en el mercado para poder abastecer las necesidades de sus clientes-. De esta manera, cuanto antes se estime la demanda de energía, antes podrán realizar el aprovisionamiento de energía en base a las necesidades de los clientes de la manera más competitiva.

El modelo tiene en cuenta la información de consumos energéticos históricos, caracterización y localización del edificio, el histórico de la meteorología, los indicadores macroeconómicos y normativa ambiental, para predecir la energía necesaria en cada momento. Así, el modelo comienza realizando una segmentación multidimensional de la cartera de clientes, para a continuación, y teniendo en cuenta la meteorología de las diferentes estaciones del año, aplicar un modelo de previsión de comportamiento específico para cada segmento de cliente. Además, el sistema se alimenta de manera continua con datos que pueden condicionar la predicción de consumo de energía, como pueden ser cambios climatológicos o cambios en normativas de uso de temperatura.

Para la puesta en marcha del modelo, ha contado con un equipo multidisciplicar formado por matemáticos, desarrolladores y expertos en Hupi Elastic Cloud Platform, plataforma que recoge toda la información y se aloja en las instalaciones de Hupi. Los recursos económicos provienen del cliente que ha solicitado el desarrollo del modelo, una empresa distribuidora de energía renovable (eólica) local (Iparralde).

Además de en la empresa proveedora de energía, el sistema está implementando en infraestructuras que buscan optimizar el consumo energético, e incluso en ayuntamientos que busca gestionar de manera conjunta la electricidad que consumen los comercios y establecimientos del municipio.

1.En sep-22 una empresa de energía eólica contactó con HUPI con la necesidad de conocer de antemano el consumo energético de sus clientes para atender la demanda de manera eficiente
2.Se analizaron qué datos eran necesarios para el modelo, dónde obtenerlos, cómo visualizarlos y en qué aplicación hacerlo.
3.Entre oct-22 y feb-23 se desarrolló el modelo:
o Se completó la base de datos del cliente con información externa sobre históricos meteorológicos y normativa ambiental
oSe analizó el histórico de consumo de los clientes
oSe definieron 9 perfiles de cliente en función de características de consumo, tipo de cliente (particular o empresa) y el uso que hacía de la energía
oSe diseñaron 8 estacionalidades: 100% invierno, invierno-primavera, primavera 100%, etc.
oSe analizaron conjuntamente perfiles de cliente y sus consumos en función de las estacionalidades, teniendo en cuenta la climatología en cada momento (es lo que más condiciona el consumo de energía), determinando un gradiente térmico que reflejaba los cambios de temperatura. Es decir, históricamente cada día del año qué temperatura hace, realizando una normalización del clima en cada momento del año.
oEn febrero de 2023 se finaliza el modelo y se pone en marcha
4.Desde febrero de 2023, se actualiza diariamente con información que corrige las desviaciones y ajusta en todo momento la predicción de consumo como son los episodios meteorológicos anómalos (olas de calor o frío), los cambios en la normativa (limitaciones de temperatura de aire acondicionado), o cualquier información que pueda condicionar el modelo.

 En el marco del proyecto se ha podido realizar la estimación del consumo energético del próximo mes por cada perfil de consumidor, con un 83% de precisión.
 La implantación del modelo ha posibilitado a la empresa distribuidora de energía poder comprar únicamente la energía que realmente se necesita en función de la demanda de sus clientes en cada momento, por lo que se ha disminuido la pérdida de energía en un 78%.
 Ha permitido a la empresa distribuidora de energía gestionar mejor las fluctuaciones del coste de la energía y disponer de una oferta de energía estable y constante para los consumidores finales.
 Ha posibilitado mezclar distintas fuentes de energía, dando prioridad en todo momento a las energías renovables, para poder completar las necesidades de energía de los consumidores.
 Conocer con suficiente antelación la energía necesaria ha supuesto una reducción del 32% en el precio de la electricidad de los clientes finales.
 Ha posibilitado mejorar la planificación interna de la empresa distribuidora de energía y se ha aumentado la cartera/portfolio de clientes.
 El impacto más importante de este proyecto ha sido reforzar la aceleración de la transición energética y medioambiental en el proceso de generación y distribución de energía y desarrollar circuitos cortos de energía, acercando a productores y consumidores.

- BIND 4.0