Editor Top
Los parques eólicos marinos se encuentran entre las máquinas más grandes que construimos: grandes conjuntos de torres coronadas con palas que giran lentamente. Generan megavatios de energía a partir de sus turbinas gigantes, ocupando kilómetros de espacio.
Eso significa que, por más verdes que sean, todavía tienen un impacto inmenso en la ecología que los rodea, afectando a las aves, los peces e incluso el crecimiento de las algas marinas y otras plantas marinas.
La gestión de esas turbinas es un gran problema. No podemos verlos de forma aislada tanto como nos gustaría. En cambio, debemos considerarlos como parte de un sistema más grande, que incluye el entorno del que forman parte.
En lugar de optimizar esas turbinas para la generación de energía, tenemos que ser capaces de controlarlas para permitir el paso de las aves migratorias, al mismo tiempo que aseguramos que las plantas marinas no afecten sus amarres y que los barcos de pesca no dañen los pilones mientras siguen los bancos. de arenque y otros pescados en la granja.
Comienza con frailecillos
El impulso inicial del proyecto no fue un gemelo digital como tal, sino estaba usando modelos de IA para contar los frailecillos en una isla remota frente a la costa escocesa. Mientras SSE Renewables estaba construyendo un parque eólico a unas 200 millas de un importante criadero de frailecillos en la Isla de May, la empresa quería saber si las turbinas estaban influyendo en la población de frailecillos.
Es difícil contar frailecillos; pasan ocho meses del año en el mar, regresando a la costa para reproducirse, y solo ponen un huevo al año.
Un conjunto de cámaras cerca de las madrigueras de reproducción capturan una transmisión en vivo de los movimientos de los frailecillos, que se transmiten a un modelo entrenado que puede rastrear aves individuales, incluso notando cuándo se van y regresan.
La isla es uno de los criaderos de frailecillos más grandes del Reino Unido con más de 80.000 aves, lo que la convierte en un lugar ideal para rastrear las fluctuaciones de la población y tratar de comprender si el parque eólico cercano está provocando algún cambio.
Usar IA para contar frailecillos no es un gemelo digital, pero es una entrada y una técnica podemos usar para construir un modelo a gran escala del medio ambiente alrededor de un parque eólico. No hay dos parques eólicos iguales: usan diferentes tipos de turbinas y están construidos en diferentes aguas costeras y patrones de viento.
Como resultado, se encuentran en diferentes patrones migratorios de aves y albergan diferentes especies de peces. Cualquier modelo ambiental utilizado como parte de un sistema de control debe ser personalizado para cada parque eólico.
Gestión de parques eólicos en la nube
Parte del enfoque que están tomando Microsoft y su socio Avanade es usar una amplia gama de diferentes tipos de sensores para comprender lo que sucede alrededor del parque eólico y usar esos datos para crear una vista compleja casi en tiempo real de condiciones. El objetivo es eliminar las técnicas de conteo manuales y lentas, muy parecidas al servicio de conteo de frailecillos actualmente en uso.
Los sensores ambientales modernos pueden ser pasivos, como cámaras o micrófonos, o activos, como lidar y radar. Eso los hace menos intrusivos que usar redes para tomar muestras de peces o enviar buzos para hacer un conteo.
Una serie de sensores interpretados por IA supera las limitaciones que conlleva la intervención humana, recopilando datos en todas las condiciones y en todo momento del día.
VER:Kit de contratación: Ingeniero en la nube (TechRepublic Premium)
Modelos como este pueden aprovechar la escala de la nube para ejecutar varias simulaciones en paralelo a un ritmo acelerado. Si se acerca una tormenta, ¿cuál será el efecto de reducir la velocidad de las turbinas ya qué velocidad?
Los resultados de simulaciones como estas se pueden comparar con datos reales, lo que agrega un ciclo de retroalimentación adicional que permite al equipo refinar sus modelos, de modo que el próximo conjunto de resultados sea más preciso. Luego, los datos se pueden usar para entrenar modelos de aprendizaje automático para identificar condiciones que probablemente causen problemas, de modo que se puedan aplicar las protecciones adecuadas.
Trabajar con sistemas grandes y complejos
Este enfoque permitirá a SSE experimentar con la reducción de riesgos para las aves migratorias. Por ejemplo, pueden determinar una velocidad óptima de la hoja que permitirá que las parvadas pasen con seguridad mientras siguen generando energía. Al comprender el entorno que rodea a las turbinas, será posible controlarlas de manera más efectiva y con un impacto ambiental significativamente menor.
Simon Turner, director de tecnología de datos e IA de Avanade, describió este enfoque como «un negocio autónomo». Aquí, los datos y la IA trabajan juntos para ofrecer un sistema que es efectivamente autónomo, uno que él describió como el uso de la IA para «cuidar ciertas cosas que entendiste que podrían guiar al sistema para tomar decisiones en tu nombre».
La clave de este enfoque es ampliar la idea de un gemelo digital con aprendizaje automático y datos a gran escala. Los datos históricos se pueden usar junto con los datos en tiempo real para construir modelos de sistemas grandes y complejos, que se pueden expandir a entornos completos.
Como señala Turner, este enfoque se puede extender a más que parques eólicos, utilizándolo para modelar cualquier sistema complejo donde la adición de nuevos elementos podría tener un efecto significativo, como comprender cómo funcionan las áreas de captación de agua o cómo se pueden ajustar los sistemas hidroeléctricos para permitir que el salmón. pasan ilesos en su camino a los criaderos tradicionales, mientras siguen generando energía.
Hay otro aspecto del proyecto del parque eólico que refleja el espíritu detrás del programa AI for Earth de Microsoft: todos los datos recopilados se compartirán fuera de SSE Renewables y estarán disponibles para investigadores marinos y ambientales.
El conjunto de datos resultante debería ser un recurso valioso para la planificación de nuevos parques eólicos y para cualquier otro proyecto de infraestructura de la plataforma continental. Esto agrega otra ruta de retroalimentación, lo que permite a los científicos agregar su experiencia y análisis a los datos.
Uso de los servicios de Azure existentes
Azure es una plataforma ideal para este tipo de aplicaciones. La mayoría de las herramientas necesarias para construirlo ya están implementadas: Azure IoT Hub para administrar sensores; Data Lake para procesar los requisitos de almacenamiento masivo de datos; y las herramientas de IA de Azure para construir, probar y usar los modelos resultantes junto con su producto Digital Twin existente para alojar y ejecutar modelos.
Es un enfoque lo suficientemente escalable y flexible para admitir las diferencias entre los parques eólicos construidos y en funcionamiento en diferentes lugares. A medida que se encuentran nuevos puntos de datos, se pueden agregar a los modelos, lo que permite que la plataforma se adapte a los nuevos datos y a las nuevas preguntas del equipo que administra el parque eólico y gestiona su impacto ambiental.
Los datos deberán almacenarse durante largos períodos, ya que el impacto de un parque eólico dura años, por lo que los modelos deben funcionar en el orden de las estaciones y los años, incluso décadas, no solo minutos y segundos.
Los gemelos digitales a gran escala como este son el siguiente paso lógico en el Internet industrial de las cosas. Microsoft ya está viendo el interés de otros clientes con sistemas complejos que necesitan supervisión y control.
Eso se convierte en un beneficio para la propia Microsoft, ya que tiene el compromiso de convertirse en carbono negativo, por lo que necesita trabajar con proveedores innovadores de energía renovable para desarrollar nuevas técnicas para reducir su huella ambiental.
Hay otro aspecto del uso de modelos ambientales masivos como este, en el sentido de que sus resultados podrían compartirse con otros sistemas, por ejemplo, proporcionando datos para la propia plataforma de agricultura de precisión de Microsoft, FarmBeats.
