Editor Top
En 1898, Hans Søren Hansen llegó a Lem, Dinamarca, un pequeño pueblo agrícola a unas 160 millas de Copenhague. El joven de 22 años estaba ansioso por abrirse camino en los negocios y compró una herrería. Con el tiempo, se dio a conocer en la zona por su espíritu innovador.
El negocio de Hansen cambió con el tiempo, transformándose en la construcción de marcos de ventanas de acero. Las generaciones futuras continuaron ampliando la apertura al cambio de Hansen, evolucionando hacia la construcción de grúas hidráulicas y, finalmente, en 1987, convirtiéndose en Vestas Wind Systems, uno de los mayores fabricantes de turbinas eólicas del mundo.
Esa tenacidad para adaptarse y tener éxito sigue definiendo a Vestas, que ahora busca optimizar la eficiencia de la energía eólica para los clientes que utilizan sus turbinas en 85 países.
Trabajando en una prueba de concepto con Microsoft y el socio de Microsoft minds.ai, Vestas utilizó con éxito la inteligencia artificial (IA) y la computación de alto rendimiento para generar más energía de las turbinas eólicas mediante la optimización de lo que se conoce como dirección de estela.
Ese aumento de energía potencial es importante. Pero también importante, dice Vestas, fue la rapidez con la que se desarrolló la prueba de concepto, en unos pocos meses, y lo que eso podría significar para ponerla en marcha. La empresa no es la primera en estudiar el tema, pero los resultados expeditos fueron un diferenciador para ella.
“Este es un ejercicio teórico que ha estado viviendo en la comunidad de investigación durante años”, dice Sven Jesper Knudsen, especialista jefe de Vestas y propietario del diseño del módulo de análisis y modelado. “Y ha habido algunas demostraciones tanto de nuestros competidores como de algunos propietarios de parques eólicos. Queríamos ver si podíamos intentar acortar el ciclo de desarrollo.
“El tiempo de comercialización es esencial para que toda la industria eólica cumpla con los objetivos agresivos que todos tenemos”, dice Knudsen.
La energía eólica, como la solar, es una alternativa limpia a los combustibles fósiles para generar electricidad. Tanto la energía eólica como la solar tienen una importancia creciente a medida que el mundo busca disminuir el uso de carbón, gas y petróleo crudo para reducir las emisiones de carbono y cumplir con los objetivos de cambio climático.
La energía eólica también es una de las tecnologías de energía renovable de más rápido crecimiento, según la Agencia Internacional de Energía (AIE), una organización que trabaja con los gobiernos y la industria para ayudarlos a dar forma y asegurar un futuro energético sostenible.
En 2050, dos tercios del suministro total de energía del mundo provendrá de la energía eólica, solar, bioenergética, geotérmica e hidroeléctrica, y se espera que la energía eólica aumente 11 veces, dijo la agencia en un informe el año pasado, Net Zero para 2050: una hoja de ruta para el sector energético mundial.
“En el camino de cero neto, la demanda global de energía en 2050 es alrededor de un 8% más pequeña que la actual, pero sirve a una economía más del doble de grande y a una población con 2 mil millones de personas más”, dice la AIE en el informe.
La energía eólica tiene muchas ventajas. Pero un desafío es que la cantidad de energía que se aprovecha puede cambiar diariamente según las condiciones del viento. Encontrar formas de capturar mejor cada parte de la energía eólica es importante para Vestas, por lo que comenzó el año pasado como el «Gran Desafío», como lo describió la compañía.
Las turbinas eólicas generan una estela o un «efecto de sombra» que puede ralentizar otras turbinas que se encuentran río abajo, dice Knudsen. La energía se puede recuperar utilizando la dirección de la estela, girando los rotores de la turbina para que apunten en dirección opuesta al viento que se aproxima para desviar la estela.
“La idea es que controle ese efecto de sombra lejos de las turbinas aguas abajo y luego canalice más energía eólica hacia estas turbinas aguas abajo”, dice.
Para lograr esto, Vestas usó la informática de alto rendimiento de Microsoft Azure, Azure Machine Learning y la ayuda del socio de Microsoft. mentes.aique utilizó DeepSim, su plataforma de diseño de controladores basada en el aprendizaje por refuerzo.
Aprendizaje reforzado es un tipo de aprendizaje automático en el que los agentes de IA pueden interactuar y aprender de su entorno en tiempo real, y en gran medida por prueba y error. El aprendizaje por refuerzo prueba diferentes acciones en un mundo real o simulado y obtiene una recompensa, por ejemplo, puntos más altos, cuando las acciones logran el resultado deseado.
El uso de Vestas de la computación de alto rendimiento de Azure también significó obtener resultados más rápido.
