La red eléctrica es un sistema increíblemente complicado. Tenemos tan interiorizado que al pulsar un botón se enciende una luz, que no nos paramos a pensar en las proezas técnica y económica que hay detrás para que esto sea posible.
Imagen por: @Muhammad Shoaib
A priori, nos costaría imaginar que uno de los mayores problemas que hay que resolver para que la red eléctrica funcione es la de la equivalencia oferta-demanda. A día de hoy las alternativas de almacenamiento de la electricidad son muy escasas y poco maduras, por lo que la práctica totalidad de la electricidad que se consume en un momento dado, por ejemplo, cuando estamos pulsando el interruptor de la luz, se está produciendo en ese mismo instante. De modo que si producimos de más, al no poder almacenarla, tendremos que malgastarla incurriendo en un coste innecesario de producción, pudiendo incluso llegar a dañar equipos eléctricos o la propia red. Y si producimos de menos, simplemente no se encenderá la luz.
La respuesta activa de la demanda
En cualquier sistema eléctrico hay multitud de mercados y mecanismos de regulación que pretenden conseguir este equilibrio. Algunos de estos mercados y mecanismos son el mercado a plazo, mercado diario, mercado intradiario, la revisión de las restricciones técnicas por parte del operador de la red, la regulación secundaria y terciaria, etc.
Desde el año pasado, con el Real Decreto Ley 17/2022 queda regulada la respuesta activa de la demanda como uno de estos mecanismos de control. En este mecanismo, hay consumidores individuales o agregadores de consumo que se comprometen a reducir su demanda si en algún momento esta pasa a ser muy superior a la oferta. Por ejemplo, un participante en el mercado puede haber demandado un consumo de 200 MW para cierta franja horaria. Este participante puede, sin embargo, comprometerse a reducir su consumo en 5 MW si así se lo solicita el operador de la red. A cambio de esa flexibilidad en la demanda, el consumidor es recompensado económicamente por esa disponibilidad, tenga que usarse o no. La Respuesta Activa de la Demanda será una pieza fundamental de las redes eléctricas modernas gracias a sus muchos beneficios:
- Facilita la integración de fuentes renovables de energía, permitiendo a la red adaptarse a la producción intermitente y menos predecible de estas fuentes.
- Aumenta la resiliencia y la fiabilidad de la red frente a sucesos como fallos en plantas, rotura de líneas de transmisión, eventos climáticos extremos o picos extremos de demanda, ayudando a evitar cortes de suministro y apagones.
- Supone un mejor coste para la electricidad, ya que generalmente puede ser más barato reducir la demanda que aumentar la producción, especialmente en picos de demanda donde la potencia disponible pertenece a fuentes más caras como las plantas de ciclo combinado.
- Reduce las emisiones en la producción eléctrica, al integrar más fuentes renovables y al mismo tiempo reducir la necesidad de utilizar plantas más flexibles pero generalmente más contaminantes.
- Proporciona señales económicas valiosas, que mejoran el flujo de información a los consumidores, permitiéndoles modificar su conducta, mejorando el coste global del sistema.
- Disminuye y retrasa la necesidad de invertir en infraestructura como nuevas plantas o líneas de transmisión, al homogeneizar la demanda tanto temporalmente como geográficamente, lo que disminuye la necesidad de capacidad extra tampoco en generación como en transporte.
Si la respuesta activa de la demanda tiene tantos beneficios, ¿entonces por qué no está mucho más extendida? En parte de debe a que el marco regulatorio es algo inmaduro. Pero posiblemente el mayor obstáculo a que esto se convierta en una práctica generalizada es que no es algo técnicamente fácil de hacer. Los grandes consumidores como fábricas generalmente están centrados en llevar a cabo su actividad productiva, y aunque algunos sí que buscan maneras de reducir costes flexibilizando su demanda, no todos consiguen integrar esta flexibilidad en su día a día. Ni hablar ya de pequeños comercios o domicilios, donde modificar su comportamiento adaptándolo a las necesidades de la red es incluso más difícil. Es cierto que agregadores de demanda, los cuales gestionan el consumo de múltiples particulares y reducen la demanda del grupo cuando es necesario, pueden llevar a cabo esta reducción de forma más eficiente(de igual forma que las comercializadoras prevén el consumo del conjunto de sus clientes mejor de lo que un cliente particular podría hacerlo). Pero aun así, tanto particulares como agregadores se enfrentan a múltiples problemas a la hora de ofrecer una Respuesta Activa de la Demanda. Ahí es donde técnicas de Machine Learning pueden jugar un papel fundamental, permitiendo maximizar el beneficio de este servicio, minimizando el impacto en el día a día de los participantes.
Imagen por: @victollio
Áreas de oportunidad
Algunas problemáticas de la respuesta activa de demanda donde estas técnicas son útiles son las siguientes:
- Previsión de demanda: Contar con una previsión detallada de la demanda es la pieza fundamental para poder determinar cuánto puede responder esta demanda a los requisitos de la red. Esta previsión se puede realizar a nivel de agregados de consumidores, de edificios o incluso de dispositivos particulares. También merece la pena diferenciar entre previsiones a corto plazo (horizontes menores a 24 horas) importantes para tomar decisiones operativas de dónde realizar la respuesta, y previsiones a largo plazo útiles para decisiones más estratégicas de participación en el mercado. Una última diferenciación importante es que en ocasiones es útil predecir la demanda base como tal, mientras que en otras ocasiones se realizan previsiones de la flexibilidad disponible de dicha demanda.
- Previsión de precios: Una de las señales fundamentales en cualquier estrategia de respuesta de demanda es el precio de la electricidad a cada momento. Obteniendo predicciones de los precios, los consumidores pueden llevar a cabo comportamientos óptimos a la hora de maximizar los beneficios económicos de la respuesta de demanda.
- Planificación de la respuesta: Cuando un consumidor o agregador necesita reducir la demanda, debe hacerlo de la manera más cómoda posible para todos los usuarios del servicio. Hay demandas que no se pueden detener, otras que solo se pueden detener en ciertos momentos, otras que se pueden anticipar para reducir el impacto una vez se detengan… De ahí el problema de planificación de la demanda.
- Control de la demanda: Además de determinar qué consumo debe idealmente ocurrir a cada momento, los responsables de la respuesta activa deben garantizar que el consumo real se ajusta a ese patrón de consumo al que se han comprometido. Este problema se encuadra dentro del control, y hay multitud de técnicas que permiten al agregador o gran consumidor controlar este consumo en tiempo real para ajustarse a los requisitos acordados para la respuesta activa.
- Segmentación de demandas: Para los agregadores de demanda, una vez se les solicita reducir la demanda, estos deben decidir a qué consumos dirigir esta reducción. Distintas técnicas de segmentación pueden utilizarse para categorizar los distintos patrones de consumo y combinarlos en grupos, facilitando la decisión de a qué cargas ordenar la reducción de consumo.
Imagen por: @yelantsevv
Como se puede observar, el problema de la respuesta activa de demanda no es un único problema. Está compuesto de múltiples factores: económicos, técnicos, conductuales, etc. Solo aprovechando los últimos avances en machine learning y control podremos encontrar buenas soluciones a cada uno de los subproblemas que lo componen y empezar a aprovechar todas las ventajas que nos ofrece.
Si perteneces al sector energético y quieres saber más o compartir experiencias en un foro que reunirá a profesionales del sector. Regístrate ahora y reserva tu plaza en el próximo encuentro “Energía Inteligente IA y transformación digital”, que se celebrará en Madrid el próximo 28 de noviembre.
Referencias:
[1] “BOE-A-2022-15354 Real Decreto-ley 17/2022, de 20 de septiembre, por el que se adoptan medidas urgentes en el ámbito de la energía, en la aplicación del régimen retributivo a las instalaciones de cogeneración y se reduce temporalmente el tipo del Impuesto sobre el Valor Añadido aplicable a las entregas, importaciones y adquisiciones intracomunitarias de determinados combustibles.,” www.boe.es, 2022. https://www.boe.es/buscar/act.php?id=BOE-A-2022-15354.
[2] I. Antonopoulos et al., “Artificial intelligence and machine learning approaches to energy demand-side response: A systematic review,” Renewable & Sustainable Energy Reviews, vol. 130, pp. 109899–109899, Sep. 2020, doi: https://doi.org/10.1016/j.rser.2020.109899.
[3] Isaac Kofi Nti, T. Moses, Owusu Nyarko‐Boateng, and Adebayo Felix Adekoya, “Electricity load forecasting: a systematic review,” Journal of Electrical Systems and Information Technology, vol. 7, no. 1, Sep. 2020, doi: https://doi.org/10.1186/s43067-020-00021-8.
[4] Ahmad Rezaee Jordehi, “Optimisation of demand response in electric power systems, a review,” Renewable & Sustainable Energy Reviews, vol. 103, pp. 308–319, Apr. 2019, doi: https://doi.org/10.1016/j.rser.2018.12.054.
