El hidrógeno verde concentra una parte relevante de la conversación energética. Gobiernos, compañías industriales y productores de energía estudian su capacidad para sustituir combustibles fósiles en actividades difíciles de electrificar, desde determinados procesos químicos hasta la producción de fertilizantes, el refino o algunos usos industriales intensivos.

Sin embargo, el interés por esta tecnología convive con una realidad menos visible: muchos proyectos anunciados no alcanzan la decisión final de inversión. La Agencia Internacional de la Energía contabiliza más de 200 inversiones comprometidas en proyectos de hidrógeno con bajas emisiones, pero advierte de que el crecimiento continúa por debajo de las expectativas iniciales. Entre las principales barreras aparecen el coste, la incertidumbre sobre la demanda, la regulación y la disponibilidad de infraestructuras.

El problema radica en determinar dónde, para quién, con qué activos y bajo qué condiciones puede convertirse en una inversión viable.

El potencial del hidrógeno no lo convierte por sí solo un proyecto en viable

El hidrógeno verde parece tener valor estratégico y, al mismo tiempo, presenta dificultades económicas a la hora de poner en marcha.

Una planta necesita electricidad renovable, agua, un electrolizador, sistemas auxiliares, almacenamiento y, en muchos casos, una infraestructura para transportar o transformar el producto, además requiere de un comprador dispuesto a asumir condiciones de precio, volumen y duración suficientes para respaldar la inversión.

La Agencia Internacional de la Energía señala que los acuerdos de compra de hidrógeno con bajas emisiones perdieron impulso durante 2024. Los nuevos acuerdos anunciados descendieron desde 2,4 millones de toneladas anuales en 2023 hasta 1,7 millones en 2024, y una parte importante de los compromisos firmes continúa concentrada en usos existentes, como el refino y la industria química.

Por tanto, la primera pregunta debe enfocarse en qué demanda se pretende atender y bajo qué condiciones, ya que estas diferencias cambian el tamaño del electrolizador, la capacidad de almacenamiento, la necesidad de conexión a red, el coste del producto entregado entre otros.

Una previsión de costes no es decisión de inversión

El coste nivelado del hidrógeno, o LCOH, permite estimar el coste medio de producir un kilogramo durante la vida del proyecto y para calcularlo se consideran normalmente la inversión, la financiación, la electricidad, la operación, el mantenimiento, las sustituciones y la producción esperada, y aunque es una métrica necesaria, puede llegar a generar una falsa sensación de precisión.

El resultado depende de una hipótesis sobre el precio de la electricidad, la producción renovable, la eficiencia del electrolizador, el coste de capital y las horas de funcionamiento, de modo tal que si existe una variación en cualquiera de estos elementos se verá modificado de forma significativa el coste esperado.

Además, dos diseños con un LCOH similar pueden presentar perfiles de riesgo muy distintos y es justo por esto que la decisión no debería basarse únicamente en cuál es el LCOH estimado para el proyecto, debería responder también a otras preguntas que ayuden a anticipar cómo puede evolucionar el entorno como por ejemplo:

• ¿Qué hipótesis explican ese resultado?
• ¿Qué ocurre si cambia el precio de la electricidad?
• ¿Cuánto capital quedará infrautilizado?
• ¿Puede atenderse la demanda en los periodos de baja generación?
• ¿Continúa siendo competitivo el proyecto bajo escenarios menos favorables?
• ¿Qué configuración ofrece un mejor equilibrio entre coste, riesgo y flexibilidad?

La analítica predictiva permite construir una base sobre escenarios operativos realistas

Una planta de hidrógeno verde depende de variables que cambian con el tiempo. La generación solar y eólica fluctúa, además de que los precios eléctricos varían y la demanda puede desviarse de los contratos iniciales, es claro que la eficiencia de los equipos evoluciona y determinados componentes se degradan conforme se desarrolla un proyecto.

La analítica predictiva utiliza datos históricos y variables externas para estimar el comportamiento futuro de esos elementos, y aunque no elimina la incertidumbre, permite entender el escenario de forma más detallada. Dicho esto, en un proyecto de hidrógeno puede utilizarse para prever:

• la producción solar y eólica por intervalos horarios;
• los precios de compra y venta de electricidad;
• la demanda de hidrógeno;
• el rendimiento del electrolizador;
• la degradación de sus componentes;
• las posibles desviaciones entre distintos años meteorológicos.

Existen estudios que aplican modelos de machine learning para anticipar la producción y el comportamiento de los electrolizadores a partir de sus condiciones operativas. Estas capacidades permiten construir representaciones más precisas del sistema y estudiar cómo respondería bajo diferentes condiciones.

Sin embargo, el prever la generación o la demanda no indica qué capacidad debe instalarse, ni tampoco determina cuándo conviene producir, cuánto almacenar o qué parte de la electricidad debería comprarse a la red.

La investigación operativa convierte los escenarios en decisiones

La investigación operativa permite representar matemáticamente un proyecto mediante objetivos, variables y restricciones, en el caso de las plantas de hidrógeno, las variables de diseño pueden incluir la potencia solar y eólica, la capacidad del electrolizador, el almacenamiento de hidrógeno, las baterías o la conexión a red, en sí todas las variables operativas determinan cuándo funciona cada activo, cuánta electricidad se utiliza, cuánto hidrógeno se produce y cómo se atiende la demanda.

Por otro lado, un modelo también incorpora las restricciones reales del proyecto: disponibilidad renovable, capacidades máximas, eficiencia, carga mínima del electrolizador, pérdidas de almacenamiento, contratos, límites de conexión, requisitos de entrega y normas regulatorias.

A partir de esta representación, esta analítica avanzada compara alternativas y recomienda la decisión que mejor cumple el objetivo empresarial, dicho objetivo puede ser minimizar el coste total, reducir el LCOH, maximizar el valor actual neto o encontrar un equilibrio entre rentabilidad, emisiones y seguridad de suministro.

Un estudio publicado en Renewable Energy desarrolla un modelo de programación lineal entera mixta MILP para optimizar conjuntamente la generación solar y eólica, el electrolizador, las baterías y el almacenamiento de hidrógeno en diferentes localizaciones europeas. El análisis muestra que la combinación óptima depende del perfil renovable y que los sistemas híbridos pueden mejorar la utilización de los activos y reducir el coste frente a configuraciones basadas en una sola fuente.

En este caso el valor del modelo reside en descubrir cuándo esa combinación compensa y cuándo no.

De los algoritmos a la toma de la decisión

La Decision AI es la combinación de distintas tecnologías de inteligencia artificial, entre las que están las mencionadas, con el objetivo de evaluar un proyecto y proporcionar la mejor solución posible o solución óptima a la persona que debe tomar una decisión compleja. En este caso nos permite ver un proyecto de hidrógeno verde como un sistema en el que cada decisión afecta al resto. La demanda, la localización, la capacidad instalada, el almacenamiento y la operación pueden analizarse de forma conjunta para entender qué configuración ofrece mejores resultados y qué variables concentran el mayor riesgo.

Este enfoque aporta una base más sólida para decidir cuándo avanzar, qué activos dimensionar y bajo qué condiciones económicas conviene hacerlo. También permite comprobar cómo respondería el proyecto ante cambios en los precios, la disponibilidad renovable o los compromisos de suministro.

Referencias

Agencia Internacional de la Energía (2025). Global Hydrogen Review 2025.

Marocco, P., Gandiglio, M. y Santarelli, M. (2026). Optimising green hydrogen production across Europe: How renewable energy sources shape plant design and costs. Renewable Energy, 256, 124542.

Marocco, P., Gandiglio, M. y Santarelli, M. (2024). Optimal design of PV-based grid-connected hydrogen production systems. Journal of Cleaner Production, 434, 140007.

Comisión Europea (2023). Renewable hydrogen production: new rules formally adopted.