La solución SENN desconoce en un primer momento el efecto de los distintos parámetros, así que sus previsiones se desviarán significativamente -explica Siemens- de la producción actual de la estación o parque en cuestión. Durante la fase de entrenamiento, el programa repite el proceso miles de veces para minimizar la diferencia entre el pronóstico y los valores reales. De este modo, SENN (Simulation Environment for Neural Networks) va modificando el peso de los factores individuales hasta dar con una deducción cada vez más exacta. Según Siemens, "con el bum de las fuentes de energía renovables, las previsiones de SENN tienen un gran potencial para la industria energética".
Siemens explica
Los parques eólicos y los campos solares generan energía en función del tiempo que hace. Las estaciones convencionales deben compensar esas fluctuaciones. "Cuanto más varía el rendimiento de las renovables -explica Siemens-, más difícil es gestionar el abastecimiento, algo que afecta por igual a los proveedores y a los operadores de la red". Para asegurar la estabilidad de la red, se debe proveer siempre la misma cantidad de electricidad que la que se toma: "si una central de generación de energía sufre una avería o surge un gran consumidor, el suministro se tiene que aumentar o disminuir, según el caso, para evitar un desajuste". De ahí la importancia de predictores como SENN.
Precio
Por otro lado, SENN es capaz de prever el precio de las materias primas y de la electricidad durante ciclos de más de 20 días. Así -asegura Siemens-, "puede predecir la mejor jornada para adquirirla, en dos tercios de las veces". Las previsiones de demanda son la segunda mayor aplicación de SENN, según la compañía alemana, que explica que SENN "permite a los grandes consumidores comprar electricidad en términos favorables y evitar los picos de demanda". Y al revés: "los proveedores de energía pueden servirse de los pronósticos para planificar la compra de energía y el funcionamiento de las plantas: por ejemplo, al calendarizar los trabajos de mantenimiento durante los momentos en que se espera un menor rendimiento".
La compañía alemana vislumbra el escenario futuro
"Hoy -asegura Siemens-, un proveedor de energía con varias plantas puede utilizar SENN para comprar gas natural barato y ajustar de manera óptima la producción de electricidad, de acuerdo a las previsiones del precio de los permisos de CO2 y de la electricidad". En el futuro -añade la compañía-, un operador podrá proporcionar al proveedor de energía predicciones sobre la demanda y la necesidad de equilibrar la energía por anticipado: "ello hará que la volatilidad de los mercados energéticos sea más fácil de manejar, porque todos los actores podrán ajustar de antemano sus actividades que, a su vez, afectan al resto de participantes del mercado". Las previsiones individuales -concluye la empresa- son "un primer paso hacia un futuro mercado energético en el que casi todos los factores están en cambio constante; todos estos aspectos son interdependientes y por ello deben examinarse holísticamente. Cuanto mejor se prevea su interacción, más eficiente será el sistema energético en su conjunto". La multinacional no precisa cuándo estaría disponible su solución SENN.
