Matemáticos del Centro de Investigación Operativa de la Universidad Miguel Hernández (UMH) de Elche han desarrollado modelos matemáticos basados en la econometría para predecir el precio de la energía y posibilitar el ahorro de costes.
La empresa murciana Artificial Intelligence Talentum ha aplicado esos modelos en el sistema de eficiencia energética PRIoTs (Predicción del Internet de las Cosas, en su acrónimo en inglés), con el objetivo de reducir los costes de la electricidad y la huella de carbono.
Este sistema permite a los dispositivos inteligentes detectar el mejor momento para el consumo, ya que tiene en cuenta el precio de la electricidad, si procede de una fuente limpia o no y si se adapta al patrón de uso del dispositivo.
La demanda de electricidad ha caído un 20% en los países que han aplicado un confinamiento absoluto y, al mismo tiempo, ha aumentado la presencia de los productores de renovables.
Este escenario complica, más si cabe, la capacidad de las economías para predecir las variaciones en el coste de la electricidad, una tarea imposible sin la aplicación de sistemas avanzados de computación y modelos matemáticos de resolución de problemas con múltiples variables.
El modelo predictivo de la UMH utiliza el histórico de datos de los precios de la energía para anticiparse a las oscilaciones del mercado.
Antonio Vicente Contreras, desarrollador del modelo y director ejecutivo (CEO) de AI Talentum ha explicado a Efe que esta tecnología tiene capacidad predictiva en tiempo real ya que a cada momento analiza la información y se actualizan las predicciones para las siguientes 24 horas.
De esta manera, un dispositivo que esté utilizando los algoritmos PRIoTs podrá sugerir una planificación del consumo eléctrico que permite ahorrar hasta un 30% en la factura eléctrica.
El algoritmo ya se ha aplicado con éxito en algunas empresas del sector productor primario, y a partir de ahora fábricas, cadenas de montaje y otras infraestructuras que necesitan una gran cantidad de energía para funcionar pueden implementar este sistema.
El modelo aprende de las necesidades de la instalación y calcula el mejor momento para el encendido de las máquinas por lo que no solo reduce drásticamente el gasto en electricidad, ya que consigue las mejores tarifas, sino que disminuye la huella de carbono de la empresa y la del producto final que llega al consumidor.
Incluso, se busca que los algoritmos sirvan también para calcular de manera sencilla cuál es el consumo de energía o de agua que ha supuesto fabricar un producto determinado, como manera de que el consumidor lo conozca, igual que sabe cuánto azúcar lleva.
El investigador principal del proyecto, José Juan López Espín, ha indicado que el modelo matemático es más rápido que el software de cálculo estadístico que se suele usar en este tipo de operaciones y ha añadido que para probar el algoritmo a la mayor velocidad posible y obtener predicciones de inmediatez se colaboró con el grupo de computación paralela de la Universidad de Murcia utilizando el clúster de computación Heterosolar de esa Universidad
