Imagen: Studio Proxima/Adobe Stock

Los parques eólicos marinos son algunas de las máquinas más grandes que construimos: grandes conjuntos de torres coronadas con aspas que giran lentamente. Generan megavatios de electricidad a partir de sus turbinas gigantes, ocupando kilómetros de espacio.

Esto significa que no importa qué tan verdes sean, todavía tienen un impacto inmenso en la ecología que los rodea, afectando a las aves, los peces e incluso el crecimiento de las algas marinas y otras plantas marinas.

La gestión de estas turbinas es un gran problema. No podemos considerarlos de forma aislada tanto como nos gustaría. En cambio, debemos verlos como parte de un sistema más grande, que incluye el entorno del que forman parte.

En lugar de optimizar estas turbinas para la generación de energía, debemos ser capaces de controlarlas para permitir el paso de las aves migratorias, al tiempo que nos aseguramos de que las plantas marinas no afecten sus amarres y los barcos de pesca no los dañen. arenque y otros pescados en la granja.

Índice
  • Comienza con frailecillos
  • Gestión de parques eólicos en la nube
  • Trabajar con grandes sistemas complejos
  • Uso de los servicios de Azure existentes
  • Comienza con frailecillos

    El impulso inicial del proyecto no fue un gemelo digital como tal, sino modelos de inteligencia artificial para contar frailecillos en una isla remota frente a la costa de Escocia. Cuando SSE Renewables construyó un parque eólico a unas 200 millas de un importante sitio de reproducción de frailecillos en la Isla de May, la compañía quería saber si las turbinas estaban influyendo en la población de frailecillos.

    Los frailecillos son difíciles de contar; pasan ocho meses al año en el mar, regresando a la costa para reproducirse, poniendo solo un huevo por año.

    Un conjunto de cámaras cerca de las madrigueras de reproducción captura una transmisión en vivo de los movimientos de los frailecillos, que se transmiten a un modelo entrenado que puede rastrear aves individuales, incluso notando cuándo salen y regresan.

    La isla es uno de los criaderos de frailecillos más grandes del Reino Unido con más de 80 000 aves, lo que la convierte en un lugar ideal para monitorear las fluctuaciones de la población y tratar de averiguar si el parque eólico cercano provoca cambios.

    Usar IA para contar frailecillos no es un gemelo digital, pero es una entrada y una técnica que podemos usar para construir un modelo a gran escala del entorno alrededor de un parque eólico. No hay dos parques eólicos iguales: usan diferentes tipos de turbinas y están construidos en diferentes aguas costeras y regímenes de viento.

    Como resultado, siguen diferentes patrones de migración de aves y albergan diferentes especies de peces. Cualquier modelo ambiental utilizado como parte de un sistema de control debe ser personalizado para cada parque eólico.

    Gestión de parques eólicos en la nube

    Une partie de l'approche adoptée par Microsoft et son partenaire Avanade consiste à utiliser un large éventail de types de capteurs différents pour comprendre ce qui se passe autour du parc éolien et à utiliser ces données pour créer une vue complexe et en temps quasi réel de las condiciones. El objetivo es eliminar las técnicas de conteo manuales y lentas, muy parecidas al servicio de conteo de frailecillos actualmente en uso.

    Los sensores ambientales modernos pueden ser pasivos, como cámaras o micrófonos, o activos, como lidar y radar. Esto los hace menos intrusivos que usar redes para tomar muestras de peces o enviar buzos para hacer un conteo.

    Un conjunto de sensores interpretados por IA elude las limitaciones de la intervención humana, recopilando datos en todas las condiciones y en todo momento del día.

    VER: Kit de contratación: Ingeniero en la nube (TechRepublic Premium)

    Modelos como este pueden aprovechar la escala de la nube para ejecutar múltiples simulaciones en paralelo a un ritmo acelerado. Si se acerca una tormenta, ¿cuál será el efecto de reducir la velocidad de las turbinas ya qué velocidad?

    Los resultados de simulaciones como estas se pueden comparar con datos reales, lo que agrega un ciclo de retroalimentación adicional que permite al equipo refinar sus modelos, de modo que el próximo conjunto de resultados sea más preciso. Luego, los datos se pueden usar para entrenar modelos de aprendizaje automático para identificar condiciones que pueden causar problemas, de modo que se puedan aplicar las protecciones adecuadas.

    Trabajar con grandes sistemas complejos

    Este enfoque permitirá a SSE experimentar con la reducción de riesgos para las aves migratorias. Por ejemplo, pueden determinar una velocidad de hoja óptima que permitirá que los rebaños pasen con seguridad mientras generan energía. Al comprender el entorno que rodea a las turbinas eólicas, será posible controlarlas de manera más efectiva y con un impacto ambiental significativamente menor.

    Simon Turner, director de tecnología de datos e inteligencia artificial de Avanade, describió este enfoque como "un negocio independiente". Aquí, los datos y la IA trabajan juntos para ofrecer un sistema que funciona de manera efectiva por sí solo, un sistema que describió como el uso de la IA para "cuidar algunas cosas que entendiste que podrían guiar al sistema para que tome decisiones en tu nombre".

    La clave de este enfoque es extender la idea de un gemelo digital con aprendizaje automático y datos a gran escala. Los datos históricos se pueden usar con datos en tiempo real para crear modelos de grandes sistemas complejos, que pueden abarcar entornos completos.

    Como señala Turner, este enfoque se puede extender a más que parques eólicos, utilizándolo para modelar cualquier sistema complejo en el que agregar nuevos elementos podría tener un efecto significativo, como comprender cómo funcionan las áreas de captación de agua o cómo se pueden ajustar los sistemas hidroeléctricos para permitir que el salmón pasa ileso en su camino a los criaderos tradicionales, sin dejar de producir energía.

    Hay otro aspecto del proyecto del parque eólico que refleja la filosofía del programa AI for Earth de Microsoft: todos los datos recopilados se compartirán fuera de SSE Renewables y estarán disponibles para los investigadores marinos y ambientales.

    El conjunto de datos resultante debería ser un recurso valioso para la planificación de nuevos parques eólicos y cualquier otro proyecto de infraestructura de la plataforma continental. Esto agrega otro canal de retroalimentación, lo que permite a los científicos agregar su experiencia y análisis a los datos.

    Uso de los servicios de Azure existentes

    Azure es una plataforma ideal para este tipo de aplicaciones. La mayoría de las herramientas necesarias para construirlo ya están implementadas: Azure IoT Hub para administrar sensores; Data Lake para manejar necesidades masivas de almacenamiento de datos; y las herramientas de IA de Azure para construir, probar y usar los modelos resultantes con su producto Digital Twins existente para hospedar y ejecutar modelos.

    Es un enfoque que es lo suficientemente escalable y flexible para adaptarse a las diferencias entre los parques eólicos construidos y operados en diferentes ubicaciones. A medida que se encuentran nuevos puntos de datos, se pueden agregar a los modelos, lo que permite que la plataforma se adapte a nuevos datos y nuevas preguntas del equipo que administra el parque eólico y su impacto ambiental.

    Los datos deberán almacenarse durante largos períodos de tiempo, ya que el impacto de un parque eólico dura años, por lo que los modelos deben ejecutarse en el orden de estaciones y años, incluso décadas, no solo minutos y segundos.

    Los gemelos digitales a gran escala como este son el siguiente paso lógico en el Internet industrial de las cosas. Microsoft ya está viendo el interés de otros clientes con sistemas complejos que requieren monitoreo y control.

    Esto se convierte en una ventaja para la propia Microsoft, ya que está comprometida con la emisión de carbono negativo, por lo que necesita trabajar con proveedores innovadores de energía renovable para desarrollar nuevas técnicas para reducir su huella ambiental.

    Hay otro lado del uso de modelos ambientales masivos como este, en el sentido de que sus resultados podrían compartirse con otros sistemas, por ejemplo, proporcionando datos para la propia plataforma agrícola de la empresa. precisión de Microsoft, FarmBeats.