El modelo de IA aerodinámico está diseñado para simular el flujo de aire y las fuerzas aerodinámicas que actúan sobre las palas del aerogenerador basándose en simulaciones CFD. Estas simulaciones generan los datos de entrenamiento para el modelo de IA, que se espera acelere significativamente las predicciones en tiempo real al capturar comportamientos aerodinámicos sin necesidad de ejecutar simulaciones CFD computacionalmente costosas durante la operación. Este modelo de IA aerodinámico permitirá la monitorización en tiempo real y el control óptimo de la turbina al proporcionar predicciones rápidas de la dinámica del flujo de aire, lo que permitirá una mayor eficiencia energética eólica. Este componente es crítico para garantizar la continuidad operativa y maximizar la captura de energía.

Qué problema resuelve esta capacidad

La transición hacia fuentes de energía renovable es un paso crítico para lograr los objetivos globales de sostenibilidad, y el hidrógeno verde está emergiendo como una alternativa prometedora de combustible sin emisiones de gases de efecto invernadero. Para producir hidrógeno verde de manera sostenible y a bajo costo, es esencial contar con un suministro constante y eficiente de energía renovable, particularmente de la energía eólica. La energía eólica es una de las fuentes de energía renovable de más rápido crecimiento en Chile, pero su eficiencia y continuidad operativa dependen de una gestión eficaz de los aerogeneradores. Por una parte, los aerogeneradores requieren sistemas de control avanzados para aprovechar la energía eólica con la máxima eficiencia. Los sistemas de control actuales a menudo tienen dificultades con la naturaleza impredecible y variable del viento, lo que puede llevar a un rendimiento subóptimo. Por otro lado, el tiempo de inactividad debido a fallos inesperados de los aerogeneradores impacta significativamente en los costos y confiabilidad de los parques eólicos.

Cuáles son las ventajas competitivas de esta capacidad

Los sistemas de mantenimiento predictivo, que pueden prever fallos potenciales antes de que ocurran, son necesarios para minimizar las interrupciones y los costos de mantenimiento. Para enfrentar ambos desafíos, el uso de modelos de inteligencia artificial (IA) físicamente informados ofrece un gran potencial para mejorar tanto la eficiencia operativa como el mantenimiento predictivo de los aerogeneradores. Estos modelos integran las leyes fundamentales de la física, como las de la dinámica de fluidos, resistencia de materiales y mecánica de estructuras, con técnicas de aprendizaje automático. Esta combinación permite predicciones más precisas y una toma de decisiones mejor informada que los modelos tradicionales basados en datos.

Qué más deberías saber sobre esta capacidad

TRL 3