Al hablar de predicciones meteorológicas, casi todo el mundo continuará la frase con que fallan. Y es que es técnicamente cierto: es más que difícil hacer una predicción numérica del tiempo exacta. De esta idea partió el último seminario de la Cátedra UAM-IIC de Ciencia de Datos y Aprendizaje Automático: «La meteorología en el sector de la energía: un paso más allá», impartido por Carlos Rivero Honegger, responsable del área de Hidráulica, Renovables y Meteorología en Endesa.

Las predicciones meteorológicas son, en general, muy sensibles a las condiciones iniciales que se manejan. Además, según la escala espacial y los horizontes temporales a los que nos atengamos, el acierto aumenta o disminuye. Es por esto que se hacen parametrizaciones y predicciones probabilísticas basadas en condiciones de contorno, para lo que la tecnología es cada vez más útil.

Todo esto impacta directamente en la gestión de la energía, en un momento en el que gran parte de la demanda eléctrica actual se cubre con energías renovables como la eólica o la fotovoltaica. Tras sendas introducciones a la meteorología y al mercado eléctrico, el experto explicó cómo las predicciones meteorológicas afectan a los procesos y decisiones que se toman en el sector energético.

Gestión de desvíos de energía con nowcasting

El ajuste generación-demanda es un reto diario del mercado eléctrico. Al no poder almacenarse la energía, pueden producirse desvíos de energía que hay que cubrir. Y estos se reducen principalmente con predicciones meteorológicas en tiempo real.

Las técnicas de nowcasting son útiles para predecir la generación de energías renovables y la demanda a muy corto plazo, explicaba Carlos Rivero. En el caso de la energía fotovoltaica, por ejemplo, se emplean modelos de machine learning capaces de inferir procesos físicos en base a imágenes de satélites en tiempo real.

Predicción meteorológica basada en IA

La revolución actual de la inteligencia artificial también ha llegado a la meteorología y al sector energético. Los modelos computacionales complementan e incluso superan a los modelos clásicos más complejos, con las ventajas que eso supone.

Tras su entrenamiento con datos históricos, los modelos de inteligencia artificial se ejecutan fácilmente y hacen nuevas predicciones automáticamente con la información actualizada. Son incluso capaces de predecir fenómenos meteorológicos que no han “visto” antes en los datos. Además, se está estudiando si pueden ser mejores en la denominada asimilación de datos y en la parametrización.

Por otro lado, sigue habiendo retos en su utilización en términos de explicabilidad, pues al ser considerados cajas negras, se desconoce en muchas ocasiones las variables que han servido de base a una predicción en cuestión. Además, parece difícil que contemplen tendencias como el cambio climático.

La meteorología en la toma de decisiones relacionadas con la energía

Las predicciones meteorológicas o sobre la disponibilidad de los recursos energéticos a veces impactan más allá de la gestión de la energía. Y algunos de los movimientos del mercado dependen más de “si la gente se las cree”, explicaba Carlos Rivero.

Por ejemplo, el caso del conflicto entre Ucrania y Rusia, unido a un posible invierno muy frío, empujó a los mercados a prever una demanda muy alta de gas y, por tanto, a una subida del precio de este. Esto derivó en un incremento de instalación renovable en nuestro país y, por tanto, en una mayor independencia energética. Pese a este aspecto positivo, las predicciones estacionales de meteorología predecían un invierno suave como así terminó sucediendo.

Por otro lado, las reaseguradoras han incluido en su cartera los llamados “derivados meteorológicos”, que ofrecen una cobertura de riesgo frente a, por ejemplo, un año con menos precipitaciones de la media. Estos productos son especialmente contratados en el sector agroalimentario o del turismo. Para poder acertar con el riesgo que supone una determinada cantidad de horas solares o una precipitación determinada, se necesitan de predicciones a meses vista fiables. Sistemas como EA3 ofrecen horizontes de predicción de este estilo.

Como vemos, el conocimiento de la meteorología influye directamente en las decisiones que se toman en el sector energético. Mejores predicciones, potenciadas por la tecnología disponible, permiten disponer de una red eléctrica más segura y sostenible y hacer una mejor gestión de los recursos, sobre todo de los renovables.