Por Raúl Figueroa) El doctor en Inteligencia Artificial Martín Bilbao (*) presentó durante las Jornadas “Comodoro Renovable” un innovador proyecto, ya puesto en funcionamiento, basado en un software inteligente para optimización de parques eólicos, que determina la mejor ubicación de aerogeneradores en un sitio determinado para el emplazamiento de un parque de generación, logrando la mayor eficacia en cuanto a producción de energía y reducción de costos. Asimismo, el sistema ha probado ser una herramienta de gran valor para la mejora de tiempos en otras actividades, entre las que se ha experimentado en el área petrolera, a la hora de determinar los diagramas más eficaces para el recorrido y mantenimiento de pozos. En esta entrevista con Desarrollo, el joven científico explica alcances de un sistema que hasta podría ser presentado en para mejorar los problemas de tránsito en la ciudad.Tras graduarse como ingeniero en Sistemas, en el año 2007, Bilbao se presentó a una convocatoria de la Agencia Nacional de Promoción Científica y Tecnológica, que había lanzado 21 becas doctorales en 2008. Tras ganar una de las vacantes, optó por la Universidad de Málaga y el equipo dirigido por el Dr. Enrique Alba, una eminencia en Inteligencia Artificial a nivel mundial.
“Había varias líneas de trabajo de aplicación de las técnicas inteligentes como energía eólica, biomasa y oceánica, yo opté por trabajar en el tema de optimización y diseño inteligente de parques eólicos. Esto fue posible por el contacto que había entre el Dr. Alba y el decano de la UNPA-UACO, Daniel Pandolfi y fuimos a hacer el doctorado junto a Pablo Vidal, a fines del 2008. El mismo estuvo encuadrado dentro del proyecto de investigación “Minería de Datos y Técnicas Metaheurísticas: Su aplicabilidad al problema de explotación eficiente de energía eólica a través de la obtención de modelos aproximados y distribución óptima de máquinas eólicas”, dirigido por Daniel Pandolfi y Eugenia de San Pedro.
El software diseñado por el equipo de Bilbao posibilita evaluar, en un terreno con potencial eólico, la mejor distribución de molinos; evalúa también la distancia más conveniente entre equipos, dado que puede haber un efecto llamado “estela”, cuyo resultado es la reducción de vientos entre uno y otro, si están demasiado cercanos, lo que reduce la potencia (a mayor viento, la energía entregada por el aerogenerador se incrementa en relación a una potencia cúbica). Asimismo, la mayor distancia eleva los costos de cableado y logística, de modo que el sistema evalúa también esas variables, que hacen luego al costo de mantenimiento.
“El sistema funciona de acuerdo al objetivo planteado: si se pretende maximizar energía, independientemente de los costos, o si se pretende lograr el máximo posible con un presupuesto acotado, o bien se apunta a maximizar energía disminuyendo el número de molinos. Puede haber distintos objetivos y el sistema está preparado para dar respuesta en función de esos requerimientos”.
Innovación frente a sistemas convencionales
A diferencia de los sistemas convencionales, que hoy se venden en el mercado, la innovación introducida por el sistema de diseño inteligente es fundamental: mientras en los convencionales, una persona debe realizar pruebas en distintos puntos del lugar geográfico elegido para el parque, probando en cada punto si las condiciones serán favorables para la instalación de cada molino, en el software creado por Bilbao no interviene el factor humano.
“Una persona no puede agotar las millones de combinaciones posibles en los lugares existentes en un área seleccionada –explica-, por lo que tampoco es seguro que la ubicación elegida, más allá de que el software convencional le proyecte resultados favorables, resulte ser la mejor posible. En cambio este sistema va a establecer con alta precisión la mejor ubicación para cada equipo, en función de las variables introducidas. Esa es la principal diferencia”.
El punto de partida puede ser la realización de un parque de una determinada potencia (por ejemplo, de 50 Megavatios) y, a partir de los requerimientos, el sistema arroja las mejores combinaciones: “Puedo pedirle al software que determine cuáles son los molinos más convenientes, o puedo decirle que tengo molinos de una determinada potencia y me determine cuál será la mejor ubicación para cada uno”, reseña el investigador.
El software ha sido presentado recientemente y se trabaja aún en algunas mejoras de diseño, pero ya está disponible como una opción para los proyectos que se impulsan en la región y el país en materia de energías renovables.
Aplicaciones en la industria petrolera
Bilbao advierte que también es aplicable el sistema a otras actividades, entre ellas la tarea de mantenimiento de pozos petroleros, ya que el laboratorio LABTEM de la UNPA-UACO ha trabajado en una experiencia en la zona de Pico Truncado para la operadora YPF. El trabajo, denominado “Algoritmo Multirecombinativo para la Planificación Dinámica del Mantenimiento de Locaciones Petroleras” fue realizado por Andrea Villagra, Eugenia De San Pedro, Marta Lasso y Daniel Pandolfi.
La herramienta, denominada “PAE” (Planificación basada en un Algoritmo Evolutivo), apunta a la mejora de las planificaciones dinámicas del mantenimiento de locaciones petroleras. Para realizar los experimentos, se establecieron las siguientes suposiciones y restricciones al problema. Para la evaluación de la aplicación se trabajó con 110 locaciones petroleras correspondientes a un bloque de la zona norte de explotación. La velocidad de recorrido se estableció en 12 segundos cada 100 metros y se fijó el mismo tiempo de intervención utilizado en el mantenimiento efectivo para cada locación en el proceso de mantenimiento preventivo.
De acuerdo con los resultados obtenidos, se pudo observar que la herramienta de Planificación superó en un 50 por ciento los tiempos de los turnos planificados por la empresa, ya que mientras ésta contemplaba recorrer 17 pozos, con el sistema llamado “PAE” se visitaron 25. Por lo tanto, se utilizan menos turnos para visitar la misma cantidad de locaciones. También se observó que mientras la empresa planifica 3 días para visitar las 110 locaciones (6 turnos), el algoritmo planifica las mismas locaciones en 2 días (4/5 turnos).
En general, mientras que la planificación original demanda un tiempo total de 18 horas 24 minutos, la mejor planificación provista por esta herramienta demandó 11 horas 57 minutos, logrando un ahorro de 6 horas 27 minutos, algo más de 2 turnos sobre un total de 6.
Y en el tránsito también…
El sistema de software inteligente no se agota en el campo eólico o petrolero. Incluso puede tener aplicaciones en la trama de tránsito, problema complejo de la ciudad de Comodoro Rivadavia. En efecto, según relata Martín Bilbao, podría aplicarse a problemas de ruteo de vehículos (VRP, por sus siglas en inglés), que permite controlar el tráfico para una determinada necesidad, por ejemplo el recorrido de camiones recolectores de residuos urbanos, mejorando la eficiencia en tiempos y caminos más convenientes, en función de los horarios.
De hecho, también se proyecta una presentación ante autoridades del Municipio de Comodoro Rivadavia, ya que el software sería aplicable también a una optimización de los semáforos y programaciones dinámicas en función de contingencias y problemas en horarios pico, por ejemplo el desvío de tránsito en caso de accidentes, embotellamientos, etc, sugiriendo rutas alternativas a través de una red de sensores inteligentes –que sería necesario incorporar a los vehículos- para recalcular un nuevo trayecto (Redes VANET).
“Sería similar al GPS, pero en ese caso el dispositivo actúa en función de una dirección dada; en nuestra propuesta, el sistema sería dinámico, es decir que va cambiando en función de lo que está pasando con la trama circulatoria en tiempo real”, explica Bilbao.
Finalmente, el doctor explica un concepto básico en que se basan estas técnicas de optimización en Inteligencia Artificial: “Está basado en la teoría de la evolución de Darwin, según la cual los individuos mejor adaptados al entorno tienen mayor probabilidad de sobrevivir. Este tipo de sistemas se basa en ese principio, ya que al igual que las especies se van combinando para lograr individuos con mejor adaptación, aquí las soluciones iniciales se van combinando para aportar nuevas y mejores soluciones que van a sobrevivir hasta el final del diseño, logrando así comportamientos más inteligentes sobre dispositivos de los cuales ya disponíamos”.
(*)Ingeniero en Sistemas UNPA-Caleta Olivia, 2007. Doctorado en Universidad de Málaga, 2008.Profesor de la UNPA-UACO y de la UNPSJB, desarrolló la carrera de Analista Programador Universitario en la UNPSJB en 2005 y se graduó de Ingeniero en Sistemas en la UNPA-UACO
