Las malas previsiones meteorológicas son un desastre de la crisis climática

Es difícil predecir la producción de paneles solares, pero corregirlo podría reducir las emisiones de carbono

El pronóstico del tiempo puede ser una ciencia frustrantemente inexacta. La aplicación meteorológica de su teléfono es bastante buena para pronosticar si puede llover en algún momento de un día determinado, pero es mucho menos útil si desea saber si lloverá en el centro de Londres a las 3 p.m. de este domingo. Si es absolutamente necesario permanecer seco, es mejor llevar un paraguas o quedarse adentro.

Para la mayoría de la gente, no saber qué hará el tiempo en la próxima hora es un inconveniente menor. Pero cuando se trata de la red eléctrica, no saber qué hará el clima a continuación no es solo una molestia, es una fuente importante de emisiones de carbono. Si pudiéramos predecir mejor cuándo y dónde cambiaría el clima, podríamos dejar de enviar grandes cantidades de dióxido de carbono a la atmósfera simplemente porque no sabemos qué harán las nubes a continuación.

Aquí está el problema. En un día soleado de primavera en el Reino Unido, la energía solar puede representar aproximadamente el 30% de toda la electricidad producida en la isla. El número exacto varía mucho, pero en condiciones ideales (los paneles solares se comportan mejor en días fríos pero soleados) podrían producir nueve gigavatios-hora (GWh) de electricidad, gran parte de la demanda promedio de 30GWh. Hasta aquí todo bien. Pero si una gran nube desciende por el suroeste, donde se encuentran muchos de los paneles solares de Gran Bretaña, una parte significativa de esa energía renovable desaparece repentinamente de la red, el equivalente a una planta de energía completa a gas que se desconecta instantáneamente. Cientos de megavatios de electricidad han desaparecido, sin más.

Obviamente, retirar toda la energía en unos minutos no es lo ideal, por lo que para compensar esto, las redes eléctricas programadas en algunas producciones de energía de respaldo deberían intervenir y suavizar cualquier hinchazón causada por cambios en la producción solar. En el Reino Unido, la responsabilidad de equilibrar y distribuir esta energía recae en el operador de la red eléctrica nacional (ESO), que requiere que las centrales eléctricas de combustibles fósiles, que generalmente queman gas natural, produzcan energía adicional si la producción solar cae inesperadamente. (La isla de Irlanda tiene su propia red eléctrica ligeramente diferente).

Las plantas de combustibles fósiles son animales de movimiento lento. “Realmente nos gustaría tener una planta de energía que pueda crecer en cinco minutos o media hora, porque la generación de energía eólica y solar puede cambiar muy rápidamente”, dice Jan Kleissl, profesor de energía renovable y caudales ambientales en la Universidad de California San Diego. Pero las plantas de combustibles fósiles no funcionan de esa manera. Lleva mucho tiempo arrancar y son muy eficientes cuando funcionan a plena potencia. Esta limitación alienta aún más a las redes eléctricas a producir energía en exceso solo si la electricidad solar o eólica cae.

Una forma de evitar esto es mejorar su pronóstico del tiempo. Si supiéramos exactamente cuánta energía solar podría producir el Reino Unido en un momento dado, National Grid ESO podría respaldar la cantidad de energía que tiene en reserva, reduciendo la huella de carbono total de la red energética. En otras palabras, si supiéramos exactamente cuánta energía solar fluirá en la red cada cinco minutos, podríamos asegurarnos de usar cada kilovatio de esa energía, en lugar de cubrir nuestras apuestas con el excedente de electricidad generada por las centrales eléctricas. combustible.

Jack Kelly cree que conoce una forma de mejorar enormemente estas predicciones. Kelly, ex investigador de DeepMind, la compañía de inteligencia artificial propiedad de Alphabet, cofundó en 2019 Open Climate Fix, una organización sin fines de lucro enfocada en reducir las emisiones de gases de efecto invernadero mediante el aprendizaje automático. “Soy un investigador en aprendizaje automático, que está aterrorizado por el cambio climático y ansioso por hacer todo lo posible para tratar de solucionar el cambio climático”, dice Kelly. Él estima que mejores pronósticos solares en el Reino Unido podrían ahorrar 100,000 toneladas de dióxido de carbono de las emisiones cada año y será clave si National Grid ESO cumple su objetivo 2025 de cero emisiones siempre que haya suficiente generación renovable disponible.

La idea de Kelly es utilizar el aprendizaje automático para mejorar lo que se conoce como “acumcasting” solar: predecir la generación de electricidad solar con menos de unas pocas horas de anticipación. En lugar de determinar cómo será el clima en general en un área determinada, para obtener pronósticos solares realmente precisos, Kelly necesita saber exactamente dónde se ubicará cada nube en relación con una red solar y cómo afecta el tamaño y la forma de la nubes. cuánta luz solar pasa a través de los paneles.

“Los operadores del sistema pueden hacer un mejor trabajo programando esos generadores y, con suerte, llegar a un número menor de generadores que se acerquen a su capacidad máxima”, dice Kelly. Open Climate Fix está preparando un modelo de aprendizaje automático de año y medio de imágenes de satélite EUMETSAT y datos de generación de energía de 700 sistemas solares en el Reino Unido. Esta es solo una pequeña parte de los datos disponibles: EUMETSAT tiene 11 años de imágenes satelitales actualizadas almacenadas en una cinta de metal de difícil acceso, pero debería ser suficiente para comenzar.

El enfoque Open Climate Fix utiliza una arquitectura de aprendizaje profundo conocida como transformador, una parte clave de GPT-3, el modelo de generación de texto creado por OpenAI. Los transformadores determinan qué bits de datos son importantes para dar forma a una salida en particular y cómo interactúan entre sí. No basta simplemente con predecir si una nube bloqueará una red solar, también hay que saber qué efecto tendrá la luz que salta de otras nubes y cómo podría influir en el cambio de dirección del viento en la generación de energía. “Simplemente llegó a nuestro conocimiento entonces. Es necesario ser capaz de lidiar con los fragmentos de esa imagen de satélite para determinar qué nubes son las más informativas y cómo interactúan entre sí ”, dice Kelly.

Pero cuando se trata de estimar la producción de energía solar en el Reino Unido, existe un problema aún más básico: no sabemos dónde están todos los paneles solares. La información sobre las instalaciones solares se distribuye en varias bases de datos y, a menudo, faltan por completo fragmentos de datos cruciales. “En un mundo ideal, conoceríamos las ubicaciones y capacidades de todo el sistema solar en todo el país; mejor aún, sabríamos qué ángulo de orientación usaría, qué inclinación ”, dice Jamie Taylor, investigador principal de datos en Sheffield Solar, un equipo de investigación de energía solar en la Universidad de Sheffield. “Por ahora, la fruta que menos cuelga en términos de mejorar las incertidumbres es simplemente mejorar nuestro conocimiento de cuánto [solar power] se instaló y dónde se instaló. “

Open Climate Fix también está trabajando en este tema. La organización sin fines de lucro está realizando un proyecto para mapear instalaciones solares a través de OpenStreetMap y también utilizará el aprendizaje automático para identificar paneles solares en imágenes satelitales y aéreas. Saber exactamente dónde están las instalaciones solares también debería ayudar a mejorar la precisión de los pronósticos solares.

Aunque nuestros pronósticos solares existentes son bastante sofisticados (el equipo de Sheffield Solar utiliza modelos estadísticos que están por encima de los modelos meteorológicos para pronosticar la luz solar, la temperatura y la velocidad del viento en un nivel por código postal), todavía hay mucho margen de mejora. Kleissl estima que incluso los mejores pronósticos solares están a medio camino de ser perfectamente precisos, en comparación con un modelo que asume que el clima de hoy será exactamente el mismo que ayer. En abril de 2021, Open Climate Fix recibió 500.000 libras esterlinas en financiación de la rama benéfica de Google, Google.org, para ayudar a desarrollar su proyecto de previsión solar.

“Este tipo de trabajo tiene un impacto real: reduce los errores de pronóstico y la necesidad de seguir marcando las costosas plantas de energía de combustibles fósiles”, dice Carolina Tortora, directora de innovación y transformación digital de National Grid ESO. “La investigación de pronóstico inmediato de Open Climate Fix tiene el potencial de mejorar aún más las capacidades de pronóstico de los operadores de sistemas de energía en todo el mundo”.

También necesitaremos satisfacer mejor nuestra demanda de energía si el Reino Unido quiere cumplir su nuevo objetivo de reducción de emisiones del 78% para 2035 en comparación con los niveles de 1990. El transporte de electricidad y la calefacción significarán que necesitamos más electricidad que nunca y una gran parte de ella Tendrá que provenir de fuentes de energía variables, como la eólica y la solar. “Cosas como los vehículos eléctricos y las bombas de calor tendrán un gran impacto en el perfil de la demanda de electricidad”, dice Taylor. “Y si combina esto con el almacenamiento compartido al mismo tiempo, se convierte en un verdadero dolor de cabeza para los operadores del sistema. El enfoque de la previsión de la demanda de electricidad tendrá que evolucionar considerablemente en los próximos años. “

Actualizado el 7 de mayo de 2021 a las 10:00 a.m. BST: este artículo se actualizó para aclarar las unidades utilizadas para medir la producción de electricidad.

Gran parte de las noticias de la ciencia de el planeta tierra en un sólo sitio. noticias de Ciencia.