Ciencias Tcnicas y Aplicadas

Artculo de Revisin

 

La Inteligencia Artificial (IA) al servicio de la eficiencia energtica en el Ecuador

 

Artificial Intelligence (AI) at the service of energy efficiency in Ecuador

 

Inteligncia Artificial (IA) a servio da eficincia energtica no Equador

 

Vinicio Samuel Solis-Mora I
samuel_solis387@hotmail.com  
https://orcid.org/0000-0002-1324-7606
Dario Fernando Gruezo-Valencia II
don.da1@hotmail.com 
https://orcid.org/0000-0002-6871-4988
 

 

 

 

 

 

 

 


Correspondencia: [email protected]

 

*Recibido: 26 de febrero del 2022 *Aceptado: 20 de marzo de 2022 * Publicado: 07 de abril de 2022

 

       I.            Universidad Luis Vargas Torres, Esmeraldas, Ecuador.

    II.            Universidad Luis Vargas Torres, Esmeraldas, Ecuador.

 

 

 

 

 

 

 

Resumen

El presente artculo describe un estudio que analiz el uso de la inteligencia artificial (IA) al servicio de la eficiencia energtica en el Ecuador. A partir de esta se propuso una investigacin bajo un enfoque cualitativo, enmarcada en una indagacin documental bibliogrfica. El trabajo de recopilacin de informacin se llev a cabo va online en la base de datos de Google acadmico, revistas indexadas como Scielo, Dialnet, Elsevier, entre otras y, en repositorios digitales de universidades nacionales e internacionales y de diversos organismos de inters para este estudio. La sistematizacin de la informacin documental se efectu mediante el anlisis de contenido. Los resultados obtenidos dan cuenta de que las tcnicas de la Inteligencia Artificial pueden coadyuvar en la eficiencia energtica en el entendido de que sirven para monitorear y diagnosticar los equipos de los sistemas energticos para la deteccin de fallas incluso antes de que estas ocurran, tambin se usan para analizar el inmenso volumen de datos y obtener informacin de la demanda energtica en los sectores residenciales, comerciales e industriales para de esta forma acometer las acciones correctivas que dieran lugar para conseguir el ahorro energtico y evitar prdidas de energa. Dentro de las conclusiones, se tiene el sistema hbrido que agrupa los sistemas renovables conformados por ms de una fuente energtica es ms eficiente con respecto a sistemas con una sola fuente renovable. Por tanto, en la actualidad ya es un hecho comprobado que la eficiencia energtica va de la mano con la digitalizacin para un presente y de cara a un futuro ms sostenible.

Palabras clave: Inteligencia Artificial; eficiencia energtica; sostenible

 

Abstract

This article describes a study that analyzed the use of artificial intelligence (AI) in the service of energy efficiency in Ecuador. From this, an investigation was proposed under a qualitative approach, framed in a bibliographical documentary inquiry. The information gathering work was carried out online in the academic Google database, indexed journals such as Scielo, Dialnet, Elsevier, among others, and in digital repositories of national and international universities and various organizations of interest to this study. study. The systematization of documentary information was carried out through content analysis. The results obtained show that the techniques of Artificial Intelligence can contribute to energy efficiency in the understanding that they serve to monitor and diagnose the equipment of the energy systems for the detection of failures even before they occur, they are also used to analyze the immense volume of data and obtain information on the energy demand in the residential, commercial and industrial sectors in order to undertake the corrective actions that would lead to energy savings and avoid energy losses. Among the conclusions, there is the hybrid system that groups renewable systems made up of more than one energy source is more efficient with respect to systems with a single renewable source. Therefore, it is now a proven fact that energy efficiency goes hand in hand with digitization for the present and for a more sustainable future.

Keywords: Artificial Intelligence; energy efficiency; sustainable

 

Resumo

Este artigo descreve um estudo que analisou o uso da inteligncia artificial (IA) a servio da eficincia energtica no Equador. A partir disso, foi proposta uma investigao sob uma abordagem qualitativa, enquadrada em um levantamento bibliogrfico documental. O trabalho de coleta de informaes foi realizado online na base de dados acadmica Google, em peridicos indexados como Scielo, Dialnet, Elsevier, entre outros, e em repositrios digitais de universidades nacionais e internacionais e diversas organizaes de interesse deste estudo. A sistematizao das informaes documentais foi realizada por meio da anlise de contedo. Os resultados obtidos mostram que as tcnicas de Inteligncia Artificial podem contribuir para a eficincia energtica no entendimento de que servem para monitorar e diagnosticar os equipamentos dos sistemas de energia para a deteco de falhas antes mesmo que ocorram, tambm so utilizadas para analisar o imenso volume de dados e obter informaes sobre a demanda de energia nos setores residencial, comercial e industrial para realizar as aes corretivas que levariam economia de energia e evitariam perdas de energia. Entre as concluses, destaca-se que o sistema hbrido que agrupa sistemas renovveis ​​compostos por mais de uma fonte de energia mais eficiente em relao aos sistemas com uma nica fonte renovvel. Portanto, agora um fato comprovado que a eficincia energtica anda de mos dadas com a digitalizao para o presente e para um futuro mais sustentvel.

Palavras-chave: Inteligncia Artificial; eficincia energtica; sustentvel

 

Introduccin

En la actualidad, el uso de inteligencia artificial (IA) se extiende al sector de la energa en el inters de mejorar la eficiencia energtica en diversos campos, tales como el mantenimiento predictivo; la planificacin y ajuste de oferta y demanda; nuevos servicios y capacidades para el consumidor, entre otras, todas estas acciones estn orientadas a gestionar la energa de la forma ms eficaz posible conducente al ahorro de energa y con ello contribuir a reducir paulatinamente el impacto ambiental.

En opinin de (Padrn, 2015) la utilizacin de la energa elctrica est presente en casi todas las actividades que se desarrollan en los pases a partir de cierto desarrollo econmico, previndose para los prximos decenios un gran crecimiento del consumo elctrico en el resto de los pases del planeta (p.18). Es precisamente, este hecho lo que explica la necesidad de incorporar en el Sistema de Energa Elctrica (S.E.E.), as como en el de Sistema Elctrico de Potencia (S.E.P.) tecnologas que incrementen la eficacia en la optimizacin en el uso de la energa, as, como en el proceso de transicin hacia las fuentes de energa renovables, en el cometido de lograr la eficiencia energtica y contribuir con la proteccin medioambiental.

Cabe resaltar que, los elementos que constituyen un S.E.E. son, pues, los presentes en: Centrales

Generadoras de Energa Elctrica, Redes Elctricas de Transporte y Distribucin de esa energa en Alta Tensin (A.T.), Media Tensin (M.T.) y Baja Tensin (B.T.), Subestaciones Elctricas A.T. M.T., Centros de Transformacin en B.T. y consumos en A.T., M.T. y B.T. (Padrn, 2015). Por su parte, el Sistema Elctrico de Potencia (S.E.P.) hace referencia a aquellos sistemas relacionados con la generacin, transporte, distribucin y utilizacin de la energa elctrica(Padrn, 2015).

En los ltimos aos, el cambio climtico producto de la degradacin ambiental ha acelerado las iniciativas tendentes a lograr una mayor eficiencia en todos los aspectos relacionados con la energa, lo cual, unido a la creciente preocupacin por el medio ambiente, ha reactivado el inters por las denominadas energas renovables y las tecnologas que permitan encaminarse hacia el modelo de eficiencia energtica, en este grupo de tecnologas se puede incluir la inteligencia artificial.

Es el caso que, la inteligencia artificial en el contexto energtico, a decir de,(Inderwildi, Zhang , Wang, & Kraft, 2020) permite sincronizar y orquestar tecnologas tales como big data, aprendizaje mquina, Internet de las cosas (IoT) o los denominados sistemas ciberfsicos para incrementar la eficiencia en la provisin de energa y produccin industrial que directamente reduce el impacto medioambiental.

De manera similar,(Monasterio, 2021) indica la IA es una tecnologa que complementa otras tecnologas tradicionalmente consideradas como digitales: conectividad y 5G, big data (macrodatos), cloud computing (computacin en la nube), blockchain (tecnologa de cadena de bloques), Internet de las cosas (p.12). Es as como, la infraestructura tecnolgica puede aportar las herramientas para desarrollar proyectos enmarcados en la eficiencia energtica y tratar de cubrir las demandas actuales de proteccin de la naturaleza.

Visto lo anterior, la eficiencia energtica es un paradigma que se asume desde diversas aristas educacin de la poblacin en el uso racional de la energa; planificacin y ejecucin de programas nacionales de eficiencia energtica; impulso a un mayor aprovechamiento de fuentes de energa renovable; disminucin en la utilizacin de combustibles fsiles; reduccin en las emisiones acumuladas de gases de efecto invernadero, principalmente dixido de carbono (CO2), entre otras, todo ello direccionado a establecer un equilibrio entre el crecimiento econmico y la conservacin del ambiente.

En los marcos de las observaciones anteriores, el objetivo general de este artculo fue analizar el uso y aplicacin de la Inteligencia Artificial (IA) al servicio de la eficiencia energtica en el Ecuador.

 

Marco Terico

Eficiencia energtica en el Ecuador

La eficiencia energtica, segn (Snchez, y otros, 2017) se define como la relacin entre el conjunto de las conductas y prcticas que requieren energa para su ejecucin y las acciones racionales que permiten optimizar la cantidad de energa consumida respecto a los productos y servicios finalmente obtenidos (p.74). Enfatizan adems estos autores que la promocin de la eficiencia energtica no puede realizarse en desmedro de la calidad de vida de las personas ni afectar negativamente la productividad de los sectores econmicos.

Relacionado con lo anterior, la Comisin Econmica para Amrica Latina y el Caribe(CEPAL, 2020) seala que el objetivo de desarrollo (ODS 7.3) sobre la eficiencia energtica, plantea como meta general que los pases reduzcan su intensidad energtica, esto se lograr por medio de programas de ahorro y uso eficiente de la energa y normas de eficiencia energtica y el uso de energas renovables de manera optimizada. En este contexto, (Ario, 2020) afirma que no es posible hablar de transicin energtica sino se evoluciona hacia el mundo digital (p.11). Enmarcado con esto, (CEPAL, 2020) hace nfasis en el hecho de que un nuevo proceso de transformacin de gran calado de la industria elctrica requiere entre otros, de servicios y tecnologas digitales, coadyuvando al rpido incremento de las fuentes de energa renovables y apoyando los esfuerzos de reduccin de emisiones, principalmente las de GEI.

Tal como se ha visto, en los ltimos tiempos el uso eficiente y racional de la energa ha pasado a ser un elemento importante dentro de la planificacin energtica de los pases a nivel global, regional y local. En este sentido Ecuador no es la excepcin y en coordinacin con las instituciones responsables en la materia, aplica desde hace ya algn tiempo un cambio en la matriz energtica en el pas. As, el Plan Nacional para el Buen Vivir 2009-2013, en su captulo Estrategias para el periodo 2009-2013, en la seccin dedicada al Cambio de la Matriz Energtica, menciona explcitamente el carcter prioritario de las actividades de impulso a la eficiencia energtica(Snchez, y otros, 2017).

Tambin, el Plan Maestro de Electrificacin 2013-2022, contiene un captulo especficamente orientado a la implementacin de polticas y programas enfocados al consumo eficiente de la energa y en la Agenda Nacional de Energa 2016-2040, incluye un captulo dedicado al uso eficiente de energa, en el cual, entre otras actividades, se plantea la elaboracin de un Plan Nacional de Eficiencia Energtica 2016-2035, que fue publicado y comenz su ejecucin durante este ao(Snchez, y otros, 2017).

De otro lado, el Ministerio de Electricidad y Energa Renovable de Ecuador tiene la misin de elaborar y ejecutar un plan de eficiencia energtica, ayudando de esta manera a la economa del consumidor y a la disminucin del consumo en horas pico(Arcos, 2016). As tambin, dentro de las polticas pblicas energtica, ha venido adoptando desde hace varios aos el enfoque de eficiencia energtica, para casi todos los sectores como el residencial, comercial e industrial.

En atencin a esto, en el documento de trabajo elaborado por los miembros de la Direccin de Anlisis y Estrategia de Energa(DAEE, 2016) se indica que entre las medidas adoptadas por el pas ecuatoriano para el sector residencial destaca: en 2009 se inici el Proyecto de Sustitucin Masiva de Focos Incandescentes por Ahorradores, cuyo objetivo era reducir un 24% el consumo de la iluminacin residencial; en 2010 se implement el Proyecto de Sustitucin de Refrigeradoras Ineficientes, cuyo sector objetivo tambin era el residencial (p.7).

En este mismo marco, (Snchez, y otros, 2017) denotan que el Proyecto Aseguramiento de Eficiencia Energtica en los Sectores Residencial y Pblico, impulsado el Ministerio de Electricidad y Energa Renovable (MEER) desde el 2012 , se cre con el propsito de impulsar la transformacin del mercado hacia el uso de artefactos eficientes (p.15). Tambin aaden, el Instituto Ecuatoriano de Normalizacin ha estado trabajado en la elaboracin de normas tcnicas de eficiencia energtica (EE), as, desde 2009 existen normas voluntarias (incluyendo en varios casos el etiquetado) para motores elctricos estacionarios, edificaciones, colectores solares en sistemas de calentamiento de agua para uso sanitario, cmaras de refrigeracin instaladas en vehculos automotores, cocinas de induccin de uso domstico, lmparas fluorescentes compactas, calentadores de agua a gas y elctricos, lavavajillas, hornos microondas, televisores, entre otros (p.15).

En cuanto al sector industrial, el documento (DAEE, 2016) destaca que a partir de 2013 se ha desarrollado un proyecto cuyo objetivo busca desarrollar estndares nacionales de gestin de energa en este segmento econmico (p.8). Adicionalmente, tambin refiere que dentro de las acciones implementadas para conseguir tal cometido se resumen a continuacin: (a) Talleres para gerentes de 200 industrias para el uso eficiente de la energa; (b) Formacin de 200 miembros de personal de fbrica en conceptos bsicos de gestin de la energa y optimizacin de sistemas (al menos 100 de esos miembros a formar sern PYMEs); (c) formacin de 50 expertos en sistemas de gestin de energa, de los cuales todos trabajarn en instalaciones industriales; (d) Formacin de 50 expertos en optimizacin de sistemas elctricos motrices y a vapor (p.9). Por su parte(Snchez, y otros, 2017), destaca el hecho que en el marco del proyecto Eficiencia Energtica en la Industria se adopt la norma ISO 50001, como NTE INEN ISO 50001 Sistemas de Gestin de Energa. Requisitos con orientacin para su uso (p.15).

En suma, (Snchez Durn, 2020) expresa que la transicin energtica, en cuanto al proceso de evolucin del modelo hacia un nuevo modelo sostenible, necesitar identificar como primer elemento en la ecuacin la demanda energtica, primero a nivel agregado (relacin energa con economa y poblacin), pero al mismo tiempo con un suficiente nivel de desagregacin por cada sector de consumo final (Industria, Transporte, Residencial y Servicios) e inductor de consumo de stos.

En la direccin antes indicada, la eficiencia energtica va alineada con lo que significa una buena gestin en el uso de energa, esta actividad demanda de un lado un muy alto nivel de conciencia ciudadana y empresarial sobre la utilizacin eficaz del recurso energtico y, de parte de los mandatarios la obligacin y responsabilidad de promover a travs de la formulacin, ejecucin y control de polticas, planes y programas, la disminucin paulatina de la dependencia de las fuentes de energa fsiles y el aumento del consumo de energticas renovables amigables con el medio ambiente, como forma de contrarrestar el cambio climtico y mitigar la produccin de gases de efecto invernadero (GEI).

En concordancia con lo antes expuesto, las tcnicas de los sistemas inteligentes presentan cualidades que han tenido un impacto positivo en las diversas actividades que tienen que ver con la eficiencia elctrica.

Inteligencia Artificial en el Contexto Energtico

Hoy en da, tanto en el pas ecuatoriano como en el mbito internacional, las actividades energticas demandan un muy alto nivel de dotacin en cuanto a instalaciones y equipamiento con tecnologas modernas que permitan la utilizacin de los conocimientos especializados y, sobre todo, aquellos que tienen que ver con la Inteligencia artificial, debido a que esta tecnologa puede aportar mucho al sector de la energa. De este modo, (Padrn, 2015) destaca a mayor tamao de la red, mayor es la cantidad de datos que se deben procesar e interpretar, as como mayor es la cantidad de posibles estados en los que el sistema puede encontrarse (p.9). Por lo tanto, existen motivaciones ms que suficientes para la bsqueda de nuevas herramientas en la operacin de los sistemas elctricos, y que permitan asumir los retos futuros(Padrn, 2015), y en este aspecto las tcnicas de la Inteligencia artificial tienen un rol principal para alcanzar la meta de eficiencia energtica.

En este sentido, (Montelier, Armas, Borroto, Gmez, & Prez, 2008) subrayan que la aplicacin de tcnicas de inteligencia artificial (IA), posee gran potencia para resolver problemas complejos y constituye una herramienta que puede ser utilizada en los sistemas energticos con el objetivo de incrementar la eficiencia energtica. As tambin, (Martn, 2020) plantea que el binomio formado por los conceptos inteligencia artificial (IA) y eficiencia energtica parece tener un futuro prometedor, especialmente en lo que se refiere a impulsar la sostenibilidad energtica, la descarbonizacin y la digitalizacin del sector elctrico.

Aplicada al sector energtico, la inteligencia artificial puede coadyuvar en: (1) el mantenimiento predictivo; (2) la planificacin y ajuste de oferta y demanda y; (3) nuevos servicios y capacidades para el consumidor, entre otras.

1.- Mantenimiento predictivo de los sistemas elctricos mediante la inteligencia artificial

De referencia, al mantenimiento predictivo de los sistemas elctricos mediante la inteligencia artificial, se asume como detectar los fallos en una fase temprana y, en muchos de los casos, antes incluso de que hayan llegado a manifestarse. Segn (Hurtado, Villarreal, & Villarreal, 2016) los sistemas de deteccin y diagnstico de fallas, se presentan como una solucin que permite determinar el estado de operacin del proceso, as como identificar la naturaleza de las fallas presentadas, su localizacin y riesgo (p.2).

De acuerdo con (Caratar, Valencia, Caicedo, & Chamorro, 2020), las tcnicas de inteligencia artificial pueden ser empleadas en la deteccin y diagnstico de fallas en los diferentes procesos asociados a una central de generacin de energa tal como: hidroelctricas, termoelctricas y centrales nucleares. A juicio de los referidos autores, las principales tcnicas utilizadas en el desarrollo de sistemas inteligentes enfocados a la deteccin y diagnstico de fallas en centrales elctricas son las siguientes:

a.- Lgica difusa (Fuzzy logic), es una rama de la Inteligencia Artificial (IA) que permite a una computadora analizar informacin del mundo real en una escala entre lo falso y lo verdadero(Cruz, 2011). Esta tcnica es similar a la toma de decisiones humana, que razona sobre la base de numerosos escenarios y se decanta por lo que dicta el sentido comn. Esta tcnica, tiene gran potencial para la gestin de procesos en los que existe incertidumbre en los datos de entrada. Sin embargo, la necesidad de trabajar con otras tcnicas para mejorar el rendimiento de las herramientas desarrollado es evidente(Cruz, 2011).

b.- Redes neuronales (Artificial Neural Networks) son tcnicas de computacin inspiradas en modelos biolgicos que imitan el proceso de razonamiento del cerebro humano(Cruz, 2011). Estn constituidas por elementos que se comportan de forma similar a la neurona biolgica en sus funciones ms comunes para encontrar relaciones, clasificar la informacin, resolver problemas para tomar decisiones acertadas. La red neuronal se compone de tres capas principales: la capa de entrada donde se almacenan los datos ingresados, la capa oculta compuesta por una o varias capas dependiendo de la complejidad de la red y la capa de salida(Basogain, 2010). Las redes neuronales ofrecen la ventaja del aprendizaje adaptativo, la autoorganizacin, la tolerancia a fallas, la operacin en tiempo real y fcil implementacin en la tecnologa actual(Caratar, Valencia, Caicedo, & Chamorro, 2020).

c.- Sistemas basados ​​en el conocimiento (Knowledge-based systems) segn(Dez, Gmez, & Martnez, 2001) se definen como aquellas aplicaciones que "contienen la erudicin de un especialista humano versado en un campo especfico de aplicacin". Con esta tcnica es posible condensar el conocimiento de especialistas humanos de tal manera que se pueda acceder y procesados ​​por ordenadores, obteniendo modelos informticos con las capacidades de razonamiento y resolucin de problemas de especialistas humanos dentro de un dominio establecido(Caratar, Valencia, Caicedo, & Chamorro, 2020).

d.- Redes bayesianas (Bayesian Networks), son grafos que representan informacin a travs de un conjunto de variables y las relaciones de dependencia entre ellos. De esta manera, una red bayesiana puede representar las relaciones probabilsticas entre una falla y los sntomas de un sistema(Caratar, Valencia, Caicedo, & Chamorro, 2020). De acuerdo a lo anterior, se considera que las redes bayesianas proporcionan a los sistemas inteligentes la capacidad de determinar posibles soluciones a partir de fragmentos de informacin en su entrada(Caratar, Valencia, Caicedo, & Chamorro, 2020).

e.- Tcnicas hbridas (Hybrid techniques), integran diferentes tcnicas de inteligencia artificial, obteniendo mayor impacto para detectar y diagnosticar fallas en plantas elctricas. Las tcnicas hbridas permiten aumentar el campo de accin de los proyectos propuestos sin preocuparse por la particularidades limitantes de cada tcnica(Caratar, Valencia, Caicedo, & Chamorro, 2020).

Otro aporte sobre esta temtica viene de la mano(Arauz, 2020) quien ha manifestado que el machine learning es cada vez ms aplicado a los sistemas elctricos debido a que ayudan al estudio de seales elctricas y desarrollo de diversas aplicaciones las cuales se van haciendo indispensables en la actualidad. As tambin denota que los patrones de falla son adquiridos desde un sistema inicial del cual se toman patrones de identificacin de corriente para posteriormente realizar la simulacin de casos de fallas en lneas de transmisin. El Machine Learning, comprende el procesamiento de anlisis de un conjunto complejo de datos, en el mbito de la inteligencia artificial para la bsqueda de una solucin correcta del problema a tratar(Arauz, 2020).

Similarmente, (Fernndez Cspedes, 2021) esboza que tecnologas como machine learning permiten recopilar informacin a travs de las redes de sensores ubicados en las instalaciones, con el fin de anticipar averas y alargar la vida til de las mismas. Adicionalmente asevera que el machine learning permite detectar obsolescencias y fallos en tiempo real y localizar el momento idneo para la sustitucin de piezas. Esto es importante en el sector energtico, pues permite ahorrar costes en la sustitucin y mantenimiento de los equipos y a la par contribuye a mejorar la cadena de suministro de este tan importante segmento empresarial del pas.

2.- Planificacin y Ajuste de Oferta y Demanda en el Sector Energtico Basados en la IA

La planificacin de la demanda energtica es clave para anticipar y gestionar una transicin sostenible a lo largo de este siglo XXI(Snchez Durn, 2020). Los desarrollos tecnolgicos son cada vez ms rpidos, aportando una mayor eficiencia energtica a las actividades, incluso permiten hoy en da generar la energa de manera distribuida en los propios lugares de consumo, algo que pondr freno a unas necesidades que por tendenciales se vuelven insostenibles(Snchez Durn, 2020).

En tal sentido, los desarrollos tecnolgicos como los algoritmos de prediccin de la demanda, bajo el concepto Energy Forecasting (pronstico energtico), son una herramienta de especial importancia en un mundo basado en la recoleccin y tratamiento de los datos (Snchez Durn, 2020). El uso de modelos predictivos se enmarca en la necesidad de planificar el suministro de la demanda de energa mediante fuentes de produccin. Dentro de las metodologas de prediccin, se tiene la tendencia lineal, medias mviles simples o ponderadas, alisados exponenciales simples y ajustados(Snchez Durn, 2020).

En este mismo orden de ideas(Kumar & Monjur, 2018), subrayan que los modelos de planificacin energtica (EPM) juegan un papel indispensable en la formulacin de polticas y el desarrollo del sector energtico. El pronstico de la oferta y la demanda de energa es el corazn de un EPM. As, la seleccin de un mtodo de pronstico se basa principalmente en la disponibilidad de datos y los objetivos de la herramienta y el ejercicio de planificacin(Kumar & Monjur, 2018). Dentro de los diferentes mtodos de pronstico, estos autores sealan en orden descendente de uso: la red neuronal artificial (RNA) como el mtodo ms utilizado; mquina de vectores de soporte (SVM), promedio mvil integrado autorregresivo (ARIMA), lgica difusa (FL), regresin lineal (LR), algoritmo gentico (GA), optimizacin de enjambre de partculas (PSO) , prediccin gris (GM) y media mvil autorregresiva (ARMA).

Igualmente, (Kumar & Monjur, 2018) enfatizan que en cuanto a la precisin, los mtodos de inteligencia computacional (IC) demuestran un mejor desempeo que los estadsticos, en particular para parmetros con mayor variabilidad en los datos de origen. Adems, los mtodos hbridos ofrecen una mayor precisin que los independientes. Los mtodos estadsticos se utilizan solo para el corto y mediano plazo, mientras que los mtodos de IC son preferibles para todos los rangos de pronstico temporal (corto, mediano y largo).

A tono con esto, la directora general de la Asociacin de Empresas de Energa Elctrica (aelēc). (Sevilla, 2021), ha recalcado es fundamental disponer en tiempo real, a travs de la red de distribucin, de informacin sobre la generacin y la demanda, con lo que se mejora la capacidad de monitorizacin, operacin y control de la red. Adems esta autora seala, se gana en mayor capacidad predictiva de la demanda energtica. Gracias a ello, se mejora y agiliza la respuesta en generacin(Sevilla, 2021).

Siguiendo esta misma orientacin, (Fernndez Cspedes, 2021) considera que el anlisis de los datos ayuda a ajustar la oferta, puesto que permite predecir la produccin de energa, de forma que se puede planificar el precio de venta de la electricidad generada, adems de tomar acciones determinadas durante los picos de demanda.

 

 

3.- Nuevos Servicios y Capacidades Basados en la IA Para el Consumidor

Desde la perspectiva del consumidor se puede hablar de eficiencia energtica en edificacin o movilidad, en esta responsabilidad ejecutar polticas y acciones en materia tecnolgica, educativa, comunicacional y regulatoria, para promover el uso racional de la energa elctrica, en toda la poblacin ecuatoriana es fundamental, en funcin de optimizar la eficiencia del sector elctrico. De acuerdo con el proyecto (ENFORCE, 2010) de la Red de Auditores Energticos de la Unin Europea una gran parte de la energa necesaria para las casas se produce con combustibles fsiles, cuyas emisiones de dixido de carbono contribuyen al llamado efecto invernadero (p.14). Asimismo, denota el referido documento que en los edificios, ya sea en los hogares, en el trabajo o en otras actividades, se utiliza ms energa que en cualquier otra actividad, ya que es necesaria para diversas actividades que permiten mantener la calidad de vida y para el mantenimiento de la edificacin (p.5). Todo lo cual amerita la aplicacin de medidas tendientes al uso eficiente de la energa en los domicilios y en las edificaciones bien sean comerciales, de trabajo, pblicas o privadas centrada en el ahorro energtico y con la mirada puesta en minimizar el impacto medioambiental.

En este marco, (Borroto & Snchez, 2008), aducen que el monitoreo y control energtico constituye una parte esencial del sistema de gestin energtica en un edificio, al proveer informacin al personal de operacin y direccin para administrar adecuadamente los consumos y costos energticos. En este punto es importante hacer mencin de que la transicin energtica, misma que es conducente a la eficiencia energtica en los tiempos que corren, desde la perspectiva de (Ario, 2020) para transitar con solidez y visin de futuro al nuevo escenario energtico presidido por la reduccin de la huella de carbono, se vuelve necesario hacer uso de los cambios tecnolgicos y evolucionar a un mundo energtico que apunte a lo digital y, en esta lnea, el auge de tecnologas como la Inteligencia Artificial, representa la oportunidad de encontrar nuevos soportes para la mejor gestin energtica, evitar desperdicios de energa y en consecuencia ayudar a la proteccin del ambiente.

Las tcnicas de la inteligencia artificial orientadas a lograr la eficiencia energtica en edificaciones incluye, en opinin de (Rodella, 2020) la implantacin de modelos de redes inteligentes con contadores digitales y sensores para automatizar la distribucin y consumo de energa, capaces de detectar el consumo en tiempo real, para que casas e infraestructuras funcionen de una manera ms eficiente en trminos energticos. De acuerdo con (Arcos, 2016) estos equipos inteligentes permiten registrar informacin relativa a los hbitos de uso de la energa elctrica por parte del usuario residencial. Este monitoreo es de gran utilidad para aportar retroalimentacin al sistema de control de la demanda, identificando el horario de mayor uso en el cual se generan los picos ms altos.

Del mismo modo,(Sevilla, 2021) considera que es importante el registro en tiempo real de los consumos horarios, cuyo anlisis permitir una mejor adecuacin de la oferta a los diferentes perfiles de consumidores en funcin de sus preferencias y necesidades. En este contexto, la incorporacin de la IA en el mbito residencial les crean responsabilidades en el entendido de que monitoreando en tiempo real el registro del consumo de energa, le permite adelantar la toma decisiones sobre el servicio y las medidas de ahorro que tienen que cumplir tanto para un beneficio de la economa personal de disminucin de gastos, como en corresponsabilidad con el cuidado medioambiental.

 

Metodologa

Se describe la investigacin bajo el enfoque cualitativo, de tipo descriptiva. Con apoyo documental bibliogrfico. Es cualitativo, desde la perspectiva de(Hernndez, Fernndez, & Baptista, 2006), por cuanto busca describir, comprender e interpretar los fenmenos, a travs de las percepciones y significados producidos por las experiencias de los participantes (p.12). En este caso se indaga acerca de la produccin del conocimiento acerca de la Inteligencia Artificial (IA) al servicio de la eficiencia energtica en el Ecuador.

Por su parte, esta investigacin se caracteriza de acuerdo al nivel como descriptiva, ya que se pueden destacar los elementos ms resaltantes, referidos a la Inteligencia Artificial (IA) al servicio de la eficiencia energtica en el Ecuador. Sobre la investigacin descriptiva,(Sabino, 2000), afirma que sta radica en describir algunas caractersticas fundamentales de conjuntos homogneos de fenmenos, utilizando criterios sistemticos que permiten poner de manifiesto la estructura o el comportamiento de los fenmenos de estudio, proporcionando de ese modo informacin ordenada y comparable con la de otras fuentes tericas.

Asimismo, en atencin a la estrategia empleada para buscar la informacin se califica como una investigacin bibliogrfica, ya que se fundamenta en material documental. (Palella & Martins, 2012), sostienen que una investigacin documental bibliogrfica se fundamenta en la revisin sistemtica, rigurosa y profunda de material documental de cualquier clase. (p. 98). Al respecto, se realiz una bsqueda va online en las bases de datos de Google Acadmico, revistas indexadas como Scielo, Dianet, Elsevier, entre otras y en repositorios digitales de universidades nacionales e internacionales, as como tambin de instituciones con la Cepal. Como tcnica principal de recopilacin de la informacin, se utiliz la bsqueda avanzada a travs de descriptores clave como inteligencia artificial, eficiencia energtica fuentes de energa renovables

De este modo, se pudo acceder a fuentes documentales como artculos cientficos, trabajos de grado, tesis doctorales y libros, de autores de diferentes pases, consideradas relevantes para el desarrollo de este estudio. As tambin, se asumi ciertos criterios para la seleccin del material, entre otros, idioma espaol, relevancia, pertinencia, fecha de publicacin entre 2018 hasta la actualidad, no obstante, se consider la informacin reportada por documentos de fechas anteriores a la establecida, por su valioso aporte para este trabajo investigativo.

Tambin se hizo necesario definir la unidad de anlisis, para la presente investigacin se determin que la poblacin estara conformada por los documentos bibliogrficos que estn ligados al objeto de estudio y que son determinantes para el mismo, es decir, relacionados a la Inteligencia Artificial (IA) al servicio de la eficiencia energtica en el Ecuador. Para(Arias, 2006) la poblacin o universo se refiere al conjunto para el cual sern vlidas las conclusiones que se obtengan a los elementos o unidades (personas, instituciones o cosas) a los cuales se refiere la investigacin (p.17). En consecuencia, la poblacin qued conformada por un total de 26 documentos, agrupados en artculos de investigacin, trabajos de titulacin, trabajos de fin de master, tesis doctorales, documentos institucionales y libros electrnicos.

Por otro lado, (Palella & Martins, 2012) plantean que el investigador (a) puede seleccionar un nmero determinado de unidades de poblacin, es decir, determinar una muestra (p.105). Segn (Arias, 2006), se entiende que la muestra es donde el investigador selecciona los elementos que en su juicio son representativos del estudio realizado, el cual exige un conocimiento previo de la poblacin que se investiga para poder determinar cules son las categoras o elementos que se pueden considerar como tipo representativo del fenmeno que se estudia (p.158). Por tanto, en la presente investigacin la muestra result constituida por 05 publicaciones cientficas, para ser consideradas en el anlisis de los resultados dado que se encuentran bajo los criterios de seleccin antes mencionados.

Respecto al anlisis e interpretacin de los datos corresponden a la ltima fase del proceso de investigacin y en el mismo se explana todo conjunto de argumentos tendentes a dilucidar aspectos inherentes al alcance del objetivo general propuesto por el sujeto examinador. La tcnica bsica de anlisis en la investigacin documental, consiste en el anlisis del contenido de los documentos, la cual permite hallar el significado o valor del documento, que constituye la unidad de anlisis, originando una descripcin sustancial del mismo.(Hernndez, Fernndez, & Baptista, 2006), definen el anlisis de contenido como el acto de formular, a partir de ciertos datos, inferencias reproducibles y vlidas que puedan aplicarse en su contexto, a su sitio de ocurrencia.

Es as que, el anlisis de contenido permite la construccin de una matriz de datos, por cuanto hace referencia a unidades de anlisis y valores o respuesta. La Matriz de Datos es un elemento central a considerar en toda investigacin cientfica (...) que reflejan las caractersticas fundamentales del dato cientfico (Samaja, 1994). Para el caso que ocupa este estudio se realiz un anlisis reflexivo del contenido de las publicaciones relacionadas con la Inteligencia Artificial (IA) al servicio de la eficiencia energtica en el Ecuador, con el fin de interpretarlas. Luego de ello, se procedi a analizar e interpretar la informacin aportada por los datos, derivado del criterio del investigador para obtener las respectivas conclusiones.

Finalmente, en la siguiente tabla de contenido se presenta los resultados de las fuentes bibliogrficas seleccionadas y analizadas por ao descendente, mismas que a regln seguido se discuten en sus conceptos ms relevantes para posteriormente obtener las respectivas conclusiones.

 

Tabla 1. Tabla de Contenido Documental de las Fuentes Consultadas por ao de publicacin

Autor/ao

Titulo

Tipo de Documento

Resultados y/o conclusiones

(Arvalo, 2021)

 

 

 

 

 

 

 

 

Optimizacin en dimensionamiento y control energtico de sistemas hbridos de energas renovables en Ecuador

 

 

Tesis doctoral

Universidad de Jan

 

Se analiza el impacto de sistemas hbridos renovables (HRES) compuesto por energa fotovoltaica

(PV), turbinas hidrocinticas (HKT), turbinas elicas (WT), bateras y gasificadores de biomasa (GB). Las simulaciones de los HRES, en algunos casos se realiza utilizando herramientas computacionales como HOMER Pro y Matlab Simulink. Los resultados demuestran que, al utilizar sistemas renovables conformados por ms de una fuente energtica son ms eficientes con respecto a sistemas con una sola fuente renovable.

 

 

(Monasterio, 2021)

 

 

Inteligencia Artificial Para el Bien Comn (AI4SG): IA y los Objetivos de Desarrollo Sostenible

 

 

Artculo de investigacin

Universidad de Granada. Espaa

La Inteligencia Artificial (IA), puede contribuir a la mejora del bienestar de las personas, crear sociedades ms prosperas y salvar el planeta. La tecnologa digital y la IA tambin se pueden aplicar para la solucin de grandes cuestiones de la humanidad, como los 17 objetivos de Desarrollo Sostenible y sus 169 metas de la agenda 2030. Asegurar el acceso a la energa sostenible, fiable y barata es quiz uno de los ODS ms importantes. La IA en el contexto energtico puede promover un proceso de optimizacin mayor en la operacin y control de los sistemas de produccin industriales de energa.

(Snchez Durn, 2020)

El futuro y la demanda energtica

Tesis Doctoral

Universidad de Sevilla. Espaa

La identificacin de algoritmos de prediccin de la demanda, recogidos en la terminologa anglosajona bajo el concepto Energy Forecasting, ser una herramienta de especial importancia en un mundo basado en la recoleccin y tratamiento de los datos. Las metodologas de previsin de demanda de electricidad estn basados en nuevos algoritmos e inteligencia artificial utilizando grandes volmenes de datos, como la tendencia lineal, medias mviles simples o ponderadas, alisados exponenciales simples y ajustados. La descomposicin factorial va a ser un recurso til para explicar las variaciones en la demanda por cada sector de uso en el tiempo.

(Caratar, Valencia, Caicedo, & Chamorro, 2020)

Evaluacin de tcnicas de inteligencia artificial utilizadas en el diagnstico de fallas en plantas de potencia

Artculo de Investigacin

Universidad del Valle, Cali, Colombia

Las herramientas computacionales basadas en tcnicas de inteligencia artificial, enfocadas en la deteccin y diagnstico de fallas en los diferentes procesos pueden aplicarse a una central de generacin de energa tal como: hidroelctricas, termoelctricas y centrales nucleares. Las principales tcnicas de inteligencia artificial que permiten la construccin de sistemas inteligentes para el diagnstico de fallas en centrales elctricas son: lgica difusa, redes neuronales, sistemas basados en el conocimiento y tcnicas hibridas, obteniendo como resultado que el denominado sistema hbrido ha tenido el mayor impacto en los ltimos aos para detectar y diagnosticar fallas en plantas elctricas.

(Kumar & Monjur, 2018)

Mtodos de previsin en modelos de planificacin energtica

Artculo de investigacin

Universidad de Cardiff, Reino Unido

Dentro de los diferentes mtodos de pronstico en orden descendente de uso: la red neuronal artificial (RNA) como el mtodo ms utilizado; mquina de vectores de soporte (SVM), promedio mvil integrado autorregresivo (ARIMA), lgica difusa (FL), regresin lineal (LR), algoritmo gentico (GA), optimizacin de enjambre de partculas (PSO) , prediccin gris (GM) y media mvil autorregresiva (ARMA) en cuanto a la precisin, los mtodos de inteligencia computacional (IC) demuestran un mejor desempeo que los estadsticos, en particular para parmetros con mayor variabilidad en los datos de origen. Los mtodos estadsticos se utilizan solo para el corto y mediano plazo, mientras que los mtodos de IC son preferibles para todos los rangos de pronstico temporal (corto, mediano y largo).

Fuente: Elaboracin propia

 

 

Discusin

Producto de la revisin sistemtica y el anlisis documental, se afirma, que el promover la eficiencia energtica en Ecuador aplicando las tcnicas que ofrece la inteligencia artificial (IA) es un paradigma que debe tomarse en consideracin como forma de mejorar el nivel de suministro energtico, adems de minimizar el impacto medioambiental. Los citados autores brindan en sus disertaciones argumentos ms que vlidos para el uso de las herramientas tecnolgicas orientadas a la digitalizacin del sistema energtico nacional.

De este modo, dentro de las ventajas que ofrece la inteligencia artificial en el contexto energtico, segn(Monasterio, 2021) puede contribuir a la mejora del bienestar de las personas, crear sociedades ms prosperas y salvar el planeta. La IA tambin se puede aplicar para la solucin de grandes cuestiones de la humanidad, como los 17 objetivos de Desarrollo Sostenible y sus 169 metas de la agenda 2030.

Por su parte, (Caratar, Valencia, Caicedo, & Chamorro, 2020) expresan que las tcnicas de inteligencia artificial permiten la construccin de sistemas inteligentes para el diagnstico de fallas en centrales elctricas. As tambin, (Snchez Durn, 2020) refieren que se puede prever la demanda de electricidad basndose en nuevos algoritmos e inteligencia artificial. Igualmente, (Monasterio, 2021) expone que la IA en el contexto energtico puede promover un proceso de optimizacin mayor en la operacin y control de los sistemas de produccin industriales de energa.

Otro factor importante es tomar en consideracin el hecho de que, a decir de(Caratar, Valencia, Caicedo, & Chamorro, 2020), las herramientas computacionales basadas en tcnicas de inteligencia artificial, enfocadas en la deteccin y diagnstico de fallas en los diferentes procesos pueden aplicarse a una central de generacin de energa tal como: hidroelctricas, termoelctricas y centrales nucleares. Esta cuestin es sumamente importante a razn de que estas grandes centrales elctricas suministran en gran medida la electricidad al pas y, por tanto su optimizacin es fundamental para por un lado, hacer ms eficiente el sistema en cuanto a la deteccin oportuna de las averas aun antes de que ocurra y as evitar las fallas en el suministro energtico y por el otro ahorra costes a la nacin por reparacin y compras de piezas o maquinarias que fcilmente se pueden monitorear y prever cualquier dificultad para un buen mantenimiento a largo plazo del equipo.

En otra disertacin (Kumar & Monjur, 2018) afirma que los mtodos de inteligencia computacional (IC) demuestran una mayor precisin y un mejor desempeo que los estadsticos, para el pronstico temporal (corto, mediano y largo). De manera similar, para mejorar la eficiencia del sector energtico es necesario conocer el valor de las demandas de energa en los diversos procesos asociados a la misma, as, (Snchez Durn, 2020) explican que la descomposicin factorial va a ser un recurso til para explicar las variaciones en la demanda por cada sector de uso en el tiempo. Esta informacin es importante para focalizar los sitios de ms demandas y conducir acciones tendientes al ahorro energtico en los diversos sectores bien sea residencial, comercial e industrial del pas, que coadyuve a reducir costos y prdidas por uso indebido del recurso energtico y a la vez reducir la huella del carbono.

Se establece tambin en los referidos estudios la variedad de tcnicas de inteligencia artificial que se pueden emplear, asimismo informan cul de ellas es la que tiene mejor desempeo. Al respecto, (Kumar & Monjur, 2018) denotan que dentro de los diferentes mtodos de pronstico en orden descendente de uso, se tiene: la red neuronal artificial (RNA) como el mtodo ms utilizado; mquina de vectores de soporte (SVM), promedio mvil integrado autorregresivo (ARIMA), lgica difusa (FL), regresin lineal (LR), algoritmo gentico (GA), optimizacin de enjambre de partculas (PSO), prediccin gris (GM) y media mvil autorregresiva (ARMA).

Por otro lado, (Caratar, Valencia, Caicedo, & Chamorro, 2020) indica que las principales tcnicas de inteligencia artificial que permiten la construccin de sistemas inteligentes para el diagnstico de fallas en centrales elctricas son: lgica difusa, redes neuronales, sistemas basados en el conocimiento y tcnicas hibridas. En esta lnea(Snchez Durn, 2020) mencionan los nuevos algoritmos e inteligencia artificial utilizando grandes volmenes de datos, como la tendencia lineal, medias mviles simples o ponderadas, alisados exponenciales simples y ajustados.

En el mismo orden de ideas, (Arvalo, 2021) subraya como tcnicas de inteligencia artificial que pueden ser aplicados en el sistema energtico: las simulaciones de los HRES, en algunos casos se realiza utilizando herramientas computacionales como HOMER Pro y Matlab Simulink. Igualmente, (Snchez Durn, 2020) consideran que el concepto Energy Forecasting, ser una herramienta de especial importancia en un mundo basado en la recoleccin y tratamiento de los datos.

En tal sentido, de esta gama de metodologas relacionadas con la inteligencia artificial en el entorno energtico, los sistemas hbridos son los que han demostrado mejor desempeo, en esta idea coinciden(Arvalo, 2021) cuando aduce que los resultados demuestran que, al utilizar sistemas renovables conformados por ms de una fuente energtica son ms eficientes con respecto a sistemas con una sola fuente renovable; (Caratar, Valencia, Caicedo, & Chamorro, 2020) quienes dicen que el denominado sistema hbrido ha tenido el mayor impacto en los ltimos aos para detectar y diagnosticar fallas en plantas elctricas. Todo esto tiene el propsito de fortalecer el desarrollo de acciones direccionadas a la mxima eficiencia energtica y para la preservacin del planeta.

 

Conclusiones

La disminucin del impacto sobre la calidad ambiental, es uno de los desafos a los cuales se enfrenta el mundo globalizado hoy en da. En la literatura especializada, mucho se ha expresado que los combustibles fsiles (petrleo, carbn, gas) son la fuente primaria de energa en las sociedades modernas, pero tambin la principal causa de emisin de gases de efecto invernadero que provocan el calentamiento del planeta.

En este cometido, diversos pases y entre ellos Ecuador desde tiempo atrs han venido consolidando sus marcos institucionales y regulatorios de apoyo a las actividades de eficiencia energtica y, en este propsito mucho pueden ayudar las tcnicas inteligencia artificial empleadas en el contexto energtico en los sectores residenciales, comerciales e industriales. Siendo que se usan para detectar fallas en el sistema, controlar la demanda y el consumo de energa.

Asimismo, el sistema hbrido que agrupa los sistemas renovables conformados por ms de una fuente energtica es ms eficiente con respecto a sistemas con una sola fuente renovable. Por tanto, en la actualidad ya es un hecho comprobado que la eficiencia energtica va de la mano con la digitalizacin para un presente y de cara a un futuro ms sostenible.

 

Referencias

1.      Arauz, J. (2020). Identificacin de Fallas en Sistemas Elctricos de Potencia Basado en Reconocimiento de Patrones. Universidad Politcnica Salesiana Sede Quito, Ecuador. Trabajo de titulacin. https://dspace.ups.edu.ec/bitstream/123456789/18559/1/UPS%20-%20ST004488.pdf, pp.29.

2.      Arcos, E. (2016). Estrategias de Eficiencia Energtica en Usuarios Residenciales. Universidad Politcnica Salesiana Sede Quito. Ecuador. Trabajo de titulacin. https://dspace.ups.edu.ec/bitstream/123456789/12874/3/UPS-KT01290.pdf, pp.21.

3.      Arias, F. (2006). El Proyecto de Investigacin, Gua para su Elaboracin. Caracas, Venezuela: Editorial Episteme. Cuarta Edicin.

4.      Ario, G. (2020). La transicin energtica en el sector elctrico. Lneas de evolucin del sistema, de las empresas, de la regulacin y de los mercados. Publicaciones de la Universidad de Deusto. ISBN: 978-84-1325-093-9. http://www.deusto-publicaciones.es/deusto/pdfs/orkestra/orkestra59.pdf, pp.239.

5.      Basogain, X. (2010). Introduccin a la Computacin Neuronal. Tema 1. Escuela Superior de Ingeniera de Bilbao, EHU. https://ocw.ehu.eus/pluginfile.php/40137/mod_resource/content/1/redes_neuro/contenidos/pdf/libro-del-curso.pdf, pp.79.

6.      Borroto, A., & Snchez, S. (2008). Manual de Eficiencia Energtica en Edificios Pblicos. Ministerio de Electricidad y Energa Renovable. Quito, Ecuador. http://enerpro.com.ec/wp-content/uploads/2019/04/Manual-de-Eficiencia-Energetica-en-Edificios-Publicos.pdf, pp.81.

7.      Caratar, J., Valencia, A., Caicedo, G., & Chamorro, C. (2020). Evaluacin de tcnicas de inteligencia artificial utilizadas en el diagnstico de fallas en plantas de potencia. Respuestas, vol. 25, no. 2. https://doi.org/10.22463/0122820X.2966. https://revistas.ufps.edu.co/index.php/respuestas/article/view/2966/3275, pp.177-189.

8.      CEPAL. (2020). Estrategia Energtica Sustentable 2030 de los pases del SICA. Comisin Econmica para Amrica Latina y el Caribe (CEPAL). Ciudad de Mxico, pp.214.

9.      Cruz, P. (2011). Inteligencia artificial con aplicaciones a la ingeniera. Alfaomega. 1st ed.

10.  DAEE. (2016). Estado de la eficiencia energtica en Ecuador: identificacin de oportunidades. pp.44: Editor Banco de Desarrollo de Amrica Latina (CAF). https://biblioteca.olade.org/opac-tmpl/Documentos/cg00385.pdf.

11.  Dez, R., Gmez, A., & Martnez, N. (2001). Introduccin a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computacin evolutiva.

12.  ENFORCE. (2010). Gua Prctica sobre Ahorro y Eficiencia Energtica en Edificios. Red de Auditores Energticos de la Unin Europea. Proyecto Enforce /Intelligent Energy Europe (IEE).https://www.academia.edu/upgrade?feature=bd_books&trigger=bulk_download_books_ping&upgrade_redirect=%2F%2Fwww.academia.edu%2Fsearch%3Fq%3D*%26ri, pp.60.

13.  Fernndez Cspedes, M. (2021). Mantenimiento predictivo. En Aserta, El sector energtico aprovecha el potencial de la inteligencia artificial. Madrid, Espaa: https://aserta.com.es/inteligencia-artificial-en-el-sector-energetico/.

14.  Hernndez, R., Fernndez, C., & Baptista, P. (2006). Metodologade la Investigacin. Mxico: McGraw Hill. Cuarta Edicin.

15.  Hurtado, L., Villarreal, E., & Villarreal, L. (2016). Deteccin y diagnstico de fallas mediante tcnicas de inteligencia artificial, un estado del arte. Dyna, vol. 83, nm. 199. Universidad Nacional de Colombia.https://www.redalyc.org/journal/496/49648868002/html/, pp.19-28.

16.  Inderwildi, O., Zhang , C., Wang, X., & Kraft, M. (2020). The impact of intelligent cyber-physical systems on the decarbonization of energy. Energy and Environmental Science,13: 744-771. https://doi.org/10.1039/C9EE01919G.

17.  Kumar , D., & Monjur, M. (2018). Forecasting methods in energy planning models. Renewable and Sustainable Energy Reviews. Volume 88.https://doi.org/10.1016/j.rser.2018.02.002.https://www.sciencedirect.com/science/article/abs/pii/S1364032118300200 , pp.297-325.

18.  Martn, L. (2020). Digitalizacin e inteligencia artificial, aliados para la eficiencia energtica. Revista Haz Fundacin. https://hazrevista.org/rsc/2020/10/digitalizacion-inteligencia-artificial-aliados-eficiencia-energetica/.

19.  Monasterio, A. (2021). Inteligencia Artificial Para el Bien Comn (AI4SG): IA y los Objetivos de Desarrollo Sostenible. ARBOR Ciencia, Pensamiento y Cultura 197 (802).Universidad de Granada. Espaa. https://doi.org/10.3989/arbor.2021.802007, a629.

20.  Padrn, S. (2015). Inteligencia Artificial en la Operacin de Redes Elctricas. Aplicacin a Sistemas Aislados. Universidad de Las Palmas de Gran Canaria. Tesis Doctoral. https://accedacris.ulpgc.es/bitstream/10553/17092/3/0722383_00000_0000.pdf, pp.328.

21.  Palella, S., & Martins, F. (2012). Metodologa de la Investigacin Cuantitativa . Caracas, Venezuela: Fondo Editorial de la Universidad Pedaggica Experimental Libertador.

22.  Rodella, F. (2020). Algoritmos Para no Desperdiciar Energa. Tungsteno. https://www.sacyr.com/-/algoritmos-para-no-desperdiciar-energia.

23.  Sabino, C. (2000). El Proceso de Investigacin. Caracas, Venezuela: Panapo. 4 edicin.

24.  Snchez Durn, R. (2020). El futuro y la demanda energtica. Universidad de Sevilla ( Espaa ).Tesis Doctoral. https://dialnet.unirioja.es/servlet/tesis?codigo=283233, PP.234.

25.  Snchez, J., Blanco, A., Ypez, A., Coviello, M., Schuschny, A., Aiello, R., y otros. (2017). Eficiencia. Sustainable Energy for All SEforALL/Banco Interamericano de Desarrollo (BID)/Capal/Olade. pp.118 https://biblioteca.olade.org/opac-tmpl/Documentos/old0397.pdf.

26.  Sevilla, P. (2021). Planificacin y ajuste de oferta y demanda. En Aserta, El sector energtico aprovecha el potencial de la inteligencia artificial. Madrid, Espaa: https://aserta.com.es/inteligencia-artificial-en-el-sector-energetico/.

 

 

 

2022 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).|

Métricas del Artículos

Cargando Métricas.....

Metrics powered by MI WEB PRO

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia


Copyright (c) 2022 Vinicio Samuel Solis-Mora, Dario Fernando Gruezo-Valencia

URL de la Licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es

Polo de Capacitación, Investigación y Publicación (POCAIP)

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: [email protected]

URL: https://www.dominiodelasciencias.com/

DOI: https://doi.org/10.23857/pocaip