IEEE Power & Energy Magazine - Spanish - May/June 2022 - 14

Tao Hong y Fangxing Li
presenciando una nueva
oleada
inteligencia artificial y aprendizaje automático
L
14
LOS PROFESIONALES DEL SECtor
de la ingeniería eléctrica son testigos
de otra oleada de inteligencia artificial
(IA), que podría ser la segunda
oleada en la industria de la energía y la
tercera en la comunidad de la IA desde
la década de 1940. El avance tecnológico
de la IA la ha convertido en una solución
universal para casi todo. En comparación
con sus contrapartes humanas,
en algunas aplicaciones, las soluciones
basadas en la IA son más precisas, se
ejecutan más rápido y tienen un mayor
nivel de tolerancia para los trabajos tediosos
y los entornos extremos.
Como las personas se están acostumbrando
a la IA en su vida cotidiana,
los lectores de esta revista se preguntarán
cómo afectan la IA y el aprendizaje
automático (AA) al funcionamiento
presente y futuro de la red de energía
eléctrica. Dejando a un lado todos los
alardeos y las palabras de marketing,
las técnicas de IA y AA ya se han adoptado
en aplicaciones de la industria de
la energía en el mundo real, aunque
no tantas como muchos han pensado o
afirmado. Puede que algunos lectores
estén familiarizados con las soluciones
comerciales que utilizan la IA para el
pronóstico de la carga. A muchos lectores
les interesará saber qué otras aplicaciones
de los sistemas eléctricos puede
abordar la IA, si podemos confiar en
ella para gestionar nuestra red eléctrica,
y cómo serán las redes futuras a medida
que la IA siga evolucionando.
Identificador de Objeto Digital 10.1109/MPE.2022.3156688
Fecha de la versión actual: 19 de abril de 2022
ieee power & energy magazine
La madurez de la IA y el AA difiere
en las diferentes aplicaciones de ingeniería
eléctrica. La presente edición de
la IEEE Power & Energy Magazine
ofrece una colección de seis artículos
y una columna " En mi opinión " que
abarcan diversos aspectos de la IA y el
AA para varias aplicaciones, comoel
pronóstico de la carga y los precios,
las operaciones del sistema eléctrico, la
gestión de la energía en los edificios, la
segmentación de los clientes y el modelado
dinámico. Esta edición aborda
una perspectiva histórica y las lecciones
aprendidas, así como las ideas más
recientes.
El pronóstico de la carga es una de
las primeras aplicaciones de la IA en
los sistemas eléctricos, que se remonta
a finales de los años 80. Durante las últimas
tres décadas, se ha observado una
importante brecha entre la literatura
académica y la práctica de la industria,
lo que conduce a varios malentendidos
y confusión sobre lo que la IA puede
hacer a los modelos de pronóstico de
carga. El primer artículo, " Inteligencia
artificial para el pronóstico de la carga:
historia, ilusiones y oportunidades " , de
T. Hong y P. Wang, analiza cinco ilusiones
asociadas al desarrollo de modelos
basados en la IA. También presentan
aclaraciones a cada ilusión para
ayudar a mejorar la eficiencia de la IA
en el pronóstico de la carga.
La reestructuración del sector de la
energía en los años 90 dio lugar a la desregulación
de los mercados de energía,
lo que convirtió el pronóstico de los precios
de la electricidad en un problema a
resolver. Los modelos de pronóstico del
precio de la electricidad han ido evolucionando
durante los últimos 25 años,
pasando de modelos relativamente sencillos,
como los de regresión lineal, a
modelos sofisticados de AA que se fundamentan
en más datos y potencia informática.
En el segundo artículo, " Pronóstico
del precio de la electricidad: el
amanecer del aprendizaje automático " ,
A. Je
drzejewski, J. Lago, G. Marcjasz y
'
R. Weron presentan una visión general
de las principales tendencias y modelos
de pronóstico del precio de la electricidad.
También señalan los aspectos que
se deben mejorar y ofrecen una lista de
las mejores prácticas para los pronosticadores
de precios de la electricidad.
Se ha considerado que muchos
procedimientos de AA son técnicas
de caja negra. En la práctica, estas características
impiden que se adopten
ampliamente para muchas aplicaciones
de sistemas eléctricos. En el tercer
artículo, " Aprendizaje automático en
los sistemas eléctricos: ¿Ha llegado el
momento de confiar? " S. Chatzivasileiadis,
A. Venzke, J. Stiasny y G.
Misyris intentan fomentar la confianza
en las redes neuronales artificiales proponiendo
dos direcciones: la verificación
de las redes neuronales y las redes
neuronales informadas por la física. La
primera pretende ofrecer garantías sobre
el rendimiento de una red neuronal
entrenada, mientras que la segunda se
centra en cómo aprovechar los modelos
físicos del sistema eléctrico.
La gestión de la energía en los edificios
ha sido un problema difícil debido
mayo/junio 2022
editorial invitada
IEEE Power & Energy Magazine - Spanish - May/June 2022

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - May/June 2022
