En el marco social y económico en el que nos encontramos, es fundamental dotar de inteligencia las tecnologías emergentes como son las energías renovables, ya que éstas se deben consolidarse como una alternativa competitiva a los sistemas de generación energética tradicionales. En este sentido, dicha inteligencia no sólo debe asociarse a los procesos de gestión y monitorización de su comportamiento, sino que deben ser desarrollados sistemas que permitan anticiparse a pérdidas que condicionan el rendimiento de las mismas, y con ello, dotar los sistemas de generación energética renovables de la robustez y confianza necesaria en cuando a garantías de rendimiento a los inversores, con el fin de impulsar el despliegue de las misma como alternativa a la generación energética tradicional.
En este sentido, se pretende desarrollar un sistema inteligente que permita optimizar el mantenimiento de infraestructuras críticas, que incorpore al sistema desarrollado elementos de inteligencia que hagan maximizar la producción de dichas infraestructuras, minimizar el uso de recursos naturales finitos y reducir la contaminación a los ecosistemas naturales y además construir un primer prototipo de sistema predictivo automático e inteligente que informe a tiempo real de posibles deficiencias en las instalaciones.
El reto científico y tecnológico de la propuesta se centra en optimizar la generación de energía de una instalación fotovoltaica general o de autoconsumo, y realizar un mantenimiento predictivo eficiente, a través de redes de Petri lingüísticas, conjuntos difusos y herramientas complementarias como el FCA (Análisis formal de conceptos) y los RST (Teoría de conjuntos rugosos), todo desde el marco de la Lógica Difusa.
Fruto de la ejecución de proyectos previos de colaboración entre GEN y el grupo de investigación Mathematics for Computational Intelligence Systems (M·CIS) de la Universidad de Cádiz, se parte de un algoritmo ya diseñado para detectar anomalías en la producción de energía fotovoltaica (GEN-MCIS, MCIS-GENera e inGENia).
Para este proyecto, que es un claro ejemplo de colaboración público-privada, además de Grupo Energético de Puerto Real, se cuenta con la participación del grupo de investigación Mathematics for Computational Intelligence Systems (M·CIS) de la Universidad de Cádiz, las empresas Wattabit y Alisea, así como con la coordinación del Smart City Cluster.
iPredice es un proyecto de Investigación y Desarrollo que enmarcado dentro de la estrategia de innovación “Puerto Real +Ciudad”, concretamente en la Línea 4, denominada “Innovación enfocada a la gestión energética”. Este proyecto ha sido financiado parcialmente con fondos Next Generation.