Persiguiendo el viento: Proyecto para aumentar la capacidad de predecir ráfagas de viento

Un grupo multidisciplinario de investigadores del Instituto de Computación (INCO) y del Instituto de Mecánica de los Fluidos e Ingeniería Ambiental (Imfia), de la Facultad de Ingeniería de la Universidad de la República (FING-Udelar), con el apoyo de la Agencia Nacional de Investigación e Innovación (ANII), trabajan en métodos que permiten aumentar 47% la capacidad de predicción de ráfagas de viento.

Por Alexandra Perrone

Esta herramienta puede ser fundamental para alertar sobre posibles daños en parques eólicos, tendido eléctrico, producción agrícola y poblaciones humanas.

“Nuestra intención es integrar este tipo de técnicas dentro de sistemas de alerta  que podrían ser utilizadas por el Instituto Uruguayo de Meteorología [Inumet], UTE u otros actores involucrados para predecir situaciones de ráfagas con cierta antelación”, dijo a Caras y Caretas la Dra. Ing. Lorena Etcheverry, profesora adjunta del Instituto de Computación de la Facultad de Ingeniería.

La científica contó que el proyecto denominado Modelo de alerta de ráfagas de viento para la toma de decisiones” surge del trabajo que se viene realizando desde hace años en el Instituto de Mecánica de los Fluidos e Ingeniería Ambiental [IMFIA] sobre energía eólica y viento.

El hecho de que la Facultad de Ingeniería contara desde la década del 50 con un “túnel de viento” de pequeñas dimensiones, permitió la formación de un grupo especializado en el diseño y manejo de este tipo de instalaciones. En 1996, en el marco de un programa de cooperación entre la Universidad de Minnesota y la Universidad de la República, financiado por la National Science Foundation y por el Consejo Nacional de Investigaciones Científicas y Técnicas (Conicyt), se logró el diseño y construcción de un nuevo “túnel de viento” de 17 metros de longitud, 2,25 metros de ancho y 1,80 de alto.

Entre sus principales usos, se destaca la identificación de los mejores lugares del país para la instalación de aerogeneradores. Esto permitió la creación del Grupo de Trabajo en Energías Renovables de la Facultad de Ingeniería, que, junto a UTE, trabajó en el Programa de Evaluación del Potencial Eólico Nacional», que decantó en la creación en 2009 del Mapa eólico de Uruguay”, permitiendo así apostar a una nueva forma de producir energía.

Esta apuesta al cambio de la matriz energética de nuestro país comenzó a consolidarse con la inauguración del primer parque eólico de Uruguay, en la Sierra de los Caracoles, en el departamento de Maldonado.

Hoy existen más de 40 y Uruguay se consolidó como el segundo país con mayor participación de generación de energía eólica en el mundo.

En este proceso, que requiere una mayor apuesta a mejorar y ampliar la generación energética del país, es fundamental el rol de la Universidad de la República, que destina recursos públicos para la producción de conocimiento y la formación de recursos humanos.

 

El proyecto

Lorena Etcheverry contó que esta iniciativa, que podría ser fundamental para evitar daños severos al tendido eléctrico, comunicaciones, plantaciones e incluso evitar pérdidas humanas, es un proyecto financiado por la Agencia Nacional de Investigación e Innovación (ANII), en la primera edición del Fondo Sectorial de Datos. El trabajo comenzó en 2018 y culminó a fines del año pasado, aunque la divulgación de los datos obtenidos se vio demorada debido a la situación sanitaria provocada por la pandemia de coronavirus.

Para comprender en qué consistió este “Modelo de alerta de ráfagas de viento para la toma de decisiones”, la científica explicó qué son las ráfagas de viento y el fenómeno meteorológico denominado tormenta convectiva.

“Una ráfaga de viento es un fenómeno que puede tener una duración relativamente corta, pero el viento se dispara en su velocidad, es decir,  valores máximos de la velocidad del viento en cortos períodos de tiempo”, explicó.

“Lo que queríamos explorar en este proyecto era la combinación los métodos más clásicos de modelado físico de la atmósfera. La mayoría de los fenómenos físicos del mundo se pueden representar con sistemas de ecuaciones, que suelen ser bastante complejos, y usando esos sistemas de ecuaciones, uno puede darles datos u obtener resultados o predicciones.

Esa es una estrategia que el Imfia viene utilizando desde hace años, y querían saber qué pasaba si  combinaban esos modelos físicos de la atmósfera con otras técnicas más vinculadas a lo que se conoce como inteligencia artificial (IA), para tratar de mejorar la predicción de las ráfagas”, agregó.

Etcheverry aclaró que si bien el modelo no permite hacer predicciones a muy largo plazo, sino en horizontes más bien cortos, se puede utilizar como una herramienta más para apuntar a mejorar el pronóstico de este tipo de fenómenos.

“En el proyecto hay dos partes: por un lado, los fenómenos físicos tienen un modelado, entonces, se trabajó en mejorar esos modelos para detectar lo que se conoce como tormentas convectivas, que según los expertos del Imfia, son las que fundamentalmente ocasionan estas ráfagas de viento, y son a su vez el tipo de tormenta más frecuente que ocurre en nuestro territorio.

Por el otro lado, se trabajó en utilizar datos que ya teníamos y generar así varios pronósticos posibles modificando condiciones, lo que se llaman perturbaciones, y armando así varios futuros posibles. Y utilizando técnicas de machine learning para combinar esos futuros posibles, logramos pronósticos más acertados que los pronósticos hechos sin utilizar esas combinaciones. Para validar el modelo utilizamos datos del pasado provistos por UTE porque ellos, en los parques eólicos, cuentan con anemómetros para medir la velocidad del viento y otras variables meteorológicas”, detalló.

La científica contó que una de las técnicas que mejor les funcionó fue la técnica conocida como “redes neuronales”. El grupo utilizó distintos tipos de redes, desde los modelos más simples (llamadas redes neuronales densas o DNN) hasta modelos que toman en cuenta el histórico de datos para mejorar la predicción (denominadas redes neuronales recurrentes o RNN) y se combinaron con otros modelos que se utilizan en el ámbito de la visión artificial, conocidas como redes neuronales convolucionales o CNN. Estas técnicas de inteligencia artificial permiten un manejo de grandes volúmenes de datos.

“Probamos distintas técnicas y las que funcionaron mejor fueron las técnicas conocidas como redes neuronales; son una familia de métodos en que básicamente uno define una arquitectura, una serie de capas, es un artefacto que toma datos de entradas y va logrando conectar la salida, por eso se llama redes neuronales, porque tienen ‘distintas capitas’ de funciones matemáticas, toma entradas, genera salidas y esas salidas se van conectando a futuras entradas y así se arma una secuencia. Esos artefactos son buenos por ejemplo clasificando y, en nuestro caso, fueron los que mejores resultados nos dieron para optimizar las predicciones”, señaló.

Los resultados de esta investigación permitieron mejorar 47% las predicciones con respecto a los modelos de circulación atmosférica global  conocidos como Thorpex Interactive Grand Global Ensemble (Tigge).

También se pudo demostrar que los modelos probados, además de predecir la velocidad del viento, aportan los valores máximos, mínimos y el promedio de las velocidades máximas pronosticadas.

Además de Lorena Etcheverry, el equipo está formado por el investigador Marcos Pastorini, ambos de Concepción de Sistemas de Información (CSI) del Instituto de Computación de la Facultad de Ingeniería de la Udelar), los ingenieros Pablo Ezzatti y Martín Pedemonte, Raúl Marichal y Diego Silvera (Laboratorio de Computación Heterogénea) y por el Instituto de Mecánica de los Fluidos e Ingeniería Ambiental (Imfia), están presentes los ingenieros Alejandro Gutiérrez y Everton de Almeida y el licenciado Claudio Porrini.

Compartir:
Leer entrada anterior
Fratelli tutti: la política como ternura y amabilidad

La nueva encíclica del Papa Francisco, firmada sobre la sepultura de Francisco de Asís, en la ciudad de Asís, el...

Cerrar