Glosario IA
El diccionario completo de la Inteligencia Artificial
Estado de Carga (SoC)
El Estado de Carga representa el nivel de carga actual de una batería, expresado como un porcentaje de su capacidad nominal total. Es una variable de estado crucial para los algoritmos de optimización del almacenamiento de energía.
Estado de Salud (SoH)
El Estado de Salud es un indicador de la condición actual de una batería en comparación con su estado nuevo, midiendo su degradación y su capacidad para almacenar y entregar energía. Es esencial para la planificación del mantenimiento y la predicción de la vida útil.
Profundidad de Descarga (DoD)
La Profundidad de Descarga mide el porcentaje de la capacidad total de la batería que ha sido utilizado. La gestión del DoD es una palanca clave para optimizar la vida útil de los sistemas de almacenamiento.
Aprendizaje por Refuerzo (RL) para el almacenamiento
El Aprendizaje por Refuerzo aplicado al almacenamiento de energía consiste en entrenar a un agente de IA para tomar decisiones óptimas de carga/descarga maximizando una recompensa, a menudo basada en beneficios económicos o la eficiencia de la red.
Optimización multi-objetivo
La optimización multi-objetivo busca encontrar el mejor compromiso entre varios objetivos conflictivos, como la maximización de los ingresos, la minimización de la degradación de la batería y el equilibrio de la carga de la red.
Arbitraje energético
El arbitraje energético es una estrategia que consiste en almacenar electricidad cuando los precios son bajos para venderla o consumirla cuando los precios son altos, generando así beneficios. Los algoritmos de IA predictivos son esenciales para anticipar las variaciones de precios.
Gestión de Flotas de baterías
La Gestión de Flotas de baterías se refiere a la supervisión y optimización centralizadas de un conjunto de sistemas de almacenamiento, utilizando la IA para coordinar su carga/descarga en función de las necesidades de la red y el estado de cada unidad.
Gemelo Digital de batería
Un Gemelo Digital de batería es una réplica virtual dinámica de un sistema de almacenamiento físico, alimentada por datos en tiempo real y modelos de IA, para simular su comportamiento, predecir su degradación y probar estrategias de optimización.
Algoritmo de Carga Inteligente (Smart Charging)
Un algoritmo de carga inteligente ajusta dinámicamente el perfil de carga de una batería basándose en previsiones de producción de energías renovables, los precios de la electricidad y la demanda de la red para maximizar el autoconsumo y minimizar los costos.
Previsión de la Demanda (Load Forecasting)
La previsión de la demanda utiliza modelos de machine learning para anticipar el consumo eléctrico futuro a corto o medio plazo. Esta información es vital para decidir cuándo cargar o descargar los sistemas de almacenamiento.
Suavizado de la Producción Renovable (Renewable Smoothing)
El suavizado de la producción renovable es una función de almacenamiento que utiliza las baterías para absorber las fluctuaciones rápidas de la producción solar o eólica, estabilizando así la potencia inyectada en la red gracias a algoritmos de control reactivos.
Respuesta a la Demanda (Demand Response)
La respuesta a la demanda es un mecanismo por el cual los consumidores ajustan su consumo en respuesta a señales tarifarias o restricciones de la red. Las baterías, pilotadas por la IA, pueden participar descargando durante los picos de demanda.
Equilibrado de Celdas (Cell Balancing)
El equilibrado de celdas es un proceso que busca garantizar que todas las celdas dentro de un paquete de baterías tengan un estado de carga uniforme, con el fin de maximizar la capacidad utilizable y la vida útil del paquete. Los algoritmos de IA pueden optimizar este proceso en tiempo real.
Optimización Estocástica (Stochastic Optimization)
La Optimización Estocástica es un método de optimización que tiene en cuenta la incertidumbre de las variables de entrada, como la producción de energías renovables o los precios de la energía, para encontrar estrategias de gestión de almacenamiento robustas y resilientes.
Q-Learning para la optimización
El Q-Learning es un algoritmo de aprendizaje por refuerzo sin modelo donde un agente aprende una política óptima evaluando la calidad (Q-value) de los pares acción-estado en cada estado, aplicado para determinar las mejores decisiones de carga/descarga.
Sistema de Gestión de Baterías (BMS) optimizado por IA
Un Sistema de Gestión de Baterías optimizado por IA integra algoritmos de aprendizaje automático para refinar la monitorización del SoC/SoH, predecir fallos y optimizar los parámetros de protección en tiempo real, superando las capacidades de los BMS tradicionales basados en reglas.
Peak Shaving
El Peak Shaving, o reducción de picos, es una estrategia que consiste en utilizar la energía almacenada en las baterías para reducir la potencia máxima extraída de la red durante los períodos de alta demanda, con el fin de limitar los costos asociados a los picos de consumo.