grid360
Eficiencia en el transporte de energía

Las empresas de servicios públicos se enfrentan al reto de integrar más energía procedente de fuentes renovables adaptando sus infraestructuras de la mejor manera posible.

Scroll Down

Transporte de energía sostenible

Resultados inmediatos

100% adaptable a ciclos de alta y baja demanda

Máxima eficiencia, mínimo impacto ambiental

Revolucionando la eficiencia energética. Energía más inteligente, sostenible y rentable para un futuro mejor.

Cálculo de la temperatura de la línea eléctrica

La alternativa más directa, más económica y con menor impacto ambiental.

La mayor parte de la infraestructura de líneas eléctricas funciona a menos de la mitad de su capacidad.

La aparición de las renovables implica un cambio en las operaciones. Infraestructuras y operaciones envejecidas. Large investments.

Ampliar la capacidad de sus sistemas de transmisión sin aumentar el presupuesto ni poner en peligro la infraestructura existente. La necesidad de una rápida implantación contrasta con los largos periodos de planificación que suelen durar años.

Aumentar la eficacia y reducir los costes

Aumentar la capacidad de las líneas de transmisión utilizando exactamente la misma infraestructura, aprovechando el seguimiento de alta precisión de la información meteorológica. Esta innovadora herramienta no sólo permite ajustar el rendimiento de la red existente en cada momento para lograr una mayor eficiencia cuando lo conceden las condiciones meteorológicas, sino que también permite identificar los periodos en los que es necesario realizar ajustes a la baja para salvaguardar las condiciones de la línea eléctrica.

¿Cómo lo hacemos?

Uso de datos meteorológicos en tiempo real.

De todas las condiciones ambientales, el viento es la que más influye en la potencia de las líneas.

Además, es un factor clave en la salud de torres y líneas eléctricas, así como en la planificación del mantenimiento de la red.

Permitirá identificar las zonas más decisivas del DLR en todo el tramo y servirá de referencia para los cálculos de ampacidad que permiten conocer el caudal de energía eléctrica que se puede inyectar en la infraestructura.

Será posible visualizar la DLR actual, así como la DLR prevista para las próximas 72 horas, lo que servirá de referencia al cliente para planificar la transferencia de energía.

Un método avanzado para calcular la capacidad de transporte de líneas eléctricas en tiempo real. Análisis de diversas variables ambientales y operativas, como la temperatura del conductor y las condiciones ambientales.

Este planteamiento permite una gestión más eficiente y optimizada de las redes eléctricas, adaptándose a las condiciones cambiantes y a la demanda en cada momento.

DLR (Dynamic Line Rating)

grid360: IoT e IA juntos en un solo espacio

Para demostrar cómo puede mejorarse el modelo WRF utilizando algoritmos de datos locales, Libelium realizó varios estudios sobre las condiciones meteorológicas que afectan a las líneas eléctricas.

En éste se realizó un análisis de las velocidades del viento durante mayo de 2023. Se compararon datos de tres fuentes: estaciones locales, WRF y WRF mejorado:

Información meteorológica de la estación local: En el lugar del estudio se instaló un preciso sistema de vigilancia ambiental. Los dispositivos de medición utilizados fueron los sensores incluidos en esta propuesta. Los datos se recogieron durante todo el mes a intervalos de 15 minutos, pero a efectos de comparación y representación se utilizaron datos horarios.
Información sobre el modelo WRF: Los datos se obtuvieron del modelo WRF con los mismos intervalos de tiempo mencionados anteriormente. Estos datos se representan en verde en el gráfico.
Información sobre la solución grid360: Los datos obtenidos con la solución grid360 aparecen en rojo.

Comparación mensual de la velocidad del viento entre la previsión del WRF y la del WRF mejorado, y resultados finales con datos locales

Para obtener los datos de grid360 como mejora del modelo WRF, se utilizó este modelo como referencia, pero se calibró con datos históricos de la estación local en la ubicación específica del estudio.

Los resultados mostraron que el modelo de previsión WRF mejorado tenía un Error Absoluto Medio (MAE) inferior de 0,48, lo que indica un mejor ajuste a los datos observados.

Key Benefits

La solución grid360 de Libelium para la eficiencia del transporte de energía

Mejora el ajuste de la curva DLR en un 60-70%.

Versatilidad en el despliegue y reducción de inconvenientes en la puesta en marcha o el traslado.

Permite un ajuste óptimo y flexible del DLR.

No es necesario desconectar la línea eléctrica.

Identifica los periodos adecuados para el mantenimiento in situ.

Genera alarmas locales y capacidades de predicción espacial.

Completa la curva DLR en caso de que falten datos.

Menores costes de implantación en comparación con otras opciones tradicionales.

Caso de éxito

Mejora de la eficiencia en el transporte de energía hasta un 30% con IoT y gemelos digitales

¿Es capaz la infraestructura existente de absorber y transmitir esta nueva energía? ¿Cómo puede una infraestructura tradicional hacer frente a la volatilidad de una energía que depende de las condiciones meteorológicas?

Descárgalo