En el Seminario Científico Nacional "Control, automatización e inteligencia artificial en redes inteligentes", el profesor asociado Dr. Dinh Van Chau - Rector de la Universidad de Electricidad - planteó la pregunta central: ¿Cómo combinar el control, la automatización y la IA para que las redes eléctricas tengan la capacidad de observar más profundamente, pronosticar más temprano, operar de manera más flexible pero aún así garantizar la estabilidad, la seguridad, la seguridad de la red y la rendición de cuentas en el proceso de toma de decisiones?
También según el profesor asociado Dr. Dinh Van Chau, un sistema con muchos sensores y software no significa una red eléctrica inteligente. El nivel de inteligencia debe reflejarse en los resultados operativos: más seguro, más confiable, más económico, más flexible, más eficiente en el uso de los recursos y con mejor resistencia y recuperación en caso de incidentes o condiciones inusuales.
Uno de los valores más importantes de la IA en la construcción de redes eléctricas inteligentes es la capacidad de analizar big data para hacer pronósticos y apoyar la toma de decisiones. La IA tiene la capacidad de analizar datos de sistemas de medición, sensores, dispositivos de monitoreo, datos meteorológicos, historial operativo para predecir la demanda de carga, la producción de energía renovable, el riesgo de sobrecarga o signos anormales.
En el campo de las energías renovables, esta es una herramienta especialmente importante. La energía solar y eólica dependen en gran medida de las condiciones climáticas. La IA puede ayudar a predecir la capacidad de generación de energía, apoyando así a las unidades de despacho para equilibrar proactivamente la oferta y la demanda, reduciendo el riesgo de inestabilidad del sistema.
A través del análisis de datos sobre temperatura, vibración, corriente, voltaje del dispositivo, la IA puede identificar signos anormales, advertir sobre el riesgo de daño antes de que ocurra un problema. Esto ayuda a reducir el tiempo de interrupción del suministro eléctrico, reducir los costos de reparación y mejorar la fiabilidad del sistema.
Otra dirección de aplicación es combinar la IA con las copias digitales (Digital Twin). Esta es una tecnología que crea modelos digitales que simulan sistemas físicos, lo que permite probar escenarios operativos, evaluar riesgos y optimizar antes de implementarlos en la práctica.
Según los expertos, la IA y Digital Twin deben desarrollarse en la dirección de combinar modelos físicos y datos, capaces de cuantificar la incertidumbre, detectar datos anormales, rastrear y garantizar la capacidad de intervención humana.
En el seminario, los científicos presentaron la investigación sobre "Aprendizaje continuo jerárquico para la inspección de equipos en líneas eléctricas mediante UAV" y las soluciones "Aplicación de UAV y el problema de la IA en la supervisión del funcionamiento de sistemas eléctricos inteligentes".
Esta es una prueba de la tendencia a combinar muchas tecnologías nuevas para construir un sistema eléctrico que sea capaz de una supervisión más profunda y una respuesta más rápida. Según el profesor asociado Dr. Dinh Van Chau, la IA no puede reemplazar los principios físicos, los procesos operativos y las responsabilidades humanas. La aplicación de la IA en la industria eléctrica debe ir acompañada de un sistema de gestión estricto, en el que la tecnología juega un papel de apoyo y el ser humano sigue siendo el sujeto responsable final.
La aplicación de la IA en la construcción de redes eléctricas inteligentes ya no es una historia de un futuro lejano, sino que se está convirtiendo en un requisito urgente en el proceso de modernización de la industria eléctrica. Esto se ajusta a la orientación de la Resolución 57-NQ/TW sobre el desarrollo de la ciencia, la tecnología, la innovación y la transformación digital; Resolución 70-NQ/TW sobre el desarrollo de infraestructura energética sincrónica e inteligente; así como el Ajuste de la Planificación Eléctrica VIII con el objetivo de construir redes eléctricas inteligentes capaces de integrar fuentes de energía renovable a gran escala.
