Ciencias T�cnicas y Aplicadas
Art�culo de Revisi�n
La Inteligencia Artificial (IA) al servicio de la eficiencia energ�tica en el Ecuador
Artificial Intelligence (AI) at the service of energy efficiency in Ecuador
Intelig�ncia Artificial (IA) a servi�o da efici�ncia energ�tica no Equador
�
%20al%20servicio%20de%20la%20eficiencia%20_archivos/image001.png) |
|||
%20al%20servicio%20de%20la%20eficiencia%20_archivos/image002.png) |
|||
Correspondencia: samuel_solis387@hotmail.com ��
��
������ ��*Recibido: 26 de febrero del 2022 *Aceptado: 20 de marzo de 2022 * Publicado: 07 de abril de 2022
I. Universidad Luis Vargas Torres, Esmeraldas, Ecuador.
II. Universidad Luis Vargas Torres, Esmeraldas, Ecuador.
�����������
Resumen
El presente art�culo describe un estudio que analiz� el uso de la inteligencia artificial (IA) al servicio de la eficiencia energ�tica en el Ecuador. A partir de esta se propuso una investigaci�n bajo un enfoque cualitativo, enmarcada en una indagaci�n documental bibliogr�fica. El trabajo de recopilaci�n de informaci�n se llev� a cabo v�a online en la base de datos de Google acad�mico, revistas indexadas como Scielo, Dialnet, Elsevier, entre otras y, en repositorios digitales de universidades nacionales e internacionales y de diversos organismos de inter�s para este estudio. La sistematizaci�n de la informaci�n documental se efectu� mediante el an�lisis de contenido. Los resultados obtenidos dan cuenta de que las t�cnicas de la Inteligencia Artificial pueden coadyuvar en la eficiencia energ�tica en el entendido de que sirven para monitorear y diagnosticar los equipos de los sistemas energ�ticos para la detecci�n de fallas incluso antes de que estas ocurran, tambi�n se usan para analizar el inmenso volumen de datos y obtener informaci�n de la demanda energ�tica en los sectores residenciales, comerciales e industriales para de esta forma acometer las acciones correctivas que dieran lugar para conseguir el ahorro energ�tico y evitar p�rdidas de energ�a. Dentro de las conclusiones, se tiene el sistema h�brido que agrupa los sistemas renovables conformados por m�s de una fuente energ�tica es m�s eficiente con respecto a sistemas con una sola fuente renovable. Por tanto, en la actualidad ya es un hecho comprobado que la eficiencia energ�tica va de la mano con la digitalizaci�n para un presente y de cara a un futuro m�s sostenible.�����������
Palabras clave: Inteligencia Artificial; eficiencia energ�tica; sostenible
Abstract
This article describes a study that analyzed the use of artificial intelligence (AI) in the service of energy efficiency in Ecuador. From this, an investigation was proposed under a qualitative approach, framed in a bibliographical documentary inquiry. The information gathering work was carried out online in the academic Google database, indexed journals such as Scielo, Dialnet, Elsevier, among others, and in digital repositories of national and international universities and various organizations of interest to this study. study. The systematization of documentary information was carried out through content analysis. The results obtained show that the techniques of Artificial Intelligence can contribute to energy efficiency in the understanding that they serve to monitor and diagnose the equipment of the energy systems for the detection of failures even before they occur, they are also used to analyze the immense volume of data and obtain information on the energy demand in the residential, commercial and industrial sectors in order to undertake the corrective actions that would lead to energy savings and avoid energy losses. Among the conclusions, there is the hybrid system that groups renewable systems made up of more than one energy source is more efficient with respect to systems with a single renewable source. Therefore, it is now a proven fact that energy efficiency goes hand in hand with digitization for the present and for a more sustainable future.
Keywords: Artificial Intelligence; energy efficiency; sustainable
Resumo
Este artigo descreve um estudo que analisou o uso da intelig�ncia artificial (IA) a servi�o da efici�ncia energ�tica no Equador. A partir disso, foi proposta uma investiga��o sob uma abordagem qualitativa, enquadrada em um levantamento bibliogr�fico documental. O trabalho de coleta de informa��es foi realizado online na base de dados acad�mica Google, em peri�dicos indexados como Scielo, Dialnet, Elsevier, entre outros, e em reposit�rios digitais de universidades nacionais e internacionais e diversas organiza��es de interesse deste estudo. A sistematiza��o das informa��es documentais foi realizada por meio da an�lise de conte�do. Os resultados obtidos mostram que as t�cnicas de Intelig�ncia Artificial podem contribuir para a efici�ncia energ�tica no entendimento de que servem para monitorar e diagnosticar os equipamentos dos sistemas de energia para a detec��o de falhas antes mesmo que ocorram, tamb�m s�o utilizadas para analisar o imenso volume de dados e obter informa��es sobre a demanda de energia nos setores residencial, comercial e industrial para realizar as a��es corretivas que levariam � economia de energia e evitariam perdas de energia. Entre as conclus�es, destaca-se que o sistema h�brido que agrupa sistemas renov�veis compostos por mais de uma fonte de energia � mais eficiente em rela��o aos sistemas com uma �nica fonte renov�vel. Portanto, � agora um fato comprovado que a efici�ncia energ�tica anda de m�os dadas com a digitaliza��o para o presente e para um futuro mais sustent�vel.
Palavras-chave: Intelig�ncia Artificial; efici�ncia energ�tica; sustent�vel
Introducci�n
En la actualidad, el uso de inteligencia artificial (IA) se extiende al sector de la energ�a en el inter�s de mejorar la eficiencia energ�tica en diversos campos, tales como el mantenimiento predictivo; la planificaci�n y ajuste de oferta y demanda; nuevos servicios y capacidades para el consumidor, entre otras, todas estas acciones est�n orientadas a gestionar la energ�a de la forma m�s eficaz posible conducente al ahorro de energ�a y con ello contribuir a� reducir paulatinamente el impacto ambiental.
En opini�n de� (Padr�n, 2015) la utilizaci�n de la energ�a el�ctrica est� presente en casi todas las actividades que se desarrollan en los pa�ses a partir de cierto desarrollo econ�mico, previ�ndose para los pr�ximos decenios un gran crecimiento del consumo el�ctrico en el resto de los pa�ses del planeta (p.18). Es precisamente, este hecho lo que explica la necesidad de incorporar en el Sistema de Energ�a El�ctrica (S.E.E.), as� como en el de Sistema El�ctrico de Potencia (S.E.P.) tecnolog�as que incrementen la eficacia en la optimizaci�n en el uso de la energ�a, as�, como en el proceso de transici�n hacia las fuentes de energ�a renovables, en el cometido de lograr la eficiencia energ�tica y contribuir con la protecci�n medioambiental.
Cabe resaltar que, los elementos que constituyen un S.E.E. son, pues, los presentes en: Centrales
Generadoras de Energ�a El�ctrica, Redes El�ctricas de Transporte y Distribuci�n de esa energ�a en Alta Tensi�n (A.T.), Media Tensi�n (M.T.) y Baja Tensi�n (B.T.), Subestaciones El�ctricas A.T. M.T., Centros de Transformaci�n en B.T. y consumos en A.T., M.T. y B.T. (Padr�n, 2015). Por su parte, el Sistema El�ctrico de Potencia (S.E.P.) hace referencia a aquellos sistemas relacionados con la generaci�n, transporte, distribuci�n y utilizaci�n de la energ�a el�ctrica�(Padr�n, 2015).
En los �ltimos a�os, el cambio clim�tico producto de la degradaci�n ambiental ha acelerado las iniciativas tendentes a lograr una mayor eficiencia en todos los aspectos relacionados con la energ�a, lo cual, unido a la creciente preocupaci�n por el medio ambiente, ha reactivado el inter�s por las denominadas energ�as renovables y las tecnolog�as que permitan encaminarse hacia el modelo de eficiencia energ�tica, en este grupo de tecnolog�as se puede incluir la inteligencia artificial.
Es el caso que, la inteligencia artificial en el contexto energ�tico, a decir de,�(Inderwildi, Zhang , Wang, & Kraft, 2020) permite sincronizar y orquestar tecnolog�as tales como big data, aprendizaje m�quina, Internet de las cosas (IoT) o los denominados sistemas ciberf�sicos para incrementar la eficiencia en la provisi�n de energ�a y producci�n industrial que directamente reduce el impacto medioambiental.
De manera similar,�(Monasterio, 2021) indica �la IA es una tecnolog�a que complementa otras tecnolog�as tradicionalmente consideradas como digitales: conectividad y 5G, big data (macrodatos), cloud computing (computaci�n en la nube), blockchain (tecnolog�a de cadena de bloques), Internet de las cosas� (p.12). Es as� como, la infraestructura tecnol�gica puede aportar las herramientas para desarrollar proyectos enmarcados en la eficiencia energ�tica y tratar de cubrir las demandas actuales de protecci�n de la naturaleza.
Visto lo anterior, la eficiencia energ�tica es un paradigma que se asume desde diversas aristas educaci�n de la poblaci�n en el uso racional de la energ�a; planificaci�n y ejecuci�n de programas nacionales de eficiencia energ�tica; impulso a un mayor aprovechamiento de fuentes de energ�a renovable; disminuci�n en la utilizaci�n de combustibles f�siles; reducci�n en las emisiones acumuladas de gases de efecto invernadero, principalmente di�xido de carbono (CO2), entre otras, todo ello direccionado a establecer un equilibrio entre el crecimiento econ�mico y la conservaci�n del ambiente.
En los marcos de las observaciones anteriores, el objetivo general de este art�culo fue analizar el uso y aplicaci�n de la Inteligencia Artificial (IA) al servicio de la eficiencia energ�tica en el Ecuador.
Marco Te�rico
Eficiencia energ�tica en el Ecuador������������������
La eficiencia energ�tica, seg�n� (S�nchez, y otros, 2017) se define como �la relaci�n entre el conjunto de las conductas y pr�cticas que requieren energ�a para su ejecuci�n y las acciones racionales que permiten optimizar la cantidad de energ�a consumida respecto a los productos y servicios finalmente obtenidos (p.74). Enfatizan adem�s estos autores que la promoci�n de la eficiencia energ�tica no puede realizarse en desmedro de la calidad de vida de las personas ni afectar negativamente la productividad de los sectores econ�micos.
Relacionado con lo anterior, la Comisi�n Econ�mica para Am�rica Latina y el Caribe�(CEPAL, 2020) se�ala que el objetivo de desarrollo (ODS 7.3) sobre la eficiencia energ�tica, plantea como meta general que los pa�ses reduzcan su intensidad energ�tica, esto se lograr� por medio de programas de ahorro y uso eficiente de la energ�a y normas de eficiencia energ�tica y el uso de energ�as renovables de manera optimizada. En este contexto, (Ari�o, 2020) afirma que no es posible hablar de transici�n energ�tica sino se evoluciona hacia el mundo digital (p.11). Enmarcado con esto,� (CEPAL, 2020) hace �nfasis en el hecho de que un nuevo proceso de transformaci�n de gran calado de la industria el�ctrica requiere entre otros, de servicios y tecnolog�as digitales, coadyuvando al r�pido incremento de las fuentes de energ�a renovables y apoyando los esfuerzos de reducci�n de emisiones, principalmente las de GEI.
Tal como se ha visto, en los �ltimos tiempos el uso eficiente y racional de la energ�a ha pasado a ser un elemento importante dentro de la planificaci�n energ�tica de los pa�ses a nivel global, regional y local. En este sentido Ecuador no es la excepci�n y en coordinaci�n con las instituciones responsables en la materia, aplica desde hace ya alg�n tiempo un cambio en la matriz energ�tica en el pa�s. As�, el Plan Nacional para el Buen Vivir 2009-2013, en su cap�tulo �Estrategias para el periodo 2009-2013�, en la secci�n dedicada al �Cambio de la Matriz Energ�tica�, menciona expl�citamente el car�cter prioritario de las actividades de impulso a la eficiencia energ�tica�(S�nchez, y otros, 2017).
Tambi�n, el Plan Maestro de Electrificaci�n 2013-2022, contiene un cap�tulo espec�ficamente orientado a la implementaci�n de pol�ticas y programas enfocados al consumo eficiente de la energ�a y en la Agenda Nacional de Energ�a 2016-2040, incluye un cap�tulo dedicado al uso eficiente de energ�a, en el cual, entre otras actividades, se plantea la elaboraci�n de un Plan Nacional de Eficiencia Energ�tica 2016-2035, que fue publicado y comenz� su ejecuci�n durante este a�o�(S�nchez, y otros, 2017).
De otro lado, el Ministerio de Electricidad y Energ�a Renovable de Ecuador tiene la misi�n de elaborar y ejecutar un plan de eficiencia energ�tica, ayudando de esta manera a la econom�a del consumidor y a la disminuci�n del consumo en horas pico�(Arcos, 2016). As� tambi�n, dentro de las pol�ticas p�blicas energ�tica, ha venido adoptando desde hace varios a�os el enfoque de eficiencia energ�tica, para casi todos los sectores como el residencial, comercial e industrial.
En atenci�n a esto, en el documento de trabajo elaborado por los miembros de la Direcci�n de An�lisis y Estrategia de Energ�a�(DAEE, 2016) se indica que entre las medidas adoptadas por el pa�s ecuatoriano para el sector residencial destaca: en 2009 se inici� el Proyecto de Sustituci�n Masiva de Focos Incandescentes por Ahorradores, cuyo objetivo era reducir un 24% el consumo de la iluminaci�n residencial; en 2010 se implement� el Proyecto de Sustituci�n de Refrigeradoras Ineficientes, cuyo sector objetivo tambi�n era el residencial (p.7).
En este mismo marco, (S�nchez, y otros, 2017) denotan que el Proyecto Aseguramiento de Eficiencia Energ�tica en los Sectores Residencial y P�blico, impulsado el Ministerio de Electricidad y Energ�a Renovable (MEER) desde el 2012 , se cre� con el prop�sito de impulsar la transformaci�n del mercado hacia el uso de artefactos eficientes (p.15). Tambi�n a�aden, el Instituto Ecuatoriano de Normalizaci�n ha estado trabajado en la elaboraci�n de normas t�cnicas de eficiencia energ�tica (EE), as�,� desde 2009 existen normas voluntarias (incluyendo en varios casos el etiquetado) para motores el�ctricos estacionarios, edificaciones, colectores solares en sistemas de calentamiento de agua para uso sanitario, c�maras de refrigeraci�n instaladas en veh�culos automotores, cocinas de inducci�n de uso dom�stico, l�mparas fluorescentes compactas, calentadores de agua a gas y el�ctricos, lavavajillas, hornos microondas, televisores, entre otros (p.15).
En cuanto al sector industrial, el documento (DAEE, 2016) destaca que a partir de 2013 se ha desarrollado un proyecto cuyo objetivo busca desarrollar est�ndares nacionales de gesti�n de energ�a en este segmento econ�mico (p.8). Adicionalmente, tambi�n refiere que dentro de las acciones implementadas para conseguir tal cometido se resumen a continuaci�n: (a) Talleres para gerentes de 200 industrias para el uso eficiente de la energ�a; (b) Formaci�n de 200 miembros de personal de f�brica en conceptos b�sicos de gesti�n de la energ�a y optimizaci�n de sistemas (al menos 100 de esos miembros a formar ser�n PYMEs); (c) formaci�n de 50 expertos en sistemas de gesti�n de energ�a, de los cuales todos trabajar�n en instalaciones industriales; (d) Formaci�n de 50 expertos en optimizaci�n de sistemas el�ctricos motrices y a vapor (p.9). Por su parte�(S�nchez, y otros, 2017), destaca el hecho que en el marco del proyecto �Eficiencia Energ�tica en la Industria� se adopt� la norma ISO 50001, como NTE INEN ISO 50001 �Sistemas de Gesti�n de Energ�a. Requisitos con orientaci�n para su uso� (p.15).
En suma, (S�nchez Dur�n, 2020) expresa que la transici�n energ�tica, en cuanto al proceso de evoluci�n del modelo hacia un nuevo modelo sostenible, necesitar� identificar como primer elemento en la ecuaci�n la demanda energ�tica, primero a nivel agregado (relaci�n energ�a con econom�a y poblaci�n), pero al mismo tiempo con un suficiente nivel de desagregaci�n por cada sector de consumo final (Industria, Transporte, Residencial y Servicios) e inductor de consumo de �stos.
En la direcci�n antes indicada, la eficiencia energ�tica va alineada con lo que significa una buena gesti�n en el uso de energ�a, esta actividad demanda de un lado un muy alto nivel de conciencia ciudadana y empresarial sobre la utilizaci�n eficaz del recurso energ�tico y, de parte de los mandatarios la obligaci�n y responsabilidad de promover a trav�s de la formulaci�n, ejecuci�n y control de pol�ticas, planes y programas, la disminuci�n paulatina de la dependencia de las fuentes de energ�a f�siles y el aumento del consumo de energ�ticas renovables amigables con el medio ambiente, como forma de contrarrestar el cambio clim�tico y mitigar la producci�n de gases de efecto invernadero (GEI).
En concordancia con lo antes expuesto, las t�cnicas de los sistemas inteligentes presentan cualidades que han tenido un impacto positivo en las diversas actividades que tienen que ver con la eficiencia el�ctrica.
Inteligencia Artificial en el Contexto Energ�tico
Hoy en d�a, tanto en el pa�s ecuatoriano como en el �mbito internacional, las actividades energ�ticas demandan un muy alto nivel de dotaci�n en cuanto a instalaciones y equipamiento con tecnolog�as modernas que permitan la utilizaci�n de los conocimientos especializados y, sobre todo, aquellos que tienen que ver con la Inteligencia artificial, debido a que esta tecnolog�a puede aportar mucho al sector de la energ�a. De este modo, (Padr�n, 2015) destaca �a mayor tama�o de la red, mayor es la cantidad de datos que se deben procesar e interpretar, as� como mayor es la cantidad de posibles estados en los que el sistema puede encontrarse (p.9). Por lo tanto, existen motivaciones m�s que suficientes para la b�squeda de nuevas herramientas en la operaci�n de los sistemas el�ctricos, y que permitan asumir los retos futuros�(Padr�n, 2015), y en este aspecto las t�cnicas de la Inteligencia artificial tienen un rol principal para alcanzar la meta de eficiencia energ�tica.
En este sentido, (Montelier, Armas, Borroto, G�mez, & P�rez, 2008) subrayan que la aplicaci�n de t�cnicas de inteligencia artificial (IA), posee gran potencia para resolver problemas complejos y constituye una herramienta que puede ser utilizada en los sistemas energ�ticos con el objetivo de incrementar la eficiencia energ�tica. As� tambi�n, (Mart�n, 2020) plantea que el binomio formado por los conceptos inteligencia artificial (IA) y eficiencia energ�tica parece tener un futuro prometedor, especialmente en lo que se refiere a impulsar la sostenibilidad energ�tica, la descarbonizaci�n y la digitalizaci�n del sector el�ctrico.
Aplicada al sector energ�tico, la inteligencia artificial puede coadyuvar en: (1) el mantenimiento predictivo; (2) la planificaci�n y ajuste de oferta y demanda y; (3) nuevos servicios y capacidades para el consumidor, entre otras.
1.- Mantenimiento predictivo de los sistemas el�ctricos mediante la inteligencia artificial
De referencia, al mantenimiento predictivo de los sistemas el�ctricos mediante la inteligencia artificial, se asume como detectar los fallos en una fase temprana y, en muchos de los casos, antes incluso de que hayan llegado a manifestarse. Seg�n (Hurtado, Villarreal, & Villarreal, 2016) los sistemas de detecci�n y diagn�stico de fallas, se presentan como una soluci�n que permite determinar el estado de operaci�n del proceso, as� como identificar la naturaleza de las fallas presentadas, su localizaci�n y riesgo (p.2).
De acuerdo con �(Caratar, Valencia, Caicedo, & Chamorro, 2020), las t�cnicas de inteligencia artificial pueden ser empleadas en la detecci�n y diagn�stico de fallas en los diferentes procesos asociados a� una� central� de� generaci�n� de� energ�a� tal �como:� hidroel�ctricas,� termoel�ctricas� y� centrales� nucleares. A juicio de los referidos autores, las principales t�cnicas utilizadas en el desarrollo de sistemas inteligentes enfocados a la detecci�n y diagn�stico de fallas en centrales el�ctricas son las siguientes:
a.- L�gica difusa (Fuzzy logic), es una rama de la Inteligencia Artificial (IA) que permite a una computadora analizar informaci�n del mundo real en una escala entre lo falso y lo verdadero�(Cruz, 2011). Esta t�cnica es similar a la toma de decisiones humana, que razona sobre la base de numerosos escenarios y se decanta por lo que dicta el sentido com�n. Esta t�cnica, tiene gran potencial para la gesti�n de procesos en los que existe incertidumbre en los datos de entrada. Sin embargo, la necesidad de trabajar con otras t�cnicas para mejorar el rendimiento de las herramientas desarrollado es evidente�(Cruz, 2011).
b.- Redes neuronales (Artificial Neural Networks) son t�cnicas de computaci�n inspiradas en modelos biol�gicos que imitan el proceso de razonamiento del cerebro humano�(Cruz, 2011). Est�n constituidas por elementos que se comportan de forma similar a la neurona biol�gica en sus funciones m�s comunes para encontrar relaciones, clasificar la informaci�n, resolver problemas para tomar decisiones acertadas. La red neuronal se compone de tres capas principales: la capa de entrada donde se almacenan los datos ingresados, la capa oculta compuesta por una o varias capas dependiendo de la complejidad de la red y la capa de salida�(Basogain, 2010). Las redes neuronales ofrecen la ventaja del aprendizaje adaptativo, la autoorganizaci�n, la tolerancia a fallas, la operaci�n en tiempo real y f�cil implementaci�n en la tecnolog�a actual�(Caratar, Valencia, Caicedo, & Chamorro, 2020).
c.- Sistemas basados en el conocimiento (Knowledge-based systems) seg�n�(D�ez, G�mez, & Mart�nez, 2001) se definen como aquellas aplicaciones que "contienen la erudici�n de un especialista humano versado en un campo espec�fico de aplicaci�n". Con esta t�cnica es posible condensar el conocimiento de especialistas humanos de tal manera que se pueda acceder y procesados por ordenadores, obteniendo modelos inform�ticos con las capacidades de razonamiento y resoluci�n de problemas de especialistas humanos dentro de un dominio establecido�(Caratar, Valencia, Caicedo, & Chamorro, 2020).
d.- Redes bayesianas (Bayesian Networks), son grafos que representan informaci�n a trav�s de un conjunto de variables y las relaciones de dependencia entre ellos. De esta manera, una red bayesiana puede representar las relaciones probabil�sticas entre una falla y los s�ntomas de un sistema�(Caratar, Valencia, Caicedo, & Chamorro, 2020). De acuerdo a lo anterior, se considera que las redes bayesianas proporcionan a los sistemas inteligentes la capacidad de determinar posibles soluciones a partir de fragmentos de informaci�n en su entrada�(Caratar, Valencia, Caicedo, & Chamorro, 2020).
e.- T�cnicas h�bridas (Hybrid techniques), integran diferentes t�cnicas de inteligencia artificial, obteniendo mayor impacto para detectar y diagnosticar fallas en plantas el�ctricas.� Las t�cnicas h�bridas permiten aumentar el campo de acci�n de los proyectos propuestos sin preocuparse por la particularidades limitantes de cada t�cnica�(Caratar, Valencia, Caicedo, & Chamorro, 2020).
Otro aporte sobre esta tem�tica viene de la mano�(Arauz, 2020) quien ha manifestado que� el machine learning es cada vez m�s aplicado a los sistemas el�ctricos debido a que ayudan al estudio de se�ales el�ctricas y desarrollo de diversas aplicaciones las cuales se van haciendo indispensables en la actualidad. As� tambi�n denota que los patrones de falla son adquiridos desde un sistema inicial del cual se toman patrones de identificaci�n de corriente para posteriormente realizar la simulaci�n de casos de fallas en l�neas de transmisi�n.� El Machine Learning, comprende el procesamiento de an�lisis de un conjunto complejo de datos, en el �mbito de la inteligencia artificial para la b�squeda de una soluci�n correcta del problema a tratar�(Arauz, 2020).
Similarmente, (Fern�ndez C�spedes, 2021) esboza que tecnolog�as como machine learning permiten �recopilar informaci�n a trav�s de las redes de sensores ubicados en las instalaciones, con el fin de anticipar aver�as y alargar la vida �til de las mismas�. Adicionalmente asevera que el machine learning permite detectar obsolescencias y fallos en tiempo real y localizar el momento id�neo para la sustituci�n de piezas. Esto es importante en el sector energ�tico, pues permite ahorrar costes en la sustituci�n y mantenimiento de los equipos y a la par contribuye a mejorar la cadena de suministro de este tan importante segmento empresarial del pa�s.
2.- Planificaci�n y Ajuste de Oferta y Demanda en el Sector Energ�tico Basados en la IA
La planificaci�n de la demanda energ�tica es clave para anticipar y gestionar una transici�n sostenible a lo largo de este siglo XXI�(S�nchez Dur�n, 2020). Los desarrollos tecnol�gicos son cada vez m�s r�pidos, aportando una mayor eficiencia energ�tica a las actividades, incluso permiten hoy en d�a generar la energ�a de manera distribuida en los propios lugares de consumo, algo que pondr� freno a unas necesidades que por tendenciales se vuelven insostenibles�(S�nchez Dur�n, 2020).
En tal sentido, los desarrollos tecnol�gicos como los algoritmos de predicci�n de la demanda, bajo el concepto �Energy Forecasting� (pron�stico energ�tico), son una herramienta de especial importancia en un mundo basado en la recolecci�n y tratamiento de los datos (S�nchez Dur�n, 2020). El uso de modelos predictivos se enmarca en la necesidad de planificar el suministro de la demanda de energ�a mediante fuentes de producci�n. Dentro de las metodolog�as de predicci�n, se tiene la tendencia lineal, medias m�viles simples o ponderadas, alisados exponenciales simples y ajustados�(S�nchez Dur�n, 2020).
En este mismo orden de ideas�(Kumar & Monjur, 2018), subrayan que los modelos de planificaci�n energ�tica (EPM) juegan un papel indispensable en la formulaci�n de pol�ticas y el desarrollo del sector energ�tico. El pron�stico de la oferta y la demanda de energ�a es el coraz�n de un EPM. As�, la selecci�n de un m�todo de pron�stico se basa principalmente en la disponibilidad de datos y los objetivos de la herramienta y el ejercicio de planificaci�n�(Kumar & Monjur, 2018). Dentro de los diferentes m�todos de pron�stico, estos autores se�alan en orden descendente de uso: la red neuronal artificial (RNA) como el m�todo m�s utilizado; m�quina de vectores de soporte (SVM), promedio m�vil integrado autorregresivo (ARIMA), l�gica difusa (FL), regresi�n lineal (LR), algoritmo gen�tico (GA), optimizaci�n de enjambre de part�culas (PSO) , predicci�n gris (GM) y media m�vil autorregresiva (ARMA).
Igualmente, (Kumar & Monjur, 2018) enfatizan que en cuanto a la precisi�n, los m�todos de inteligencia computacional (IC) demuestran un mejor desempe�o que los estad�sticos, en particular para par�metros con mayor variabilidad en los datos de origen. Adem�s, los m�todos h�bridos ofrecen una mayor precisi�n que los independientes. Los m�todos estad�sticos se utilizan solo para el corto y mediano plazo, mientras que los m�todos de IC son preferibles para todos los rangos de pron�stico temporal (corto, mediano y largo).
A tono con esto, la directora general de la Asociaci�n de Empresas de Energ�a El�ctrica (aelēc). (Sevilla, 2021), ha recalcado �es fundamental disponer en tiempo real, a trav�s de la red de distribuci�n, de informaci�n sobre la generaci�n y la demanda, con lo que se mejora la capacidad de monitorizaci�n, operaci�n y control de la red�. Adem�s esta autora se�ala, �se gana en mayor capacidad predictiva de la demanda energ�tica. Gracias a ello, se mejora y agiliza la respuesta en generaci�n��(Sevilla, 2021).
Siguiendo esta misma orientaci�n, (Fern�ndez C�spedes, 2021) considera que el an�lisis de los datos ayuda a ajustar la oferta, puesto que permite �predecir la producci�n de energ�a, de forma que se puede planificar el precio de venta de la electricidad generada�, adem�s de �tomar acciones determinadas durante los picos de demanda�.
3.- Nuevos Servicios y Capacidades Basados en la IA Para el Consumidor�
Desde la perspectiva del consumidor se puede hablar de eficiencia energ�tica en edificaci�n o movilidad, en esta responsabilidad ejecutar pol�ticas y acciones en materia tecnol�gica, educativa, comunicacional y regulatoria, para promover el uso racional de la energ�a el�ctrica, en toda la poblaci�n ecuatoriana es fundamental, en funci�n de optimizar la eficiencia del sector el�ctrico. De acuerdo con el proyecto (ENFORCE, 2010) de la Red de Auditores Energ�ticos de la Uni�n Europea una gran parte de la energ�a necesaria para las casas se produce con combustibles f�siles, cuyas emisiones de di�xido de carbono contribuyen al llamado efecto invernadero (p.14). Asimismo, denota el referido documento que en los edificios, ya sea en los hogares, en el trabajo o en otras actividades, se utiliza m�s energ�a que en cualquier otra actividad, ya que es necesaria para diversas actividades que permiten mantener la calidad de vida y para el mantenimiento de la edificaci�n (p.5). Todo lo cual amerita la aplicaci�n de medidas tendientes al uso eficiente de la energ�a en los domicilios y en las edificaciones bien sean comerciales, de trabajo, p�blicas o privadas centrada en el ahorro energ�tico y con la mirada puesta en minimizar el impacto medioambiental.
En este marco, (Borroto & S�nchez, 2008), aducen que el monitoreo y control energ�tico constituye una parte esencial del sistema de gesti�n energ�tica en un edificio, al proveer informaci�n al personal de operaci�n y direcci�n para administrar adecuadamente los consumos y costos energ�ticos. En este punto es importante hacer menci�n de que la transici�n energ�tica, misma que es conducente a la eficiencia energ�tica en los tiempos que corren, desde la perspectiva de (Ari�o, 2020) para transitar con solidez y visi�n de futuro al nuevo escenario energ�tico presidido por la reducci�n de la huella de carbono, se vuelve necesario hacer uso de los cambios tecnol�gicos y evolucionar a un mundo energ�tico que apunte a lo digital y, en esta l�nea, el auge de tecnolog�as como la Inteligencia Artificial, representa la oportunidad de encontrar nuevos soportes para la mejor gesti�n energ�tica, evitar desperdicios de energ�a y en consecuencia ayudar a la protecci�n del ambiente.
Las t�cnicas de la inteligencia artificial orientadas a lograr la eficiencia energ�tica en edificaciones incluye, en opini�n de (Rodella, 2020) la implantaci�n de modelos de redes inteligentes con contadores digitales y sensores para automatizar la distribuci�n y consumo de energ�a, capaces de detectar el consumo en tiempo real, para que casas e infraestructuras funcionen de una manera m�s eficiente en t�rminos energ�ticos. De acuerdo con �(Arcos, 2016) estos equipos inteligentes permiten registrar informaci�n relativa a los h�bitos de uso de la energ�a el�ctrica por parte del usuario residencial. Este monitoreo es de gran utilidad para aportar retroalimentaci�n al sistema de control de la demanda, identificando el horario de mayor uso en el cual se generan los picos m�s altos.
Del mismo modo,�(Sevilla, 2021) considera que �es importante el registro en tiempo real de los consumos horarios, cuyo an�lisis permitir� una mejor adecuaci�n de la oferta a los diferentes perfiles de consumidores en funci�n de sus preferencias y necesidades�.� En este contexto, la incorporaci�n de la IA en el �mbito residencial les crean responsabilidades en el entendido de que monitoreando en tiempo real el registro del consumo de energ�a, le permite adelantar la toma decisiones sobre el servicio y las medidas de ahorro que tienen que cumplir tanto para un beneficio de la econom�a personal de disminuci�n de gastos, como en corresponsabilidad con el cuidado medioambiental.
Metodolog�a
Se describe la investigaci�n bajo el enfoque cualitativo, de tipo descriptiva. Con apoyo documental bibliogr�fico. Es cualitativo, desde la perspectiva de�(Hern�ndez, Fern�ndez, & Baptista, 2006), por cuanto busca �describir, comprender e interpretar los fen�menos, a trav�s de las percepciones y significados producidos por las experiencias de los participantes� (p.12). En este caso se indaga acerca de la producci�n del conocimiento acerca de la Inteligencia Artificial (IA) al servicio de la eficiencia energ�tica en el Ecuador.
Por su parte, esta investigaci�n se caracteriza de acuerdo al nivel como descriptiva, ya que se pueden destacar los elementos m�s resaltantes, referidos a la Inteligencia Artificial (IA) al servicio de la eficiencia energ�tica en el Ecuador. Sobre la investigaci�n descriptiva,�(Sabino, 2000), afirma que �sta radica en describir algunas caracter�sticas fundamentales de conjuntos homog�neos de fen�menos, utilizando criterios sistem�ticos que permiten poner de manifiesto la estructura o el comportamiento de los fen�menos de estudio, proporcionando de ese modo informaci�n ordenada y comparable con la de otras fuentes te�ricas.
Asimismo, en atenci�n a la estrategia empleada para buscar la informaci�n se califica como una investigaci�n bibliogr�fica, ya que se fundamenta en material documental. (Palella & Martins, 2012), sostienen que una investigaci�n documental bibliogr�fica �se fundamenta en la revisi�n sistem�tica, rigurosa y profunda de material documental de cualquier clase.� (p. 98). Al respecto, se realiz� una b�squeda v�a online en las bases de datos de Google Acad�mico, revistas indexadas como Scielo, Dianet, Elsevier, entre otras y en repositorios digitales de universidades nacionales e internacionales, as� como tambi�n de instituciones con la Cepal. Como t�cnica principal de recopilaci�n de la informaci�n, se utiliz� la b�squeda avanzada a trav�s de descriptores clave como �inteligencia artificial�, �eficiencia energ�tica� �fuentes de energ�a renovables�
De este modo, se pudo acceder a fuentes documentales como art�culos cient�ficos, trabajos de grado, tesis doctorales y libros, de autores de diferentes pa�ses, consideradas relevantes para el desarrollo de este estudio. As� tambi�n, se asumi� ciertos criterios para la selecci�n del material, entre otros, idioma espa�ol, relevancia, pertinencia, fecha de publicaci�n entre 2018 hasta la actualidad, no obstante, se consider� la informaci�n reportada por documentos de fechas anteriores a la establecida, por su valioso aporte para este trabajo investigativo.
Tambi�n se hizo necesario definir la unidad de an�lisis, para la presente investigaci�n se determin� que la poblaci�n estar�a conformada por los documentos bibliogr�ficos que est�n ligados al objeto de estudio y que son determinantes para el mismo, es decir, relacionados a la Inteligencia Artificial (IA) al servicio de la eficiencia energ�tica en el Ecuador. Para�(Arias, 2006) �la poblaci�n o universo se refiere al conjunto para el cual ser�n v�lidas las conclusiones que se obtengan a los elementos o unidades (personas, instituciones o cosas) a los cuales se refiere la investigaci�n� (p.17). En consecuencia, la poblaci�n qued� conformada por un total de 26 documentos, agrupados en art�culos de investigaci�n, trabajos de titulaci�n, trabajos de fin de master, tesis doctorales, documentos institucionales y libros electr�nicos.
Por otro lado, (Palella & Martins, 2012) plantean que el investigador (a) puede seleccionar un n�mero determinado de unidades de poblaci�n, es decir, determinar una muestra� (p.105). Seg�n� (Arias, 2006), se entiende que �la muestra es donde el investigador selecciona los elementos que en su juicio son representativos del estudio realizado, el cual exige un conocimiento previo de la poblaci�n que se investiga para poder determinar cu�les son las categor�as o elementos que se pueden considerar como tipo representativo del fen�meno que se estudia� (p.158). Por tanto, en la presente investigaci�n la muestra result� constituida por 05 publicaciones cient�ficas, para ser consideradas en el an�lisis de los resultados dado que se encuentran bajo los criterios de selecci�n antes mencionados.
Respecto al an�lisis e interpretaci�n de los datos corresponden a la �ltima fase del proceso de investigaci�n y en el mismo se explana todo conjunto de argumentos tendentes a dilucidar aspectos inherentes al alcance del objetivo general propuesto por el sujeto examinador. La t�cnica b�sica de an�lisis en la investigaci�n documental, consiste en el an�lisis del contenido de los documentos, la cual permite hallar el significado o valor del documento, que constituye la unidad de an�lisis, originando una descripci�n sustancial del mismo.�(Hern�ndez, Fern�ndez, & Baptista, 2006), definen el an�lisis de contenido como el acto de formular, a partir de ciertos datos, inferencias reproducibles y v�lidas que puedan aplicarse en su contexto, a su sitio de ocurrencia.
Es as� que, el an�lisis de contenido permite la construcci�n de una matriz de datos, por cuanto hace referencia a unidades de an�lisis y valores o respuesta. La Matriz de Datos es un elemento central a considerar en toda investigaci�n cient�fica (...) que reflejan las caracter�sticas fundamentales del dato cient�fico (Samaja, 1994). Para el caso que ocupa este estudio se realiz� un an�lisis reflexivo del contenido de las publicaciones relacionadas con la Inteligencia Artificial (IA) al servicio de la eficiencia energ�tica en el Ecuador, con el fin de interpretarlas. Luego de ello, se procedi� a analizar e interpretar la informaci�n aportada por los datos, derivado del criterio del investigador para obtener las respectivas conclusiones.
Finalmente, en la siguiente tabla de contenido se presenta los resultados de las fuentes bibliogr�ficas seleccionadas y analizadas por a�o descendente, mismas que a regl�n seguido se discuten en sus conceptos m�s relevantes para posteriormente obtener las respectivas conclusiones.
|
Tabla 1. Tabla de Contenido� Documental de las Fuentes Consultadas por a�o de publicaci�n |
|||
|
Autor/a�o |
Titulo |
Tipo de Documento |
Resultados y/o conclusiones |
|
(Ar�valo, 2021)
|
Optimizaci�n en dimensionamiento y control energ�tico de sistemas h�bridos de energ�as renovables en Ecuador
|
Tesis doctoral Universidad de Ja�n
|
Se analiza el impacto de sistemas h�bridos renovables (HRES) compuesto por energ�a fotovoltaica (PV), turbinas hidrocin�ticas (HKT), turbinas e�licas (WT), bater�as y gasificadores de biomasa (GB). Las simulaciones de los HRES, en algunos casos se realiza utilizando herramientas computacionales como HOMER Pro y Matlab Simulink. Los resultados demuestran que, al utilizar sistemas renovables conformados por m�s de una fuente energ�tica son m�s eficientes con respecto a sistemas con una sola fuente renovable. |
|
(Monasterio, 2021) |
Inteligencia Artificial Para el Bien Com�n (AI4SG): IA y los Objetivos de Desarrollo Sostenible |
Art�culo de investigaci�n Universidad de Granada. Espa�a |
La Inteligencia Artificial (IA), puede contribuir a la mejora del bienestar de las personas, crear sociedades m�s prosperas y salvar el planeta. La tecnolog�a digital y la IA tambi�n se pueden aplicar para la soluci�n de grandes cuestiones de la humanidad, como los 17 objetivos de Desarrollo Sostenible y sus 169 metas de la agenda 2030. Asegurar el acceso a la energ�a sostenible, fiable y barata es quiz� uno de los ODS m�s importantes. La IA en el contexto energ�tico puede promover un proceso de optimizaci�n mayor en la operaci�n y control de los sistemas de producci�n industriales de energ�a. |
|
(S�nchez Dur�n, 2020) |
El futuro y la demanda energ�tica |
Tesis Doctoral �Universidad de Sevilla. Espa�a� |
La identificaci�n de algoritmos de predicci�n de la demanda, recogidos en la terminolog�a anglosajona bajo el concepto �Energy Forecasting�, ser� una herramienta de especial importancia en un mundo basado en la recolecci�n y tratamiento de los datos. Las metodolog�as de previsi�n de demanda de electricidad est�n basados en nuevos algoritmos e inteligencia artificial utilizando grandes vol�menes de datos, como la tendencia lineal, medias m�viles simples o ponderadas, alisados exponenciales simples y ajustados. La descomposici�n factorial va a ser un recurso �til para explicar las variaciones en la demanda por cada sector de uso en el tiempo. |
|
(Caratar, Valencia, Caicedo, & Chamorro, 2020) |
Evaluaci�n de t�cnicas de inteligencia artificial utilizadas en el diagn�stico de fallas en plantas de potencia |
Art�culo de Investigaci�n Universidad del Valle, Cali, Colombia |
Las herramientas computacionales basadas en t�cnicas de inteligencia artificial, enfocadas en la detecci�n y diagn�stico de fallas en los diferentes procesos pueden aplicarse a una central de generaci�n de energ�a tal como: hidroel�ctricas, termoel�ctricas y centrales nucleares. Las principales t�cnicas de inteligencia artificial que permiten la construcci�n de sistemas inteligentes para el diagn�stico de fallas en centrales el�ctricas son: l�gica difusa, redes neuronales, sistemas basados en el conocimiento y t�cnicas hibridas, obteniendo como resultado que� el denominado sistema h�brido ha tenido el mayor impacto en los �ltimos a�os para detectar y diagnosticar fallas en plantas el�ctricas. |
|
(Kumar & Monjur, 2018) |
M�todos de previsi�n en modelos de planificaci�n energ�tica |
Art�culo de investigaci�n Universidad de Cardiff, Reino Unido |
Dentro de los diferentes m�todos de pron�stico en orden descendente de uso: la red neuronal artificial (RNA) como el m�todo m�s utilizado; m�quina de vectores de soporte (SVM), promedio m�vil integrado autorregresivo (ARIMA), l�gica difusa (FL), regresi�n lineal (LR), algoritmo gen�tico (GA), optimizaci�n de enjambre de part�culas (PSO) , predicci�n gris (GM) y media m�vil autorregresiva (ARMA) en cuanto a la precisi�n, los m�todos de inteligencia computacional (IC) demuestran un mejor desempe�o que los estad�sticos, en particular para par�metros con mayor variabilidad en los datos de origen. Los m�todos estad�sticos se utilizan solo para el corto y mediano plazo, mientras que los m�todos de IC son preferibles para todos los rangos de pron�stico temporal (corto, mediano y largo). |
|
Fuente: Elaboraci�n propia |
|||
Discusi�n
Producto de la revisi�n sistem�tica y el an�lisis documental, se afirma, que el promover la eficiencia energ�tica en Ecuador aplicando las t�cnicas que ofrece la inteligencia artificial (IA) es un paradigma que debe tomarse en consideraci�n como forma de� mejorar el nivel de suministro energ�tico, adem�s de minimizar el impacto medioambiental. Los citados autores brindan en sus disertaciones argumentos m�s que v�lidos para el uso de las herramientas tecnol�gicas orientadas a la digitalizaci�n del sistema energ�tico nacional.
De este modo, dentro de las ventajas que ofrece la inteligencia artificial en el contexto energ�tico, seg�n�(Monasterio, 2021) puede contribuir a la mejora del bienestar de las personas, crear sociedades m�s prosperas y salvar el planeta. La IA tambi�n se puede aplicar para la soluci�n de grandes cuestiones de la humanidad, como los 17 objetivos de Desarrollo Sostenible y sus 169 metas de la agenda 2030.
Por su parte,� (Caratar, Valencia, Caicedo, & Chamorro, 2020) expresan que las t�cnicas de inteligencia artificial permiten la construcci�n de sistemas inteligentes para el diagn�stico de fallas en centrales el�ctricas. As� tambi�n, (S�nchez Dur�n, 2020) refieren que se puede prever la demanda de electricidad bas�ndose en nuevos algoritmos e inteligencia artificial. Igualmente, (Monasterio, 2021) expone que la IA en el contexto energ�tico puede promover un proceso de optimizaci�n mayor en la operaci�n y control de los sistemas de producci�n industriales de energ�a.
Otro factor importante es tomar en consideraci�n el hecho de que, a decir de�(Caratar, Valencia, Caicedo, & Chamorro, 2020), las herramientas computacionales basadas en t�cnicas de inteligencia artificial, enfocadas en la detecci�n y diagn�stico de fallas en los diferentes procesos pueden aplicarse a una central de generaci�n de energ�a tal como: hidroel�ctricas, termoel�ctricas y centrales nucleares. Esta cuesti�n es sumamente importante a raz�n de que estas grandes centrales el�ctricas suministran en gran medida la electricidad al pa�s y, por tanto su optimizaci�n es fundamental para por un lado, hacer m�s eficiente el sistema en cuanto a la detecci�n oportuna de las aver�as aun antes de que ocurra y as� evitar las fallas en el suministro energ�tico y por el otro ahorra costes a la naci�n por reparaci�n y compras de piezas o maquinarias que f�cilmente se pueden monitorear y prever cualquier dificultad para un buen mantenimiento a largo plazo del equipo.
En otra disertaci�n (Kumar & Monjur, 2018) afirma que los m�todos de inteligencia computacional (IC) demuestran una mayor precisi�n y un mejor desempe�o que los estad�sticos, para el pron�stico temporal (corto, mediano y largo). De manera similar, para mejorar la eficiencia del sector energ�tico es necesario conocer el valor de las demandas de energ�a en los diversos procesos asociados a la misma, as�, (S�nchez Dur�n, 2020) explican que la descomposici�n factorial va a ser un recurso �til para explicar las variaciones en la demanda por cada sector de uso en el tiempo. Esta informaci�n es importante para focalizar los sitios de m�s demandas y conducir acciones tendientes al ahorro energ�tico en los diversos sectores bien sea residencial, comercial e industrial del pa�s, que coadyuve a reducir costos y p�rdidas por uso indebido del recurso energ�tico y a la vez reducir la huella del carbono.
Se establece tambi�n en los referidos estudios la variedad de t�cnicas de inteligencia artificial que se pueden emplear, asimismo informan cu�l de ellas es la que tiene mejor desempe�o. Al respecto, (Kumar & Monjur, 2018) denotan que dentro de los diferentes m�todos de pron�stico en orden descendente de uso, se tiene: la red neuronal artificial (RNA) como el m�todo m�s utilizado; m�quina de vectores de soporte (SVM), promedio m�vil integrado autorregresivo (ARIMA), l�gica difusa (FL), regresi�n lineal (LR), algoritmo gen�tico (GA), optimizaci�n de enjambre de part�culas (PSO), predicci�n gris (GM) y media m�vil autorregresiva (ARMA).
Por otro lado, (Caratar, Valencia, Caicedo, & Chamorro, 2020) indica que las principales t�cnicas de inteligencia artificial que permiten la construcci�n de sistemas inteligentes para el diagn�stico de fallas en centrales el�ctricas son: l�gica difusa, redes neuronales, sistemas basados en el conocimiento y t�cnicas hibridas. En esta l�nea�(S�nchez Dur�n, 2020) mencionan los nuevos algoritmos e inteligencia artificial utilizando grandes vol�menes de datos, como la tendencia lineal, medias m�viles simples o ponderadas, alisados exponenciales simples y ajustados.
En el mismo orden de ideas, (Ar�valo, 2021) subraya como t�cnicas de inteligencia artificial que pueden ser aplicados en el sistema energ�tico: las simulaciones de los HRES, en algunos casos se realiza utilizando herramientas computacionales como HOMER Pro y Matlab Simulink. Igualmente, (S�nchez Dur�n, 2020) consideran que el concepto �Energy Forecasting�, ser� una herramienta de especial importancia en un mundo basado en la recolecci�n y tratamiento de los datos.
En tal sentido, de esta gama de metodolog�as relacionadas con la inteligencia artificial en el entorno energ�tico, los sistemas h�bridos son los que han demostrado mejor desempe�o, en esta idea coinciden�(Ar�valo, 2021) cuando aduce que los resultados demuestran que, al utilizar sistemas renovables conformados por m�s de una fuente energ�tica son m�s eficientes con respecto a sistemas con una sola fuente renovable; (Caratar, Valencia, Caicedo, & Chamorro, 2020) quienes dicen que el denominado sistema h�brido ha tenido el mayor impacto en los �ltimos a�os para detectar y diagnosticar fallas en plantas el�ctricas. Todo esto tiene el prop�sito de fortalecer el desarrollo de acciones direccionadas a la m�xima eficiencia energ�tica y para la preservaci�n del planeta.
Conclusiones
La disminuci�n del impacto sobre la calidad ambiental, es uno de los desaf�os a los cuales se enfrenta el mundo globalizado hoy en d�a. En la literatura especializada, mucho se ha expresado que los combustibles f�siles (petr�leo, carb�n, gas) son la fuente primaria de energ�a en las sociedades modernas, pero tambi�n la principal causa de emisi�n de gases de efecto invernadero que provocan el calentamiento del planeta.
En este cometido, diversos pa�ses y entre ellos Ecuador desde tiempo atr�s han venido consolidando sus marcos institucionales y regulatorios de apoyo a las actividades de eficiencia energ�tica y, en este prop�sito mucho pueden ayudar las t�cnicas inteligencia artificial empleadas en el contexto energ�tico en los sectores residenciales, comerciales e industriales. Siendo que se usan para detectar fallas en el sistema, controlar la demanda y el consumo de energ�a.
Asimismo, el sistema h�brido que agrupa los sistemas renovables conformados por m�s de una fuente energ�tica es m�s eficiente con respecto a sistemas con una sola fuente renovable. Por tanto, en la actualidad ya es un hecho comprobado que la eficiencia energ�tica va de la mano con la digitalizaci�n para un presente y de cara a un futuro m�s sostenible.�����������������������������������������������
Referencias
1. Arauz, J. (2020). Identificaci�n de Fallas en Sistemas El�ctricos de Potencia Basado en Reconocimiento de Patrones. Universidad Polit�cnica Salesiana Sede Quito, Ecuador. Trabajo de titulaci�n. https://dspace.ups.edu.ec/bitstream/123456789/18559/1/UPS%20-%20ST004488.pdf, pp.29.
2. Arcos, E. (2016). Estrategias de Eficiencia Energ�tica en Usuarios Residenciales. Universidad Polit�cnica Salesiana Sede Quito. Ecuador. Trabajo de titulaci�n. https://dspace.ups.edu.ec/bitstream/123456789/12874/3/UPS-KT01290.pdf, pp.21.
3. Arias, F. (2006). El Proyecto de Investigaci�n, Gu�a para su Elaboraci�n. Caracas, Venezuela: Editorial Episteme. Cuarta Edici�n.
4. Ari�o, G. (2020). La transici�n energ�tica en el sector el�ctrico. L�neas de evoluci�n del sistema, de las empresas, de la regulaci�n y de los mercados. Publicaciones de la Universidad de Deusto. ISBN: 978-84-1325-093-9. http://www.deusto-publicaciones.es/deusto/pdfs/orkestra/orkestra59.pdf, pp.239.
5. Basogain, X. (2010). Introducci�n a la Computaci�n Neuronal. Tema 1. Escuela Superior de Ingenier�a de Bilbao, EHU. https://ocw.ehu.eus/pluginfile.php/40137/mod_resource/content/1/redes_neuro/contenidos/pdf/libro-del-curso.pdf, pp.79.
6. Borroto, A., & S�nchez, S. (2008). Manual de Eficiencia Energ�tica en Edificios P�blicos. Ministerio de Electricidad y Energ�a Renovable. Quito, Ecuador. http://enerpro.com.ec/wp-content/uploads/2019/04/Manual-de-Eficiencia-Energetica-en-Edificios-Publicos.pdf, pp.81.
7. Caratar, J., Valencia, A., Caicedo, G., & Chamorro, C. (2020). Evaluaci�n de t�cnicas de inteligencia artificial utilizadas en el diagn�stico de fallas en plantas de potencia. Respuestas, vol. 25, no. 2. https://doi.org/10.22463/0122820X.2966. https://revistas.ufps.edu.co/index.php/respuestas/article/view/2966/3275, pp.177-189.
8. CEPAL. (2020). Estrategia Energ�tica Sustentable 2030 de los pa�ses del SICA. Comisi�n Econ�mica para Am�rica Latina y el Caribe (CEPAL). Ciudad de M�xico, pp.214.
9. Cruz, P. (2011). Inteligencia artificial con aplicaciones a la ingenier�a. Alfaomega. 1st ed.
10. DAEE. (2016). Estado de la eficiencia energ�tica en Ecuador: identificaci�n de oportunidades. pp.44: Editor Banco de Desarrollo de Am�rica Latina (CAF). https://biblioteca.olade.org/opac-tmpl/Documentos/cg00385.pdf.
11. D�ez, R., G�mez, A., & Mart�nez, N. (2001). Introducci�n a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computaci�n evolutiva.
12. ENFORCE. (2010). Gu�a Pr�ctica sobre Ahorro y Eficiencia Energ�tica en Edificios. Red de Auditores Energ�ticos de la Uni�n Europea. Proyecto Enforce /Intelligent Energy Europe (IEE).https://www.academia.edu/upgrade?feature=bd_books&trigger=bulk_download_books_ping&upgrade_redirect=%2F%2Fwww.academia.edu%2Fsearch%3Fq%3D*%26ri, pp.60.
13. Fern�ndez C�spedes, M. (2021). Mantenimiento predictivo. En Aserta, El sector energ�tico aprovecha el potencial de la inteligencia artificial. Madrid, Espa�a: https://aserta.com.es/inteligencia-artificial-en-el-sector-energetico/.
14. Hern�ndez, R., Fern�ndez, C., & Baptista, P. (2006). Metodolog�ade la Investigaci�n. M�xico: McGraw Hill. Cuarta Edici�n.
15. Hurtado, L., Villarreal, E., & Villarreal, L. (2016). Detecci�n y diagn�stico de fallas mediante t�cnicas de inteligencia artificial, un estado del arte. Dyna, vol. 83, n�m. 199. Universidad Nacional de Colombia.https://www.redalyc.org/journal/496/49648868002/html/, pp.19-28.
16. Inderwildi, O., Zhang , C., Wang, X., & Kraft, M. (2020). The impact of intelligent cyber-physical systems on the decarbonization of energy. Energy and Environmental Science,13: 744-771. https://doi.org/10.1039/C9EE01919G.
17. Kumar , D., & Monjur, M. (2018). Forecasting methods in energy planning models. Renewable and Sustainable Energy Reviews. Volume 88.https://doi.org/10.1016/j.rser.2018.02.002.https://www.sciencedirect.com/science/article/abs/pii/S1364032118300200 , pp.297-325.
18. Mart�n, L. (2020). Digitalizaci�n e inteligencia artificial, aliados para la eficiencia energ�tica. Revista Haz Fundaci�n. https://hazrevista.org/rsc/2020/10/digitalizacion-inteligencia-artificial-aliados-eficiencia-energetica/.
19. Monasterio, A. (2021). Inteligencia Artificial Para el Bien Com�n (AI4SG): IA y los Objetivos de Desarrollo Sostenible. ARBOR Ciencia, Pensamiento y Cultura 197 (802).Universidad de Granada. Espa�a. https://doi.org/10.3989/arbor.2021.802007, a629.
20. Padr�n, S. (2015). Inteligencia Artificial en la Operaci�n de Redes El�ctricas. Aplicaci�n a Sistemas Aislados. Universidad de Las Palmas de Gran Canaria. Tesis Doctoral. https://accedacris.ulpgc.es/bitstream/10553/17092/3/0722383_00000_0000.pdf, pp.328.
21. Palella, S., & Martins, F. (2012). Metodolog�a de la Investigaci�n Cuantitativa . Caracas, Venezuela: Fondo Editorial de la Universidad Pedag�gica Experimental Libertador.
22. Rodella, F. (2020). Algoritmos Para no Desperdiciar Energ�a. Tungsteno. https://www.sacyr.com/-/algoritmos-para-no-desperdiciar-energia.
23. Sabino, C. (2000). El Proceso de Investigaci�n. Caracas, Venezuela: Panapo. 4� edici�n.
24. S�nchez Dur�n, R. (2020). El futuro y la demanda energ�tica. Universidad de Sevilla ( Espa�a ).Tesis Doctoral. https://dialnet.unirioja.es/servlet/tesis?codigo=283233, PP.234.
25. S�nchez, J., Blanco, A., Y�pez, A., Coviello, M., Schuschny, A., Aiello, R., y otros. (2017). Eficiencia. Sustainable Energy for All � SEforALL/Banco Interamericano de Desarrollo (BID)/Capal/Olade. pp.118 https://biblioteca.olade.org/opac-tmpl/Documentos/old0397.pdf.
26. Sevilla, P. (2021). Planificaci�n y ajuste de oferta y demanda. En Aserta, El sector energ�tico aprovecha el potencial de la inteligencia artificial. Madrid, Espa�a: https://aserta.com.es/inteligencia-artificial-en-el-sector-energetico/.
�2022 por los autores.� Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)