En
Estados Unidos y otros países el
número de puertos de carga de vehículos ha incrementado aceleradamente. Según el
Departamento de Energía, la infraestructura se duplicó en los tres años recientes. A su vez, la
creciente adopción de vehículos eléctricos y el desarrollo de centros de datos para alimentar sistemas de inteligencia artificial derivaron en el incremento de la demanda energética.
Los planificadores de red pronostican un aumento de entre el 2,6 y el 4,7% en los próximos cinco años. Lo cual genera incertidumbre sobre cómo pueden incorporarse las fuentes sostenibles en las carteras de energía, sin que esto sea contraproducente dada la alta volatilidad de estos sistemas. Pues la energía solar, eólica y otras fuentes renovables son altamente dependientes de las condiciones climáticas. De modo que si las condiciones no permiten la generación de energía y los picos de demanda siguen en aumento, esta clase de sistemas serían insuficientes para cubrir las necesidades energéticas futuras.
Elaine Siyu Liu, estudiante del MIT emprendió una investigación para identificar las formas en que las redes de energía sostenible se ven desafiadas. Así, pone especial énfasis en la distribución ininterrumpida de energía. "Si piensas en la red como una docena de partes, una vez que un elemento de la red falla, la electricidad debe ser redirigida y esto provoca sobrecargas, conocidas como falla en cascada". Describe la estudiante para destacar las desventajas de los actuales sistemas de distribución de energía.
Si bien, las energías renovables son apreciadas como alternativas a este y otros desperfectos de los sistemas actuales, Liu señala que estos son menos predecibles. Por lo cual, argumenta, el fracaso de los sistemas renovables ante altas demandas y desperfectos tendría consecuencias a una escala "incontrolable". Esto ya que este tipo de energías son altamente fluctuantes y, por tanto, difíciles de suministrar.
Así, Liu está desarrollando un sistema que sea capaz de predecir cómo y cuándo fallará una red de energía sostenible. Para lo cual, hace uso de modelos basados en datos de la industria europea, pues no tiene acceso a los datos privados de las compañías de energía en Estados Unidos. A su vez, el modelo de Liu toma en cuenta los picos de demanda que podrían generarse derivados de la carga de autos eléctricos.
"Anticipar cuánta energía necesitarán los vehículos eléctricos es más complejo que predecir la energía necesaria para abastecer la calefacción o refrigeración", sugiere Liu. Además, detalla, esto se debe a múltiples factores, como dónde cargan los usuarios, los momentos del día con mayor carga vehicular, entre otros. De esta forma, el reto es encontrar cómo optimizar una solución basada en el mercado, que sea aceptable tanto para los productores de energía como para los agregadores municipales.