Descripción

CONTEXTO

Las plantas hidroeléctricas representan una parte clave del futuro de la energía renovable, ya que engloban aproximadamente el 40 % de la capacidad renovable total según los datos del Foro Económico Mundial. Estas plantas, a menudo complejas, están sujetas a variaciones de la producción energética debido a las precipitaciones.

Los activos hidroeléctricos se deben planificar para poner en marcha la producción energética con 9-12 meses de antelación, como ocurre en una planta tradicional. Los elementos fundamentales para una planificación correcta consisten en el pronóstico del tiempo y, en concreto, en las predicciones de precipitación y temperatura. Durante los últimos años se han alternado, tanto en Italia como en España, temporadas secas seguidas de eventos extremos e inundaciones. 

Los pronósticos a medio-largo plazo, especialmente en los países europeos, siguen siendo tan poco fiables en la actualidad que el valor más preciso que se puede utilizar es el promedio histórico. Sin embargo, las anomalías meteorológicas de los últimos años también han provocado una fuerte variación de este valor, lo que dificulta hacer estimaciones fiables.

Por tanto, el desarrollo de un modelo avanzado de pronóstico finalmente podría permitir predecir incluso los acontecimientos más graves, con el fin de ajustar las estimaciones de producción de las centrales hidroeléctricas.

EL RETO

Enel Green Power busca propuestas de modelos innovadores capaces de proporcionar pronósticos precisos y fiables a medio y largo plazo (con 9-12 meses de antelación) sobre las precipitaciones y la temperatura, especialmente en la zona mediterránea. En concreto, este reto está relacionado con la dificultad existente para predecir los fenómenos meteorológicos y climáticos en Italia y España, excepto aquellos que se dan a muy corto plazo.

Enel Green Power ha examinado los modelos climáticos y los procesos meteorológicos tradicionales a nivel interno, incluyendo la idoneidad del North American Multi-Model Ensemble (NMME) y el European Centre for Medium-Range Weather Forecasts (ECMWF), entre otros. Los centros de pronóstico de todo el mundo disponen de una amplia infraestructura diseñada para predecir precipitaciones, temperaturas, la concentración de ambas y los fenómenos meteorológicos extremos. Dado que los modelos mencionados anteriormente no han proporcionado resultados fiables/representativos para nuestros propósitos específicos, en concreto para obtener datos con una antelación de 9-12 meses principalmente en Italia y España, Enel está buscando un modelo basado en variables y enfoques «diferentes/disruptivos», distintos de los que se utilizan con frecuencia en la actualidad. 

El modelo puede estar basado en diferentes tipos y combinaciones de enfoques (p. ej., modelos estadísticos, físicos o de aprendizaje automático). El pronóstico debe contemplar macroáreas con condiciones climáticas homogéneas. Para este reto fomentamos en gran medida la innovación. Por ejemplo, tu solución podría estar basada en un modelo híbrido que combine elementos de modelos tradicionales con un enfoque innovador, o métodos respaldados por inteligencia artificial para predecir con precisión la precipitación y la temperatura con una antelación de entre 9 y 12 meses. Los candidatos pueden recurrir a estos pronósticos o conjuntos de datos ya existentes para desarrollar su solución, pero deben ser capaces de demostrar el valor añadido de su modelo en comparación con cualquier conjunto de datos de referencia o marcos básicos, con el fin de tener más oportunidades de recibir la totalidad de la recompensa.

Este modelo de pronóstico debe ser capaz de predecir y cuantificar las precipitaciones y temperaturas estacionales con al menos 9-12 meses de antelación, con una granularidad mensual y anual, para permitir la inclusión de estos valores predictivos en los modelos de producción de energía que Enel Green Power utiliza. Por otro lado, lo ideal sería que el modelo fuera capaz de predecir eventos extremos y periodos prolongados de sequía, en los cuales las cantidades que normalmente se monitorizan pueden desviarse de los valores promedio históricos.

CRITERIOS TÉCNICOS

En relación con tu solución, sistema o propuesta, Enel Green Power requiere ciertos niveles de datos y un formato consistente para utilizarlo en la planificación de pronósticos de activos hidroeléctricos a medio y largo plazo. Tu propuesta deberá:

• utilizar datos históricos disponibles de los últimos 20-30 años (siempre que sea posible, aunque no es estrictamente necesario recurrir a la base de datos ERA5);
• presentar el análisis EAM (Error Absoluto Medio) relacionado con estas anomalías de correlación y compararlo con el EAM obtenido utilizando la media histórica simple;
• tanto tus correlaciones como el EAM deben compararse con los datos obtenidos mediante los modelos estacionales estándar, como el North American Multi-Model Ensemble (NMME), el European Centre for Medium-Range Weather Forecasts (ECMWF), etc.;
• el paso temporal mínimo utilizado puede ser de un mes.

El modelo debe proporcionar los valores en formato .csv o .xls o, en cualquier caso, en un formato compatible con los estándares de Enel Green Power.

REQUISITOS DE LA SOLUCIÓN

Tu propuesta, incluyendo tanto tu modelo como los datos validados, deberá proporcionar a Enel Green Power una estimación sobre las precipitaciones y la temperatura con un año de antelación tanto en Italia como en España, además, también deberá:

• brindar una estimación de la precipitación/lluvia con 9-12 meses de antelación, en milímetros/día con granularidad tanto mensual como anual;
  • envía las anomalías de correlación de los valores de precipitación entre la anomalía real (diferencia entre el valor real y el valor medio) de precipitación y la anomalía pronosticada (análisis retrospectivo o hindcast). Esto se debe llevar a cabo para un periodo de prueba de al menos 5 años, incluyendo desde el año 2018 hasta el 2022.
• Proporcionar una estimación de los rangos de temperatura con una antelación de 9-12 meses, en grados Celsius, con una granularidad tanto mensual como anual;
  • envía las anomalías de correlación para los valores de temperatura entre la anomalía real de temperatura y la anomalía pronosticada, a lo largo de un periodo de prueba de al menos 5 años , incluyendo desde el año 2018 hasta el 2022.

• Proporcionar una aplicación que se pueda ejecutar a nivel local para verificar los datos y el modelo para que Enel Green Power pueda utilizarlo.
• El modelo de pronóstico debe brindar un boletín tanto mensual como anual.
• Proporcionar datos tanto de la zona de Italia como de España, etiquetados según macro-áreas de condiciones climáticas homogéneas: predicciones de áreas extensas en lugar de pronósticos meteorológicos diarios.
• El modelo de previsión de precipitaciones y temperaturas debe proporcionar un nivel de confianza que no supere el 5 %.

Tu propuesta también puede cumplir con los siguientes requisitos «ideales» (opcionales): 

• predicción de fenómenos extremos: pronóstico de sequías prolongadas o inundaciones durante los próximos 9-12 meses, con probabilidades y datos validados adjuntos;
• predicción del Equivalente Agua de Nieve (EAN), descrito como la cantidad equivalente de agua líquida almacenada en el manto de nieve medida en milímetros, con una granularidad mensual y anual, lo que resulta especialmente útil en el norte de Italia;
• predicción de la concentración de lluvias/precipitaciones en subregiones de Italia y España, con una antelación de entre 9 y 12 meses.

ENTREGABLES DEL PROYECTO

La propuesta presentada debe contar con una descripción técnica detallada que incluya:

• un modelo o sistema de pronóstico de temperaturas y precipitaciones que cumpla los criterios técnicos y requisitos de la solución, centrándose especialmente en las regiones de Italia y España;
• una aplicación que se pueda ejecutar a nivel local para verificar la solución propuesta;
• una descripción detallada de los resultados, rendimiento y características de la solución propuesta, comparándola especialmente con los modelos actuales;
• datos, casos de estudio, patentes y referencias de revistas o cualquier material adicional que respalde la solución o el modelo propuesto.

SDGs

Este reto contribuye con los siguientes Objetivos de Desarrollo Sostenible de la ONU:

• ODS 7: Garantizar el acceso a una energía asequible, segura, sostenible y moderna para todo el mundo
• ODS 9: Construir infraestructuras resilientes, promover la industrialización sostenible y fomentar la innovación