La empresa Libelium organiza el segundo webinar de la serie ‘Beyond data’, que explora cómo el IoT y la analítica de datos están transformando sectores clave. Este segundo episodio, titulado ‘grid360: Efficient Energy Transmission’, se desarrollará en inglés el próximo martes 18 de marzo a las 10:00 horas (CET).
La nueva sesión de la serie ‘Beyond data’ explorará cómo se pueden utilizar los datos para gestionar la energía de manera más eficiente. En esta ocasión, el ponente será José Antonio Cabo, Global Senior Sales Manager, Critical Infrastructures en Libelium.
Abordará la optimización de la red eléctrica a través de datos meteorológicos (viento, temperatura y radiación solar) en tiempo real para mejorar la capacidad de transmisión de energía. También el uso de la inteligencia artificial y el IoT de alta precisión para conseguir modelos predictivos avanzados capaces de pronosticar la transmisión energética hasta con siete días de antelación.
Igualmente, explorará cómo los algoritmos inteligentes de Libelium optimizan la eficiencia de la red en tiempo real (Dynamic Line Rating, DLR) y cómo aumentar la capacidad de la red sin grandes inversiones en infraestructura, reduciendo costes e impacto ambiental, y contribuyendo así a la transición verde y digital. El registro para asistir a este webinar en inglés está disponible en este enlace.
Solución grid360 de Libelium
La solución grid360 de Libelium, que da título al webinar, combina tecnología IoT de alta precisión y un gemelo digital de las condiciones meteorológicas para analizar los datos y determinar la capacidad máxima de transporte de la red en un momento dado.
Esto permite a las empresas energéticas disponer de un modelo predictivo de gran precisión, planificar con hasta 96 horas de antelación (ampliables hasta siete días con una precisión adaptada) y elegir la operación más eficiente y económica para cubrir la demanda de los consumidores. También permite aumentar la capacidad de la red existente a la vez que se reducen los costes y se minimiza el impacto ambiental, ya que la implementación de esta solución no requiere grandes inversiones.
La información obtenida de las estaciones desplegadas a lo largo de la red eléctrica se introduce en una herramienta que aplica algoritmos mejorados con datos locales basados en la predicción obtenida del modelo WRF (Weather Research and Forecasting).
Estos algoritmos están diseñados específicamente para perfeccionar continuamente los resultados y así optimizar la precisión del pronóstico, permitiendo el cálculo del DLR con un alto nivel de precisión.