Resumen de Técnicas de optimización e inteligencia artificial (IA) como precursoras de una transición energética sostenible
La Transición Energética es esencial para abordar los desafíos impuestos por el cambio climático, el aumento del consumo energético, así como para garantizar el desarrollo de la sociedad tal y como se conoce hoy en día. El sistema energético actual se basa en energías procedentes en su mayoría de combustibles fósiles, pero no cumple con las estrategias de descarbonización establecidas para 2050. Por este motivo, la comunidad científica se encuentra en la búsqueda continua de tecnologías emergentes que contribuyan a dar solución de los diferentes retos que aborda una transición energética de la magnitud que requiere la sociedad.
La presente Tesis Doctoral profundiza en algunas de estas tecnologías emergentes. Concretamente esta investigación explora la optimización e implicaciones que pudiera llegar a tener la Inteligencia Artificial (IA) y/o los Métodos de Análisis Multicriterio (MCDM) en el proceso de toma de decisiones durante las primeras etapas de implantación de una nueva tecnología. El objetivo es reducir la subjetividad del proceso de toma de decisiones actual, basado en el criterio de expertos, y obtener decisiones más informadas que mantengan el equilibrio entre los diferentes pilares de la sostenibilidad, garantizando que las decisiones tomadas den lugar a inversiones sostenibles y que tengan un impacto significativo como precursoras de la transición energética sostenible. Teniendo en cuenta lo anterior, las tecnologías emergentes consideradas en esta Tesis Doctoral son: Energía solar flotante (producción energía eléctrica), hidrógeno renovable (producción de gases renovables) y pilas de combustible en el sector del transporte y vehículos eVTOL, del inglés "electric Vertical Take Of and Landing" (movilidad).
Comenzando por la energía solar flotante como tecnología emergente dentro de la producción de energía eléctrica, se ha desarrollado en este caso un marco integrado en una plataforma Web-GIS que permite la optimización en la selección de masas de agua, así como la optimización basada en Algoritmos Genéticos (GA) del prediseño de la planta de producción. Hay que tener presente, que la electrificación no es posible y/o no es rentable en todos los sectores. El hidrógeno renovable debido a las propiedades del gas es uno de los gases renovables con mayor potencial de aplicación en diferentes sectores dentro de transición energética. En esta investigación, se ha desarrollado una plataforma Web-GIS capaz de mejorar mediante la aplicación integrada de MCDA y GA la selección de ubicaciones óptimas en las que extraer el potencial del hidrógeno renovable a nivel local (municipios). Esto implica que se han considerado criterios de decisión en toda la cadena de valor del hidrógeno, desde producción hasta consumo, pasando por transporte.
Por último, se ha profundizado en movilidad, el cual es un sector con unas características en las que resulta muy compleja la verticalización de las energías renovables. Este trabajo ha seleccionado como tecnologías emergentes la aplicación de pilas de combustible en el sector del transporte y los vehículos eVTOL, los cuales aúnan las ventajas de flexibilidad y versatilidad que ofrece el transporte ligero por tierra y las ventajas de velocidad que ofrece el transporte aéreo. Primeramente, se ha realizado una optimización comparativa entre los diferentes tipos de pilas de combustible y sistemas de almacenamiento a bordo en el sector del transporte. Los resultados obtenidos demuestran que en el sector del transporte ligero la tecnología de membrana de intercambio protónico y el almacenamiento en forma de hidrógeno comprimido e hidrógeno líquido es competitiva con las opciones propulsivas actuales, y que existen otras alternativas como el amoniaco, con potencial debido a su buena relación masa-volumen. En cuanto a la tecnología eVTOL, se han llevado a cabo dos investigaciones. Por un lado, se ha realizado un análisis comparativo de aplicación de vehículos eVTOL en la Península Ibérica en el cual se ha empleado una regresión lineal para establecer como marco temporal el año 2030. Los resultados obtenidos permiten establecer como tecnología propulsiva más competitiva a nivel urbano, las baterías, mientras que a nivel regional, las pilas de combustible de hidrógeno destacan por su mayor autonomía. No obstante, se puede concluir que para el año 2030 los vehículos eVTOL no deberían superar al 5% del parque automovilístico para que sea viable desde el punto de vista del sistema. Por otro lado, se han empleado las Islas Canarias como marco espacial para ir un paso más allá y evaluar los beneficios de la integración bidireccional de los vehículos eVTOL en cada uno de los sistemas eléctricos que componen el Archipiélago. Se emplearon GA para poder optimizar las estructuras de generación y obtener la cantidad de vehículos necesarios que ofrecen beneficios a los agentes implicados en el sistema eléctrico (consumidor final, operador del sistema y plantas productoras de energía). Los resultados obtenidos permitirán a las administraciones locales determinar los valores umbrales admisibles tanto en la cantidad de vehículos, como en el nivel de afeitado para cada sistema eléctrico aislado.
En definitiva, esta Tesis Doctoral persigue la aplicación de técnicas de optimización e IA a diferentes tecnologías emergentes precursoras de la transición energética sostenible. Los análisis realizados han dado lugar a metodologías sólidas en los que basar los procesos de toma de decisiones a la hora de considerar la implantación en un territorio específico o seleccionar la tecnología más apropiada entre diferentes opciones en función de la aplicación. Las metodologías generadas han sido puestas en valor en el territorio de España, demostrando que las tecnologías emergentes investigadas tienen un potencial real y un impacto significativo a nivel energético, económico, medioambiental, social y legislativo dentro de la transición energética sostenible del país.
