Windletter by Ravenwits - Predicciones de generación renovable mediante inteligencia artificial
Descubre Ravenwits, la empresa española que revoluciona la predicción de energía eólica y solar con inteligencia artificial
Hola a todos y bienvenidos a una nueva edición de Windletter. Soy Sergio Fernández Munguía (@Sergio_FerMun) y aquí hablamos de la actualidad del sector eólico desde un punto de vista diferente. Si no estás suscrito al boletín puedes hacerlo aquí.
Vamos hoy con una edición patrocinada por Ravenwits, una startup con sede en Madrid que tiene como misión ofrecer predicciones precisas y fiables de plantas de producción energía renovable.
Ravenwits nació como una spin-off universitaria surgida tras cinco años de colaboración entre la Universidad Complutense y Politécnica de Madrid, y el operador del sistema eléctrico español, Red Eléctrica de España.
Los fundadores, doctores especializados en análisis matemático y deep learning, han logrado transformar su trabajo de investigación universitaria en una solución comercial innovadora: un SaaS (Software as a Service) capaz de predecir con gran precisión las generación plantas eólicas y fotovoltaicas.
Para nosotros es un placer contar con la colaboración de Ravenwits, un claro ejemplo de emprendimiento nacido de la investigación en la universidad y con una tecnología capaz de competir con los principales players internacionales del mercado.
Quédate conmigo y te cuento todos los detalles 👇
🧠 El arte de predecir la generación renovable con técnicas de IA
En un mundo donde la transición energética avanza a pasos agigantados, la integración de energías renovables en el sistema eléctrico plantea un desafío crucial: predecir con precisión la generación de las plantas eólicas y solares.
La variabilidad del viento y la radiación solar hace que la fiabilidad de estas previsiones sea clave para garantizar el equilibrio de la red, optimizar la venta de energía y minimizar los costes por desvíos que sufren los propietarios de los activos y los consumidores finales.
🌱 Los inicios de Ravenwits
Hasta hace poco, la predicción de generación renovable se basaba en métodos estadísticos tradicionales, combinados con ajustes meteorológicos para mejorar la precisión. Aunque algunas empresas aún siguen este enfoque, el año 2012 marcó el inicio de la era del Deep Learning, revolucionando el campo de la ciencia de datos y la modelización predictiva.
Ravenwits nace en este contexto de transformación tecnológica. Su equipo fundador está compuesto por profesores e investigadores de la academia, expertos en matemáticas y ciencia de datos con una sólida trayectoria en investigación.
Su origen se remonta a un programa de I+D en predicción de generación renovable impulsado en colaboración con las Universidades Complutense y Politécnica de Madrid, y Red Eléctrica de España (REE). En este contexto, sus fundadores trabajaron en el desarrollo de modelos avanzados de inteligencia artificial para mejorar la precisión de las previsiones de generación eólica.
Lo que comenzó como un proyecto de investigación pronto mostró un enorme potencial comercial y así nació Ravenwits, con la misión de llevar estas innovaciones del laboratorio al mercado, ofreciendo a los operadores de plantas renovables una herramienta precisa, eficiente y adaptable a sus necesidades.
🤖 Predecir la generación eólica y solar no es sencillo
La generación de energía renovable, tanto eólica como solar, es difícil de predecir. Los modelos tradicionales presentan errores medios del 15% al 45% en las previsiones a 24 horas, lo que puede traducirse en pérdidas anuales de cientos de miles de euros para un parque de 50 MW.
Este margen de error no solo impacta la rentabilidad de los operadores, sino que también representa un obstáculo para la integración a gran escala de las renovables en el sistema eléctrico, así como un coste para los consumidores. Cuanto más precisa sea la predicción, mayor estabilidad tendrá la red y más eficiente será la operación del mercado eléctrico.
En un sector en constante búsqueda de mejores herramientas predictivas, Ravenwits se posiciona como un nuevo actor relevante, aplicando inteligencia artificial y deep learning para ofrecer modelos más precisos.
💻 Tecnología: los fundamentos detrás de la predicción
Gracias al uso de redes neuronales convolucionales, deep learning e IA, Ravenwits ha logrado desarrollar una tecnología capaz de reducir la incertidumbre en la producción renovable.
A continuación se presenta un flujograma del sistema de predicción utilizado por Ravenwits, que explicamos de forma sencilla más abajo.
Los modelos de predicción de Ravenwits se basan en el análisis de patrones pasados para anticipar el comportamiento futuro de la generación renovable. Para ello, entrenan su inteligencia artificial con datos históricos (lo que se conoce en la industria como training dataset) de dos fuentes clave:
Datos históricos de agencias meteorológicas especializadas (weather data).
Datos de generación real históricos de las plantas de sus clientes (energy data).
Tanto el entrenamiento así como la programación de estos modelos (model training) es el núcleo tecnológico de Ravenwits y lo que le permite diferenciarse en el mercado. A partir de los escenarios del pasado, sus modelos aprenden a identificar tendencias y comportamientos.
Una vez entrenados (trained models), los modelos necesitan información en tiempo real para realizar previsiones futuras (model inference). Para ello, incorporan pronósticos meteorológicos actualizados de agencias especializadas.
Cada hora, Ravenwits proporciona a sus clientes previsiones para cada una de las siguientes 240 horas, desde la H+1 hasta la H+240. Curiosamente, ahora las previsiones son para cada intervalo de quince minutos, puesto que el sistema ha pasado a quinceminutal recientemente.
Las predicciones generadas son el producto final que Ravenwits entrega a sus clientes (forecast delivery), proporcionando estimaciones detalladas con una granularidad que alcanza el nivel de cada planta individual.
Además, el modelo se perfecciona de forma continua, ya que compara sus previsiones con los resultados reales para mejorar su precisión con cada nueva iteración. Esto es especialmente relevante en las plantas más nuevas donde no se cuenta con una gran cantidad de datos históricos.
⚡ Producto comercial validado y competitivo
A pesar de ser una empresa joven, Ravenwits ha logrado desarrollar un producto sólido y fiable, con una precisión equiparable e incluso superior a la de los grandes actores del mercado.
Su cartera de clientes les avala, contando con algunos de los operadores de plantas más importantes de la industria como son: Nexus, Fortia, L’ENERGÉTICA o EDP. Además, también trabaja con Red Eléctrica de España (REE), con quienes llevan colaborando 5 años tras aquel programa piloto inicial.
Habitualmente, los operadores realizan pruebas comparativas entre diferentes proveedores de predicciones, evaluando sus modelos y poniéndolos a competir en plantas de generación reales. Tras este periodo de prueba, se analizan los resultados y solo las soluciones más precisas y fiables consiguen ser seleccionadas.
Ravenwits ha superado con éxito este tipo de procesos competitivos, siendo elegida como proveedora de servicios por clientes internacionales. Esto no solo valida su tecnología, sino que demuestra su capacidad para competir y destacar frente a los principales referentes del sector en condiciones reales de operación.
💼 Modelo de negocio y beneficio de los clientes
El valor fundamental que Ravenwits ofrece a sus clientes es la reducción del coste del desvío en la venta de electricidad renovable. En los mercados eléctricos, los operadores deben comprometerse con la energía que entregarán al día siguiente (D+1), pero debido a la variabilidad del viento y la radiación solar, su capacidad de acierto es limitada.
Cualquier desviación entre la energía comprometida y la real se penaliza. Si un parque eólico o solar genera más o menos de lo previsto, incurre en costes de desvío que pueden afectar significativamente su rentabilidad.
Por poner un ejemplo, en un mercado donde la electricidad se vende a 100 €/MWh, el coste del desvío puede rondar los 20 €/MWh. Esto significa que errores en la previsión tienen un impacto financiero directo en los márgenes de los operadores. Además, en unos mercados con cada vez mayor penetración renovable, los costes de los desvíos están aumentado de fora significativa.
Aquí es donde Ravenwits marca la diferencia. Si su tecnología mejora la previsión en solo un 5% respecto a la competencia, el operador puede ahorrar una cantidad significativa al año por cada MW instalado.
Se trata de un win-win de manual: si el cliente ahorra dinero con mejores predicciones, el servicio se paga solo, no tiene sentido no contratarlo.
Además, tampoco tiene sentido no contratar a los mejores servicios de predicción del mercado, ya que son los que más dinero ahorran a cliente. Así, estamos hablando prácticamente de un mercado de “winners takes all”, donde solo un puñado de empresas, las que sean capaces de hacer las predicciones más fiables, se llevarán toda la cuota de mercado a nivel mundial (excluyendo China, de momento).
La mayoría de operadores de activos solares y eólicos del sector cuentan como mínimo con dos proveedores de servicios de predicción, de tal forma que pueden operar sus parques con la seguridad de obtener predicciones de dos fuentes diferentes.
📬 ¿Quieres saber más sobre Ravenwits?
Si te interesa saber más sobre Ravenwits y sus servicios, o quieres comenzar una prueba piloto con ellos, puedes contactar a través de:
El formulario de su página web (ve a la parte inferior de la página)
El correo electrónico info@ravenwits.com.
También puedes decirles que vienes de parte de Windletter 🙂.
Si no estás interesado, pero conoces a alguien que le pueda interesar, reenvíale este correo. Tanto Windletter como Ravenwits lo agradeceremos infinitamente 🙂.
Muchas gracias por leer Windletter. Si te ha gustado, te invito a que te suscribas, le des al ❤️, la reenvíes por mail, la compartas por redes sociales o la recomiendes a otras personas.
Puedes seguir los perfiles de Windletter en Twitter y LinkedIn y puedes contactar conmigo a través de mi perfil de Twitter o LinkedIn.
¡Nos vemos en la siguiente!