Plataformas y computación
Aplicamos soluciones basadas en tecnologías de computación innovadoras como el Big Data, blockhain, Edge computingin o computación cuántica, entre otras.

El Big Data es el análisis masivo de datos. Una cuantía de datos, tan sumamente grande, que las aplicaciones de software de procesamiento de datos que tradicionalmente se venían usando no son capaces de capturar, tratar y poner en valor en un tiempo razonable. Igualmente, el mismo término se refiere a las nuevas tecnologías que hacen posible el almacenamiento y procesamiento, además de al uso que se hace de la información obtenida a través de dichas tecnologías.

blank
Nuestros proyectos
Reto clave

Optimizar la operación del sistema e incrementar la flexibilidad y resiliencia de la red

Estado

Activo

dummy

El proyecto persigue el desarrollo de una red de transporte basada en la monitorización y sensorización local o remota, operada con capacidades de transporte calculadas en tiempo real. Estas capacidades son calculadas con un modelo térmico de la línea y con datos obtenidos de la monitorización de condiciones ambientales instantáneas y/o parámetros físicos de la instalación a lo largo de todo su trazado. De esta forma podemos acceder a capacidad que hasta ahora había permanecido bloqueada en los circuitos y ganar un mayor conocimiento del estado real de los mismos. También estamos trabajando en modelos atmosféricos que nos permitirán predecir las capacidades de nuestros circuitos y adelantarnos a las necesidades de la operación. De esta forma, podremos garantizar una mayor integración de renovables, minimizar los vertidos y reducir costes, principalmente los asociados a restricciones técnicas. Se logra así una operación aún más flexible, segura y económica.

FASES
Fase I

Identificación de necesidades y diseño.

Fase II

Implementación.

Fase III

Validación.

Fase IV

Consolidación y crecimiento.

 

 

Reto clave

Optimizar actividades y procesos transversales

Estado

Activo

Process Mining

Aplicar Process Mining para el análisis e identificación de ineficiencias como cuellos de botellas, grado de automatización, rechazos, tiempos en flujo de aprobación, y oportunidades para optimizar los procesos de negocio de la compañía. Dentro del proyecto de incubación se testearán diferentes herramientas de Process Mining y se diseñará y optimizará el flujo de aplicación de este tipo de técnicas en los procesos corporativos.

Objetivo: Optimizar procesos de negocio en las áreas de ventas/compras para reducir costes.

FASES: Incubación

 

RESULTADOS

Implantar la técnica/tecnología de process mining en Red Eléctrica como un servicio más dentro del portfolio de DTI.

Reto clave

Optimizar la operación del sistema e incrementar la flexibilidad y resiliencia de la red

Estado

Activo

met4DLR

Desde #Elewit, junto a Accenture estamos desarrollando un proyecto piloto para predecir la capacidad de las líneas en horizontes temporales futuros, ya que el cálculo y predicción de la capacidad de las líneas eléctricas aéreas (DLR) es clave, entre otras cosas, para mejorar la seguridad de las líneas, para minimizar los daños que causen sus averías y fallos y para contribuir a garantizar el suministro y el equilibrio entre demanda y generación

FASES: Incubación

 

RESULTADOS

• Mejorar la precisión y ampliar los modelos desarrollados por Red Eléctrica para la predicción de variables meteorológicas
• Poner en marcha los distintos algoritmos, enviando las predicciones a otros sistemas de Red Eléctrica
• Realizar una evaluación sistemática de su funcionamiento y un seguimiento continuo de su precisión

Reto clave

Optimizar la operación del sistema e incrementar la flexibilidad y resiliencia de la red

Estado

Finalizado

EPICS

Los sistemas automáticos de subestación actuales son sistemas distribuidos en los cuales, el software está asociado a un hardware específico y en los que la posibilidad de innovar nuevos algoritmos se encuentra condicionada a los conjuntos software-hardware existentes.

Mediante este proyecto, buscamos la creación de una plataforma software ejecutable sobre plataformas hardware generales, aplicando conceptos de tecnología Edge y microservicios, creando un entorno virtualizado capaz de implementar las funciones del sistema automático de subestación y con una alta capacidad para integrar nuevas funciones en el sistema.

Proyecto realizado junto a los partners NEARBY Computing, CIRCE, ZIV Automation, Indizen e INDRA-Minsait.

FASES: Incubación
Fase I

Definición de un PMV para una posición tipo de una subestación.

Fase II

Escalado del PMV para una subestación tipo.

 

RESULTADOS

Validación en entorno real condicionado del PMV desarrollado.

Reto clave

Optimizar la operación del sistema e incrementar la flexibilidad y resiliencia de la red.

Estado

Activo

dummy

La plataforma de autoconsumo permite a Red Electrica poder monitorizar en tiempo cuasi real la generación eléctrica producida en instalaciones de autoconsumo de pequeño tamaño (P < 1MW) Los datos monitorizados son utilizados en la predicción de la demanda realizada por el operador del sistema con el fin de dar una precisa estimación de la curva de la demanda.

FASES: Industrialización
Fase I

Producto Mínimo Viable. Plataforma desarrollada e integrada con datos de fabricantes de inversores (registro y colección de datos) y activos de autoconsumo. Habilitar operaciones en tiempo real y emisión de certificados de autoconsumo.

 

RESULTADOS

Plataforma de autoconsumo con datos de generación procedentes de diferentes instalaciones de autoconsumidores.

ENLACES
Reto clave

Incrementar la seguridad y el bienestar de nuestros empleados

Estado

Activo

dummy

Con este proyecto se pretende garantizar la seguridad de las personas e instalaciones en las operaciones de descargo, eliminando las situaciones de riesgo para los operarios asociadas a la ejecución de las zonas protegidas y trabajos asociados, alineado con el objetivo estratégico de “cero accidentes” del Grupo Red Eléctrica.

FASES
Fase A

Producto Mínimo Viable. Implementación básica offline (sin integraciones operativa.

Fase B

Realización de encuesta de satisfacción.

 

 

 
Reto clave

Mejorar desarrollo de la red y la eficiencia en la gestión de activos

Estado

Activo

met4DLR

Strategos se trata de una herramienta de cálculo que permite optimizar la cartera de proyectos de inversión para el desarrollo y mantenimiento de la red de transporte eléctrica. A través de la aplicación de técnicas de Machine Learning y del know-how propio de Redeia, la herramienta permite optimizar la toma de decisiones a la hora de ejecutar un conjunto de proyectos de inversión.
Adicionalmente, permite simular y estimar los riesgos asociados a la implementación de los proyectos, ayudando así a la toma de decisiones.

FASES: Industrialización
Fase I

Proceso de definición de la industrialización: alcance requerido, el roadmap del producto y el esquema contractual para su industrialización, colaboración en la comercialización del producto y términos de licenciamiento.

Fase II

Inicio de la industrialización en abril de 2023. El equipo de Alchemy trabaja juntamente con el Dpto. de Planificación de Transporte y la Dirección de Tecnologías de la información para desarrollar la solución en nuestro ecosistema de aplicaciones corporativas y con visión de un producto que pueda ser comercializado a terceros. La duración de la industrialización es de 22 meses (fecha prevista de fin febrero de 2025).

 

RESULTADOS

• Maximizar el retorno de la inversión realizada, identificando los escenarios más rentables para la ejecución de los proyectos y llevando a cabo las mejores decisiones
• Maximizar el impacto de los proyectos llevados a cabo en un horizonte temporal
• Gestionar de forma óptima la cartera de proyectos de inversión, tanto a nivel agregado como de detalle
• Identificar los cuellos de botella en los proyectos, tanto internos como externos a la organización, y priorizar las actuaciones a realizar para mitigación de los mismos

Reto clave

Operación del sistema eléctrico e integración de renovables

Estado

Activo

Proyecto Barbara IoT

Barbara desarrolla una herramienta basada en edge computing para obtener en tiempo real una representación del estado en que se encontraban los elementos de una subestación eléctrica en el momento de producirse un incidente (típicamente, un cortocircuito). De esta manera, los técnicos podrán disponer de los datos tanto para monitorización como para análisis en un tiempo mucho menor al actual.

El edge computing es un tipo de computación in-situ que, apuesta por recolectar y procesar los datos desde el mismo hardware en lugar de enviarlos a la nube y otros destinos para su computación, como hacen la mayoría de los elementos basados en tecnología IoT (Internet of Things) que tienen un carácter más pasivo.

FASES: Incubación

Fase I: Superadas satisfactoriamente las pruebas en laboratorio.

Fase II: En proceso de poder validación en entornos relevantes, para poder estudiar su implantación en Red Eléctrica.

 

RESULTADOS

• Mejora en la fiabilidad del sistema: si se identifican las causas de un disparo, se pueden tomar medidas para prevenir futuras fallas y mejorar la confiabilidad de todo el sistema eléctrico.
• Mantenimiento predictivo de la red: al analizar eventos de disparo, se pueden implementar estrategias de mantenimiento en los componentes antes de que ocurran fallas.
• Optimización de la operación de las subestaciones: la información que proporciona el estudio de eventos de disparo se puede utilizar para optimizar la operación de las subestaciones y mejorar la eficiencia en la transmisión y distribución de energía.

Reto clave

Operación del sistema eléctrico e integración de renovables

Estado

Activo

Proyecto Amortiguamiento de oscilaciones inter-área

El proyecto amortiguamiento de oscilaciones inter-área aprovecha el impulso que ha experimentado la IA, y más específicamente del machine learning, para el desarrollo de un software capaz de realizar un análisis predictivo eficiente.

FASES: Incubación

 

RESULTADOS

Estudiar la viabilidad de implementación de nueva algoritmia en el cálculo del amortiguamiento e influencia de variables y su potencial implementación en una herramienta software, con el objetivo de proporcionar información de gran importancia a los operadores sobre la contribución de los elementos a la red conectados en cada momento al amortiguamiento. Así, permitirá efectuar cálculos manuales por parte de los técnicos, al igual que ofrecer predicciones realizadas por la IA, y hacer un seguimiento del error acumulado con respecto a la realidad.