El Proyecto Pastora, liderado por la filial de infraestructura y redes de Endesa, e-Distribución, ha permitido dar nuevos pasos en el diseño de las redes de distribución del futuro, claves para la descarbonización del sector energético y la electrificación de la economía. El despliegue de una nueva generación de sensores y dispositivos inteligentes, el desarrollo de herramientas de inteligencia artificial basadas en el aprendizaje profundo y el análisis de millones de datos se han combinado para avanzar en el diseño de redes más fiables que permitan prevenir incidencias y mejorar la calidad de servicio.

Pastora, acrónimo de Preventive Analysis of Smart Grids with Real Time Operation and Renewable Assets Integration (Ánálisis preventivo de Redes Inteligentes con Operación en Tiempo Real e Integración de Recursos Renovables) ha desplegado en Málaga durante los últimos tres años algunas de las soluciones que van a permitir mejorar la capacidad y resistencia de las redes de distribución en el futuro. El Smart City Living Lab de Málaga, que se ha consolidado como un centro de experimentación y desarrollo de las tecnologías de distribución de energía eléctrica, ha sido el laboratorio real donde se han probado las nuevas soluciones entre 20.000 clientes domésticos, 300 industriales y 900 de servicios.

El proyecto ha aplicado instrumentos y herramientas que avanzan hacia una mayor digitalización de la red de distribución y que se agrupan en torno a tres pilares: nuevos sensores y dispositivos inteligentes, herramientas de IA (Inteligencia Artificial) para la supervisión y el control preventivo de la red en tiempo real y herramientas de tratamiento de información en tiempo real (Big Data) y análisis de las series históricas de datos para ayudar a prevenir incidencias y averías.

En concreto, Pastora ha integrado en la red una nueva generación de dispositivos inteligentes para la monitorización y control de los centros de transformación de media y baja tensión, desde transformadores inteligentes para controlar el nivel de tensión, a cuadros de baja tensión capaces de proporcionar más medidas y con más precisión que los equipos utilizados hasta el momento.

Además, se han empleado cámaras térmicas para ayudar a predecir averías a partir de la temperatura de las instalaciones gracias al análisis de imágenes y se han instalado pequeños sensores que permiten obtener la temperatura de los elementos instalados con mucha precisión y en tiempo real.

El desarrollo de herramientas avanzadas de Inteligencia Artificial basadas en aprendizaje profundo (Deep learning) ha permitido avanzar en el mantenimiento predictivo de la red al correlacionar las variables eléctricas con las imágenes térmicas para detectar posibles averías.