KIT-Forschende entwickeln Methode, um KI-gestützte Vorhersagen für die Stromversorgung transparenter zu machen
🔬 Resumen científico | KIT desarrolla IA explicable para sistemas energéticos
El Karlsruher Institut für Technologie (KIT) ha presentado una innovadora metodología para hacer más transparentes y comprensibles las predicciones basadas en inteligencia artificial (IA) en sistemas energéticos. En el contexto actual, donde la gestión de la energía se complica por la variabilidad de fuentes renovables y la integración de nuevas tecnologías como autos eléctricos y baterías, la IA se vuelve esencial para optimizar el equilibrio entre generación y consumo. Sin embargo, la opacidad de los modelos de IA (“cajas negras”) representa un desafío, especialmente en infraestructuras críticas como la energía, donde la transparencia y la supervisión humana son fundamentales y, además, exigidas por regulaciones europeas como el AI Act.
La nueva técnica, denominada “SHAPformer”, integra modelos Transformer (usados en procesamiento de lenguaje natural) con métodos de IA explicable basados en la teoría de juegos (SHAP). Esto permite identificar y visualizar el impacto de variables como temperatura, días festivos, pronósticos de viento o consumos históricos en las predicciones de consumo y precios de electricidad. A diferencia de enfoques anteriores, la explicabilidad se incorpora directamente en el proceso de entrenamiento del modelo, manteniendo la precisión y mejorando la eficiencia computacional.
El equipo del KIT validó su método con datos reales de operadores de red, logrando predicciones precisas y transparentes sobre consumo y precios eléctricos hasta una semana de anticipación. Esta transparencia facilita la aceptación de sistemas inteligentes por parte de los usuarios, por ejemplo, en la gestión automática de la carga de vehículos eléctricos o baterías domésticas, al poder entenderse claramente las razones detrás de las decisiones del sistema.
🤝 Llamado a la acción para cooperación Chile-KIT:
Dado el avance de Chile en energías renovables y la creciente digitalización de su red eléctrica, existe una oportunidad concreta para colaborar con el KIT en la aplicación y adaptación de la metodología SHAPformer a las condiciones del sistema energético chileno. Se invita a instituciones académicas, operadores de red y empresas tecnológicas chilenas a explorar proyectos conjuntos de investigación y pilotos de IA explicable para mejorar la transparencia, eficiencia y aceptación social de la gestión energética en el país.
Más información
Agregar un comentario