La transición energética es una de las estrategias para mitigar los efectos del cambio climático, la cual impulsa el uso de energías limpias, que al combinarla con planes de eficiencia energética, puede ser uno de los caminos más realistas para disminuir las emisiones causadas por el uso de combustibles fósiles (Ver Fig.1)[1]. Dentro de las energías limpias se consideran los recursos naturales como el viento, la radiación solar, la energía oceánica, así como el hidrógeno, yacimientos geotérmicos, entre otros [2]. Algunas de estas fuentes de energía tienen una generación fluctuante ya que dependen ampliamente de las condiciones climatológicas, ocasionando problemas en la distribución, control y almacenamiento, así como dificultades en la integración a redes eléctricas o posibles fallos debido a los cambios, anomalías o sobrecargas de energía.

Una propuesta, desde la ingeniería, para resolver estos problemas de integración de energías renovables a las redes eléctricas es el diseño y desarrollo de redes inteligentes (smart grids) en las que se utilicen tecnologías avanzadas para supervisar y operar la red, por ejemplo, modelos innovadores de pronostico basados en el aprendizaje automático o algoritmos de control. Para implementar este tipo de herramientas es indispensable analizar y procesar datos históricos de consumo eléctrico a distintos niveles, específicamente a nivel residencial.
Desafortunadamente, la información disponible en México se encuentra agregada y a bajas resoluciones, es decir, nivel residencial estatal o por ciudad con mediciones por día o mes, sin incluir información de hogares individuales o de pequeños conjuntos de hogares en períodos cortos. Por ello, en el InIAT se realizó un proyecto de investigación para recuperar y procesar información de demanda (kW) y consumo eléctrico (kWh) en una zona semi-urbana en el estado de Puebla (Ver Fig.2). Se obtuvieron datos de cinco casas distintas durante el período de Mayo de 2022 a Junio de 2023 y también se recolectó información climatológica del área durante el mismo período. Esta información está disponible para todas las personas interesadas y lo puedes consultar en una base de datos de libre acceso, así como leer la descripción de éstos en el artículo que recientemente publicamos [3]. Una vez obtenida la información, estamos trabajando en el análisis de los datos, para identificar la flexibilidad del consumo, así como para pronosticar la demanda, sentando las bases para el diseño de redes inteligentes o para el desarrollo de algoritmos de control que eficienticen el consumo eléctrico en México.

Referencias
[1] International Renewable Energy Agency (IRENA). (2023). Energy transition outlook. https://www.irena.org/Digital-Report/World-Energy-Transitions-Outlook-2022 (último acceso Marzo 2024)
[2] Transición Energética. [PDF]. Secretaría de Energía. https://www.gob.mx/cms/uploads/attachment/file/610957/Cap3_-_Transicio_n_Energe_tica_WEB.pdf (último acceso Marzo 2024)
[3] Santos-Moreno, M., González-Ordiano, J. Á., Quiroz-Ibarra, J. E., Perez-DeLaMora, D. A., Mizrahi-Cojab, J., Román-Sánchez, E., … & Bustio-Martinez, L. (2024). Weather and electrical demand and consumption data of a small Mexican community. Data in Brief, 52, 109977.