Uno de los mayores obstáculos que enfrentan los nuevos parques eólicos es demostrar cómo la vida silvestre interactúa con las turbinas en el mundo real. Los desarrolladores y reguladores necesitan comprender cómo interactúa la vida silvestre con las turbinas eólicas, pero gran parte del proceso actual se basa en estudios intermitentes realizados por observadores humanos que utilizan binoculares o exploran el sitio a pie.
Esa incertidumbre puede tener consecuencias reales. Los proyectos pueden experimentar retrasos cuando se realizan estudios adicionales, las decisiones de planificación pueden volverse más conservadoras y los requisitos de mitigación pueden aumentar simplemente porque los datos disponibles no son lo suficientemente sólidos como para respaldar decisiones confiables.
El artículo continúa a continuación.
En algunos casos, los supuestos llenan vacíos donde faltan pruebas contundentes, lo que afecta la forma en que se permiten, operan y monitorean los parques eólicos a lo largo del tiempo.
La solución de IA de Spore
Aquí es donde Spoor y su tecnología de inteligencia artificial entran en escena. En lugar de tratar el monitoreo de la biodiversidad como una tarea ocasional vinculada a proyectos individuales, la compañía está desarrollando sistemas que funcionan continuamente, recopilando datos durante largos períodos de tiempo en lugar de ventanas de estudio discretas.
Es algo parecido a la infraestructura del monitoreo a corto plazo: siempre en funcionamiento, siempre registrando y produciendo datos que pueden verificarse y revisarse según sea necesario.
La tecnología de Spore se basa en cámaras de alta resolución conectadas a modelos de visión por computadora que rastrean la actividad de aves y murciélagos alrededor de la turbina en tiempo real.
En lugar de depender de observaciones esporádicas, crea grandes conjuntos de datos que pueden respaldar evaluaciones ambientales, guiar las decisiones de gestión y ayudar a los reguladores a comprender cómo la vida silvestre interactúa realmente con los sitios de energía eólica.
En lugar de centrarse en la seguridad o la percepción, el objetivo es proporcionar evidencia clara que pueda respaldar una toma de decisiones más precisa a lo largo de todo el ciclo de vida de un proyecto eólico.
Quería saber más, así que hablé con Ask Helseth, director ejecutivo de Spore, sobre la tecnología detrás del sistema, los datos que genera y cómo podría cambiar la toma de decisiones en los parques eólicos.
- ¿De dónde surgió la idea de utilizar la IA para rastrear aves?
Aprendí que las aves representan un riesgo importante para los parques eólicos y que la falta de buenos datos está retrasando las nuevas construcciones y planteando un riesgo también para los parques existentes. En ese momento, los datos sobre aves eran escasos y se recopilaban manualmente utilizando humanos con binoculares para observar aves y perros para encontrar individuos muertos.
Esto fue en 2021 y la IA (Visión por Computadora) se estaba volviendo lo suficientemente poderosa como para implementarse con la inversión adecuada. La idea era sencilla: utilizar cámaras e inteligencia artificial para detectar y rastrear aves continuamente. Nos ayudará a comprender y mitigar mejor los desafíos, permitiendo que la naturaleza y el arte coexistan.
- ¿Qué datos se han mostrado hasta ahora sobre el impacto de los parques eólicos en la Madre Naturaleza?
Uno de los hallazgos más importantes es que las aves evitan las turbinas mucho más de lo que suponen los modelos de predicción. En el parque eólico marino de Vattenfall en Aberdeen Bay, monitoreamos las turbinas continuamente durante 19 meses, rastreamos más de 2.000 vuelos de aves y no registramos ninguna colisión confirmada.
La evaluación de impacto ambiental original predijo alrededor de 8,5 colisiones con turbinas al año. La tasa real observada fue varios órdenes de magnitud menor.
Esto no significa que las colisiones nunca ocurran, pero sí nos dice que las suposiciones conservadoras hechas en los modelos actuales de riesgo de colisión pueden sobreestimar significativamente el impacto real en muchos sitios.
Esto tiene consecuencias directas sobre cómo se autorizan y explotan los parques eólicos.
- ¿Cuál es su mercado objetivo y por qué estarían interesados en la oferta de Spoor?
Nuestro principal mercado es la energía eólica marina y terrestre. Trabajamos con desarrolladores en la etapa de obtención de permisos, donde los datos de aves se incorporan a las evaluaciones de impacto ambiental, y con operadores durante la vida del proyecto, donde respaldan el cumplimiento, la mitigación y el nuevo cumplimiento.
Nuestros clientes incluyen Ørsted, RWE, Vattenfall, Equinor y TotalEnergies. En general, encontramos que la industria está ansiosa por poner sobre la mesa información sobre su impacto (o la falta de él) en las aves.
Sin datos, las suposiciones pueden prevalecer y normalmente no son precisas.
- Una vez que su cliente recibe los datos de la encuesta de Spoor, ¿qué sucede a continuación? ¿Cómo les ayuda?
Los datos alimentan varios puntos de decisión a lo largo del ciclo de vida del proyecto. Al otorgar el permiso, se incluye la evaluación del impacto ambiental y el modelado del riesgo de colisión, que establece las condiciones de cumplimiento bajo las cuales debe funcionar un proyecto.
Mejores datos significan términos más proporcionados, lo que significa menos deducciones innecesarias y menos demoras en la obtención de permisos.
Los datos sobre el tiempo de actividad se utilizan para comprender el impacto real y respaldar la gestión adaptativa: si un parque eólico apaga las turbinas durante ciertos períodos como medida de precaución, nuestros datos pueden mostrar si esa reducción es proporcional a la actividad real de las aves o si se puede abordar con mayor precisión.
A largo plazo, esto crea la base de evidencia que los operadores necesitan cuando su consentimiento original expira y se enfrentan a una nueva obtención de permisos.
- ¿Qué otros campos podrían utilizar la misma técnica? ¿ESG? ¿O&G? ¿Salud? ¿Fraude?
Ya estamos viendo interés por parte de aeropuertos, operadores de líneas de transmisión y el sector minero.
La tecnología subyacente, la detección y clasificación continua de objetos voladores a partir de imágenes de cámaras mediante visión por computadora, tiene aplicaciones dondequiera que se requiera monitorear la actividad aérea a escala.
Los drones son un caso de uso adyacente obvio: nuestro sistema ya los detecta incidentalmente durante la observación de aves.
- ¿Qué impide que otros copien lo que estás haciendo? ¿Cuál es su PVU?
tres cosas. Primero, nuestro conjunto de datos de capacitación patentado: hemos estado recopilando y seleccionando datos de detección de aves etiquetados desde 2019, incluidos más de un millón de observaciones de aves rastreadas desde sitios operativos reales en múltiples países, especies, estaciones y condiciones. Ese conjunto de datos es lo que permite que nuestros modelos superen significativamente a la visión por computadora disponible en el mercado.
En segundo lugar, nuestro rango de detección y precisión: podemos detectar aves de manera confiable con muy pocos píxeles en el objetivo, lo que se traduce en un rango de detección de hasta 2 km para aves grandes usando cámaras disponibles en el mercado.
En tercer lugar, somos independientes del hardware. Trabajamos con cámaras estándar disponibles comercialmente en lugar de hardware propietario, lo que mantiene bajos los costos de implementación y significa que no estamos limitados a un solo fabricante.
La tecnología también está protegida por patente.
- ¿Cuáles son los desafíos específicos asociados con tales iniciativas?
Los principales desafíos técnicos son la detección en una variedad de condiciones variables, el manejo de falsos positivos y falsos negativos y el funcionamiento confiable en entornos naturales hostiles.
Para un modelo de IA, muchas cosas pueden parecer un pájaro, y entrenarlo en todos los casos extremos es exigente. Los falsos positivos, en los que el sistema marca una nube o un insecto como un pájaro, se gestionan mediante un control de calidad manual semanal realizado por nuestros ornitólogos internos. Nuestra tasa de precisión actual es superior al 90%.
En términos de infraestructura, el despliegue en alta mar implica niebla salina, limitaciones de energía, transmisión de datos desde ubicaciones remotas y mantenimiento de equipos que pueden permanecer inaccesibles durante semanas debido a las condiciones climáticas.
- Usted mencionó hacer del monitoreo de la biodiversidad un “nivel escalable dentro del sistema energético”. ¿Puedes ampliar eso?
Hoy en día, el monitoreo de aves en los parques eólicos se considera un ejercicio de cumplimiento proyecto por proyecto. Cada sitio encarga sus propias encuestas, genera sus propios datos y presenta sus propios informes. No existe una infraestructura compartida y hay pocos flujos de datos entre proyectos o carteras. Lo que estamos construyendo es una plataforma que se puede implementar en cientos de turbinas y sitios, produciendo datos estandarizados y comparables que alimentan tanto las decisiones de proyectos individuales como una comprensión en toda la industria de cómo las aves interactúan con la energía eólica. Cuando el monitoreo no es un compromiso de consultoría personalizado sino una capa de datos continua en toda la cartera de un desarrollador, cambia lo que es posible en términos de evaluación de impacto incremental, gestión adaptativa a escala y la velocidad con la que los reguladores pueden evaluar nuevos proyectos.
- ¿Las esporas simplemente saldrán del ojo? ¿Quizás a través de la API?
sí La plataforma Sky Intelligence está diseñada como una plataforma de software, no solo como una herramienta de monitoreo de video. Los datos que generamos, incluida la identificación, clasificación de especies, trayectoria de vuelo, distribución de altitud, están estructurados y accesibles a través de la plataforma.
La integración con sistemas de control de parques eólicos, incluido SCADA, puede mejorar el producto. También estamos explorando cómo enriquecer nuestros datos con fuentes complementarias para proporcionar una imagen operativa más completa.
- ¿Cómo se gestionan los datos y la computación en el borde, en este terreno accidentado, en términos de almacenamiento e inteligencia artificial?
Procesamos videos en el sitio utilizando hardware informático de vanguardia ubicado junto con cámaras dentro de la turbina. Las cámaras transmiten continuamente a estas unidades de procesamiento, que ejecutan nuestros algoritmos de detección y seguimiento en tiempo real.
Solo los resultados procesados, los registros de detección, la clasificación, los metadatos y los videoclips marcados se envían a nuestra plataforma en la nube.
Siga TechRadar en Google News Y Agréganos como fuente preferida Obtenga nuestras noticias, reseñas y opiniones de expertos en su feed. ¡No olvides hacer clic en el botón de seguir!
Y por supuesto que puedes Siga TechRadar en TikTok Reciba nuestras actualizaciones periódicas en forma de noticias, reseñas, unboxing y videos. WhatsApp muy
