A medida que la IA genera un crecimiento sin precedentes en la demanda eléctrica, los investigadores del ORNL han desarrollado un método para optimizar el gasto. Se trata de una alternativa computacional que podría ayudar a los operadores de redes eléctricas y a los desarrolladores de centros de datos a gestionar la energía de forma más eficiente.
Gestionar y optimizar el uso de energía ante la alta demanda
El sistema energético se encuentra bajo una amenaza por el crecimiento de los centros de datos de IA. Como estas infraestructuras tecnológicas usan gran cantidad de recursos y se expanden a un ritmo mayor que el incremento de las redes energéticas, crean presiones que ponen en riesgo la estabilidad del sistema.
Por tal motivo, los investigadores del Laboratorio Nacional de Oak Ridge (ORNL) del Departamento de Energía (DOE) han desarrollado un método alternativo que es capaz de gestionar y optimizar el gasto energético de los centros de datos de IA, a fin de aliviar las presiones que causan y los altos picos de demanda.
El método aborda uno de los grandes desafíos de la actualidad, soportar la expansión de centros de datos e inteligencia artificial, pero sin afectar las redes eléctricas. Al mismo tiempo, es una alternativa para que los centros de datos cada vez sean más gestionables y aporten al suministro de la red, en vez de impactar negativamente.
Método para crear sistemas energéticos más eficientes y estables
Ante el consumo imparable de electricidad, EE. UU. promueve alternativas en fuentes energéticas, pero este método es una opción de gestión computacional. Como los centros de datos añaden un componente adicional a los límites de las redes, debido a su complejidad operativa y uso excesivo de electricidad, el ORNL ha encontrado un método de optimización.
Denominado como «relajación y redondeo», es una forma de reducir significativamente el consumo eléctrico al determinar qué generadores operan en ciertos momentos. El método funciona al relajar el problema de manera temporal, permitiendo que las decisiones se resuelvan con mayor rapidez a través de técnicas matemáticas eficientes.
Luego de encontrar la solución, se redondea el valor para saber qué generadores se mantienen encendidos o apagados. Como es un proceso de dos pasos, se evita la sobrecarga computacional y se optimizan las técnicas tradicionales para la toma de decisiones, lo que genera resultados fiables y de calidad.
El método se probó mediante 46 generadores de diversas características a fin de recopilar la mayor cantidad posible de datos. Con dichos datos, lograron ampliar los sistemas para generar simulaciones y ampliar las pruebas. Como resultado, con 276 generadores, el método logró reducir el tiempo de cálculo de unas 10 horas a menos de 1 segundo.
La ventaja es que funciona para sistemas a gran escala con miles de generadores, lo que le da escalabilidad y un enfoque práctico para la planificación de futuras redes eléctricas. Mientras la IA y los centros de datos sigan en expansión, el sistema permitirá que se integren grandes centros y otros recursos energéticos distribuidos.
Alivio de presión eléctrica ante la alta demanda de los centros de datos de IA
El método es un avance para aliviar las presiones eléctricas generadas por la alta demanda de energía, que se prevé siga creciendo durante los próximos años. Al igual que las pilas de combustible que disminuyen las presiones, este método es una alternativa viable para garantizar un funcionamiento óptimo y eficiente.
Mediante este sistema es posible generar respuestas rápidas que permiten optimizar las centrales tradicionales y gestionar el suministro eléctrico. Con el método del ORNL, los operadores pueden identificar rápidamente planes operativos rentables, lo que ayuda a reducir los costos de combustible sin comprometer la fiabilidad.
¿Te ha servido este artículo?
Recibe cada semana lo que de verdad importa
Análisis de energía, clima y naturaleza en tu correo. Gratis y sin spam.
