Energías renovables para un desarrollo sustentable: el mapa de Paneles Solares en Argentina
La transición hacia un esquema de energías renovables es un requisito urgente para lograr un desarrollo sostenible en el largo plazo. A partir del lanzamiento del Plan RenovAR en Argentina desarrollamos un algoritmo capaz de capturar y monitorear todos los paneles solares del país basándonos en Inteligencia Artificial. A continuación te contamos todos los detalles y por qué estas soluciones contribuyen a una mayor rendición de cuentas de las políticas públicas.
El uso de combustibles fósiles explica más del 70% de las emisiones de gas invernadero. Este descubrimiento impuso la necesidad de cambiar la matriz energética para frenar así el cambio climático. Si lo pensamos, el desafío es grande: actualmente más del 85% de la energía a nivel global son de origen no renovable.
Aunque Argentina no es una excepción a esta situación, posee un gran potencial para la generación de energía solar y de viento. En el año 2015 -en línea con el Acuerdo de París- las modificaciones al Régimen de Fomento Nacional para el Uso de Fuentes Renovables de Energía Destinada a la Producción de Energía Eléctrica y el lanzamiento del Plan RenovAR en 2016, buscaron impulsar una de las políticas más relevantes y ambiciosas en cuanto a transformación energética.
El Plan RenovAR planteó como objetivo que la producción de energías renovables representara un 20% del total para 2025 -frente al 2% del punto de partida- e impulsó una serie de licitaciones públicas para la instalación de paneles solares. Pero también presentó otro enorme desafío, el de mapear los más de 2.78 millones de km2 de territorio donde fueron instalados.
En febrero de 2020, desde Dymaxion Labs nos asociamos con el Diario La Nación con el objetivo de identificar el crecimiento de parques solares que el RenovAR había generado. Buscamos calcular de la manera más precisa posible la cantidad de equipos instalados, su ubicación en coordenadas geográficas y la dimensión aproximada en metros cuadrados de los colectores solares y paneles fotovoltaicos instalados.
¿Cómo medir el avance de políticas públicas con imágenes satelitales?
Para el desarrollo del modelo de Machine Learning empleamos nuestro API de análisis geoespacial DYMA, a partir de imágenes satelitales multiespectrales capturadas por el sensor Sentinel-2. Al embarcarnos en la tarea, partimos de un listado de lugares donde se construirían los parques solares publicada por el Ministerio de Energía y Minería de Argentina y periodistas del equipo de La Nación Data. Sin embargo, para obtener una muestra suficiente de casos tuvimos que recurrir a una fuente complementaria: OpenStreetMap. De esta manera logramos obtener una mayor cantidad de parques solares para el entrenamiento del modelo.
Muchas de estas muestras adicionales provinieron de Chile, dado que nuestro país vecino tiene un modelo de energías renovables más desarrollado pero presenta áreas geográficas similares donde se ubican los parques solares. Gracias a esta información, pudimos aumentar el dataset de entrenamiento y detectamos 200 objetivos adicionales. Uno de los mayores desafíos en el mapeo de los parques solares usando imágenes satelitales es su similitud con las granjas. Para resolver esto, usamos imágenes infrarrojas, que nos permitieron diferenciarlas con más facilidad.
En este caso tenía un solo objeto a detectar, los paneles solares, pero podrían haber sido más. Una de las grandes ventajas de esta solución es que es escalable, pudiendo aplicarse a otras problemáticas y a un costo menor del que implicaría desplegar personas en el territorio para su monitoreo constante.
Resultados con un enfoque open-source
En total procesamos más de 7.000.000 imágenes y analizamos 2.78 M de km2 a lo largo del proyecto. Gracias a toda esta información logramos confeccionar un mapa de parques solares de Argentina. Detectamos 20 parques públicos oficialmente en funcionamiento y 2 privados, instalados en Santa Fe y San Luis. El algoritmo logró una precisión del 94% y su entrenamiento tuvo una duración de 30 horas en la plataforma Google Cloud, activando 230 nodos de procesamiento gráfico (GPUs).
Uno de los pilares fundamentales de Dymaxion Labs es la utilización y producción de herramientas open-source en nuestros proyectos. Buscamos desarrollar soluciones escalables de código abierto para que nuestros partners y clientes puedan comenzar a monitorear de manera rápida y con bajo costo. Por eso, disponibilizamos los resultados de este trabajo para que los puedas descargar y reutilizar.
Tecnología y ciencia de datos para políticas más transparentes
Uno de los principales aportes de este proyecto fue su contribución a una medición más precisa del desarrollo de la industria de energías renovables en Argentina. Esto significó una solución superadora a cómo se hacía tradicionalmente, a través de una estimación poco precisa basada en los registros de Aduana y el Registro Anual de generadores conectados que brinda la UTE, pero que no se verificaba en el territorio.
Pero su relevancia cobra aún más sentido cuando nos preguntamos cuántas políticas públicas son monitoreadas y sus resultados, evaluados. En Argentina -y en la mayoría de los países de la región- esos casos no abundan.
Afortunadamente la tecnología está permitiendo una transición más rápida y sostenible hacia políticas públicas basadas en la evidencia. Su impacto se refleja en políticas formuladas a partir de datos concretos, pero también en la posibilidad de hacerles un seguimiento e implementar mejoras conforme avanza el tiempo. Esto no sólo se traduce en una potencial mejora de la asignación de recursos sino que le otorga mayor transparencia a los productos y servicios públicos.
Si querés conocer más sobre otros proyectos en los que trabajamos, te invitamos a visitar nuestro blog.
