Puntos clave
Google DeepMind ha presentado WeatherNext 3, un modelo de IA para operadores de infraestructuras energéticas
El modelo se actualiza cada hora y predice la velocidad del viento a alturas de hasta 100 metros
También proyecta niveles de radiación solar para estimar la generación fotovoltaica
WeatherNext 3 se dirige a operadores de red que equilibran la oferta de energía conforme crece la capacidad renovable
DeepMind plantea la herramienta como un aporte directo a acelerar la adopción de energía limpia
Google DeepMind ha lanzado WeatherNext 3, un modelo de predicción meteorológica diseñado para parques eólicos, productores solares y operadores de redes eléctricas.
La compañía afirma que el modelo se actualiza cada hora y ofrece previsiones específicas sobre las condiciones que afectan a la generación de energía renovable.
DeepMind describió la herramienta en una publicación del 14 de septiembre y difundió detalles técnicos adicionales en su blog.
Qué mide WeatherNext 3
WeatherNext 3 genera dos grandes flujos de previsión. El primero cubre velocidad y dirección del viento a alturas de hasta 100 metros, el rango en el que operan las palas de la mayoría de aerogeneradores terrestres modernos.
El segundo flujo proyecta nubosidad y radiación solar incidente. Los operadores de red utilizan estos datos para estimar cuánta electricidad producirán las plantas fotovoltaicas en las horas siguientes.
Ambos flujos se actualizan con una cadencia horaria. DeepMind sostiene que esta frecuencia es crítica porque las condiciones que afectan a la producción pueden cambiar dentro de una sola ventana de negociación en los mercados eléctricos.
La empresa presenta el producto como infraestructura para la transición energética. Disponer de avisos anticipados sobre cambios meteorológicos permite ajustar la oferta de energía limpia a la demanda de los consumidores. También ayuda a estabilizar las redes cuando la generación renovable es variable.
También te puede interesar: Bitget afirma que las operaciones no cripto ya son el 40% mientras supera los activos digitales
Por qué el equilibrio de la red necesita mejores previsiones
Históricamente, las redes eléctricas han dependido de generación gestionable, es decir, centrales que pueden encenderse o modularse a demanda. Carbón, gas y nuclear entran en esa categoría.
La eólica y la solar no. Su producción depende de condiciones que los operadores no controlan. Una red con una elevada cuota de renovables debe anticipar las oscilaciones de generación con antelación, en lugar de reaccionar a posteriori.
Los errores de previsión se agravan a escala de sistema. Si un parque eólico sobreestima su producción, el operador puede quedarse corto de oferta en picos de demanda. Si la subestima, se desaprovecha capacidad y se obliga a activar generación de respaldo más cara.
La predicción con IA a resolución horaria ataca directamente ese problema. Una mayor precisión en la ventana de una a doce horas da tiempo a los operadores para programar almacenamiento, respuesta de la demanda o potencia de respaldo al menor coste posible.
DeepMind lleva años trabajando en modelos meteorológicos. Investigaciones previas dieron lugar a GraphCast, un modelo global que superó en varios indicadores los referentes del Centro Europeo de Predicción a Medio Plazo.
WeatherNext 3 aprovecha esa base y la orienta a casos de uso específicos del sector energético.
El ángulo de infraestructura de IA para lectores cripto
El despliegue de modelos de IA a esta escala se cruza con la narrativa de cómputo descentralizado presente en los mercados cripto. Redes como Bittensor (TAO) y Render (RNDR) han articulado su propuesta de valor alrededor de la creciente demanda de infraestructura distribuida para IA.
Un producto de predicción meteorológica en producción procedente de un laboratorio líder de IA ilustra las exigencias reales de cómputo que las redes descentralizadas aspiran a atender. DeepMind ejecuta WeatherNext 3 sobre infraestructura propia. Sigue abierto el interrogante de si alternativas abiertas o distribuidas pueden igualar ese rendimiento.
Elon Musk señaló este lunes que los centros de datos de IA están contribuyendo a abaratar los precios de la electricidad para los consumidores. Esa visión corre en paralelo al planteamiento de DeepMind, según el cual unas mejores previsiones con IA reducen el coste de gestionar la oferta renovable.
También te puede interesar: Grok 5 se perfila como la apuesta de Musk por la AGI mientras se intensifican las alertas sobre seguridad en IA
Qué viene ahora
DeepMind no ha revelado qué operadores de red o compañías energéticas están utilizando ya WeatherNext 3. Las alianzas comerciales en este ámbito suelen implicar a utilities, productores independientes y mesas de negociación de energía.
La precisión del modelo en horizontes más amplios, más allá de las seis horas, será clave para su utilidad en las ofertas del mercado eléctrico diario, donde se negocia el mayor volumen de contratos de electricidad y donde los errores de previsión resultan más costosos.
Modelos meteorológicos de IA competidores, desarrollados por startups como Tomorrow.io, junto con servicios existentes de agencias meteorológicas nacionales, también aspiran a este mercado. La entrada de DeepMind eleva el listón competitivo de precisión en las previsiones para todo el sector.
Lee a continuación: Los hackers de Revolut empiezan a publicar archivos de clientes y exigen 10.000 bitcoins
