La tecnología Edge Computing de la startup ha sido implementada para digitalizar los centros de transformación (CT) de la compañía energética Cuerva, optimizando la gestión de flujos bidireccionales en su red de distribución. Mediante la integración de esta plataforma con los modelos predictivos de inteligencia artificial de Gridfy, el DSO ha unificado sus CTs en nodos autónomos de procesamiento en tiempo real. Esta arquitectura sin dependencia de la nube permite resolver la incompatibilidad de equipos multimarca, anticipar problemas de sobretensión y congestión a seis horas vista mediante un gemelo digital, y mejorar directamente la calidad del suministro y los índices SAIDI y SAIFI.
La plataforma de tecnología Edge de Barbara ha sido la solución elegida por la compañía energética Cuerva para digitalizar sus centros de transformación y optimizar la gestión de flujos bidireccionales en la red de distribución. Hasta el momento, la presencia de equipos multimarca (concentradores, supervisores de baja y media tensión SABT y SAMT, y unidades remotas de MT) operando con protocolos incompatibles impedía la unificación de datos, provocando que problemas de congestión o sobretensión solo pudieran detectarse de forma reactiva.
Mediante la integración de la tecnología de Barbara junto con los modelos predictivos de inteligencia artificial desarrollados por Gridfy, la distribuidora ha logrado consolidar la subestación secundaria en un único nodo operativo. Esta infraestructura ejecuta los algoritmos de predicción directamente en la propia instalación, procesando la información de manera autónoma, en tiempo real y sin necesidad de depender de la nube.
Desde el punto de vista técnico, el despliegue provisto por Barbara se apoya en conectores multiprotocolo (IEC 104, Modbus, SOAP) e integración meteorológica con Open-Meteo para capturar datos de supervisores, transformadores y contadores independientemente del fabricante. La gestión interna se articula mediante un broker MQTT bajo un modelo de publicación-suscripción, canalizando la información hacia bases de datos de series temporales InfluxDB —tanto en el propio nodo local como en una réplica centralizada en la nube— para alimentar los modelos predictivos de Scikit-Learn y las herramientas de visualización en Grafana.
La arquitectura permite a la distribuidora gestionar remotamente la flota de nodos mediante contenedores y microservicios seguros. Sobre esta base, los modelos de IA analizan las mediciones locales para predecir la potencia activa y reactiva del consumidor, evaluar los activos de flexibilidad disponibles y determinar las necesidades energéticas globales del sistema.
Con la implantación de esta solución tecnológica, la compañía cuenta con un punto único de visibilidad que reduce los costes de integración y elimina la dependencia de plataformas independientes. La inferencia local de datos proporciona a los operadores una visión prospectiva de la red a seis horas vista a través de un gemelo digital, lo que facilita la anticipación y resolución de incidencias antes de que afecten a la calidad del suministro.
El seguimiento continuo y la actuación preventiva derivados de esta tecnología han impactado de forma directa en la mejora de los índices de calidad del servicio eléctrico SAIDI y SAIFI. Asimismo, la estandarización del nodo Edge de Barbara en los centros de transformación establece un modelo escalable que sienta las bases para un sistema de gestión energética descentralizado, flexible y preparado para el incremento de la generación distribuida.
Fuente original: Barbara