Ayesa diseña una solución para evitar apagones masivos como el del 28 de abril

Para ello utiliza avanzados modelos de optimización QUBO para minimizar las pérdidas energéticas y maximizar la disponibilidad de la red, que es precisamente la causa que, según apuntan todos los indicios, provocó el cero energético. «Esta iniciativa responde a la creciente complejidad de los sistemas energéticos modernos, incluyendo la integración de fuentes renovables, soluciones de almacenamiento y flujos de energía bidireccionales«, señala Ayesa.

Estas necesidades exigen plataformas sofisticadas capaces de adaptarse en tiempo real y según apunta la compañía, «el apagón que afectó a toda la península y el sur de Francia ha dejado de manifiesto que los enfoques tradicionales, de tipo jerárquico, ya no son los más adecuados. En cambio, la computación cuántica, con su capacidad de análisis y paralelismo intrínseco, puede predecir flujos de energía en todas direcciones, erigiéndose como un activo importante de cara a evitar situaciones críticas como las vividas hace pocas semanas.

Mediante el uso de computación cuántica, la solución de Ayesa maximiza la disponibilidad y eficiencia de la red, anticipando al mismo tiempo las demandas futuras. Gestionar una red de distribución que abastece a más de 11 millones de clientes exige un sistema capaz de procesar grandes volúmenes de datos, predecir escenarios dinámicos y optimizar los componentes de la red en tiempo real.

La optimización de la topología de la red consiste en determinar la configuración óptima de los nodos de maniobra en redes de media tensión, con el fin de minimizar las pérdidas energéticas y garantizar un funcionamiento eficiente. Sin embargo, esta tarea tiene una naturaleza combinatoria que implica evaluar un gran número de configuraciones posibles, lo cual es computacionalmente intensivo. Los métodos clásicos suelen tener dificultades para afrontar esta complejidad, resultando en largos tiempos de cálculo y soluciones subóptimas.

La computación cuántica ofrece una solución transformadora a estos desafíos. Mediante el uso de un modelo de Optimización Binaria Cuadrática No Restringida (QUBO), compilado a distintas herramientas cuánticas, el sistema traduce el problema de la topología de la red a un formato adecuado para plataformas cuánticas, como los ordenadores de compuertas cuánticas o los recocedores cuánticos. Esta metodología permite explorar todo el espacio de soluciones, reduciendo significativamente el tiempo necesario para identificar configuraciones óptimas. En la práctica, el sistema cuántico puede ofrecer resultados en apenas 15 minutos, una mejora notable frente a las horas que requieren los métodos tradicionales.

Aitor Moreno Fernández de Leceta, responsable de computación cuántica de Ayesa, asegura que «el impacto potencial de este enfoque basado en computación cuántica es enorme. Al minimizar las pérdidas de energía durante la transmisión y distribución, se mejora la eficiencia y fiabilidad de la red, un aspecto especialmente crítico a medida que se integran fuentes renovables, las cuales requieren una gestión adaptativa y flexible para hacer frente a los niveles variables de generación».

Además, «el marco de optimización cuántico permite la planificación de escenarios futuros, lo que facilita la adaptación proactiva de la red ante cambios en la demanda, generación e infraestructura. Con la expansión de las redes para atender a más usuarios e integrar renovables, se vuelve cada vez más urgente contar con un marco de optimización escalable y adaptable», advierte el experto.

La solución basada en computación cuántica desarrollada en este proyecto ofrece múltiples beneficios transformadores: Reducción drástica en los tiempos de cómputo, mejora en la eficiencia de la red, soporte a la planificación a largo plazo, y escalabilidad intrínseca del marco cuántico.

El proyecto emplea una metodología híbrida cuántico-clásica sofisticada. Combinando las capacidades de resolución de los solucionadores cuánticos con los sistemas de computación clásica, se logra un equilibrio entre eficiencia computacional y aplicabilidad práctica.

El sistema se apoya en datos históricos, análisis predictivos y modelos basados en grafos para fundamentar la toma de decisiones. Este enfoque basado en datos garantiza que el marco de optimización esté alineado con las condiciones reales, incrementando su fiabilidad y relevancia.

La validación en entornos reales ha sido un componente clave del proyecto. La solución cuántica fue probada en casos reales de uso, logrando una alineación del 99% con configuraciones de red estables. Este nivel de precisión no solo valida el modelo, sino que también subraya la viabilidad práctica de las tecnologías de computación cuántica en aplicaciones industriales.