¿Cómo el Big Data puede ayudar al sector energético a mitigar los riesgos del cambio climático?
VISIÓN GENERAL
En un mundo que lucha diariamente contra amenazas políticas y sociales, es posible que se pongan en segundo plano los peligros asociados al calentamiento global, en forma de desastres naturales y eventos extremos relacionados con el clima.
De acuerdo con el Reporte Anual de Clima y Catástrofes de Aon 2018, el planeta sufrió 389 catástrofes naturales en 2018 con pérdidas aproximadas por USD224 billones, muchos de ellos asociados al devenir y correcto desarrollo de diversas industrias, incrementando a la volatilidad del entorno para la toma de decisiones.
Así, con el ánimo de mitigar dicha volatilidad, se ha dado lugar al desarrollo de herramientas para el manejo grandes volúmenes de información que permitan enfrentar más efectivamente las amenazas relacionadas con el clima. Es el caso del Big Data y los modelos predictivos, los cuales facilitan el entendimiento y mitigación de las posibles consecuencias del impacto climático en diversas industrias, como lo es el de energía en el mundo.
“A medida que las capacidades computacionales de predicción del clima se aceleran y se vuelven más precisas, esto solamente incrementará la importancia de cómo mejorar la comunicación de peligros inminentes o futuros a aquellos viviendo en zonas vulnerables”, dice Steven Bowen, director y meteorólogo de Aon Benfield.
Pero ¿qué tiene que ver el Big Data con el futuro energético del planeta?
EN PROFUNDIDAD
En el sector energético, el uso del Big Data y los modelos predictivos representan una reducción de costos en la compra de energía en el mercado mayorista, al tener más información respecto a las necesidades de los clientes, consumo energético en un año o los puntos en los que han surgido picos de gastos elevados.
Así mismo, en la medida en que hay mayor precisión en las predicciones climáticas, se da lugar a un proceso más efectivo de identificación de riesgos asociados y desarrollo de planes de transferencia, mitigación y/o manejo de estos, y se facilita el establecimiento de perfiles de riesgo en la etapa de consecución de fondos para este tipo de proyectos.
“Si bien no se puede controlar el hecho de que llueva más o menos, sí se pueden establecer unos niveles de tolerancia y cobertura para mitigar el impacto de este tipo de fenómenos”, dice Juan Pablo Moncaleano, líder de la industria de Power de Aon.
¿Cómo optimizar la generación de energía a partir de fuentes renovables?
Muchas fuentes de energía renovable son categorizadas como energías variables al ser altamente dependientes del entorno, específicamente de condiciones del ambiente.
A través del Big Data es posible reducir la volatilidad en la oferta disponible de energía, especialmente para países como Colombia cuya matriz energética se compone mayoritariamente por fuentes variables como la hidráulica, al permitir la elaboración de modelos o patrones de predicción de fenómenos naturales que facilitan la mitigación del impacto negativo de las sequías, las inundaciones y otras catástrofes ambientales.
El caso colombiano
El intenso verano que sacudió al país entre el 2015 y 2016 y que lo tuvo al borde de un racionamiento eléctrico, debido al fenómeno de ‘El Niño’, estaría a la vuelta de la esquina, y la causa sería el mismo evento climatológico.
Diversos análisis al respecto coinciden en pronosticar que durante el 2019 el país se verá abocado a enfrentar este fenómeno, con un posible impacto inicial en el costo de la energía, tales como el incremento del 41% en el precio en bolsa experimentado durante la crisis de oferta energética (entre 2015-2016), frente a un periodo normal (2013-2014); valor equivalente a un sobrecosto para la demanda de energía de US$ 770 aproximadamente.
“Es importante entender cuáles son las proyecciones del fenómeno y cuántos meses durará para poder calcular su impacto real, y esto solo lo puede hacer un buen modelo predictivo”, agrega Moncaleano.
Soluciones paramétricas y utilización del Big Data en eventos climáticos
La utilización de información histórica más el uso de modelos predictivos, permite crear mecanismos de financiación y protección contra riesgos climáticos para cualquier sector industrial que dependa o se pueda ver afectado por su interacción con el cambio climático.
Así, ante un posible incremento en la volatilidad de las fuentes de generación de energía por causa del Fenómeno del Niño, herramientas como el seguro paramétrico cuyo funcionamiento involucra el Big Data para el análisis de datos históricos y generación de umbrales detonantes pueden ser una muy buena opción a la hora de mitigar el impacto.
“Las soluciones paramétricas o basadas en índices son estructuras de seguros que pagan sumas previamente acordadas cuando se cumplen condiciones predefinidas”, explica Moncaleano. “Los pagos se basan en la superación de valores umbral de uno o más parámetros conocidos como detonantes, y no en las pérdidas reales como los seguros tradicionales”.
Por ejemplo, en un seguro paramétrico por falta o exceso de lluvias en un lugar específico de la geografía, será una desviación en las precipitaciones históricas en un periodo de tiempo determinado el que activará el seguro.
Así, el Big Data y los modelos predictivos se constituyen cada vez más en herramientas relevantes a la hora de reducir la volatilidad en factores no controlables para las organizaciones.
“Estas herramientas permiten a la organización reducir el impacto de factores exógenos como el clima, redundando en rentabilidad misma para el negocio”, Señala Moncaleano.