Predicción energética: el futuro del gas en Chile
Exploramos cómo una compañía petrolera chilena modernizó la predicción de consumo de gas en regiones extremas, usando inteligencia artificial y automatización. Los desafíos, soluciones tecnológicas y resultados colaborativos que están transformando la planificación energética nacional.
This show was created with Jellypod, the AI Podcast Studio. Create your own podcast with Jellypod today.
Get StartedIs this your podcast and want to remove this banner? Click here.
Chapter 1
Una importante compañía petrolera de Chile ha sido, desde hace más de 70 años, el motor energético del país. Se encarga de explorar, producir, refinar y distribuir petróleo y gas, asegurando el abastecimiento incluso en las regiones más australes y complejas del territorio. Con operaciones locales e internacionales, y una infraestructura sólida, es sinónimo de energía confiable.La compañía había implementado exitosamente un modelo de predicción de consumo de gas en la Región 1, que le permitía anticipar la demanda, tomar decisiones informadas y aplicar medidas preventivas, mejorando la eficiencia del servicio.El objetivo era ahora replicar ese modelo en la Región 2 y la Región 3, pero estos nuevos contextos presentaban desafíos adicionales.La información meteorológica histórica era incompleta, y a partir del cuarto día, el pronóstico solo estaba disponible cada 3 horas (en lugar de cada hora). Además, los datos de consumo de gas estaban disponibles únicamente como valores diarios, sin granularidad horaria. Estas diferencias en la calidad de los datos hacían inviable reutilizar directamente los modelos anteriores, representando un reto técnico relevante para mantener la precisión en la estimación del consumo.A eso se sumaban condiciones climáticas extremas, temperaturas bajas, vientos fuertes, y una logística compleja que exigía una planificación anticipada para evitar interrupciones.Y el desafío no era menor: se necesitaban predicciones con un horizonte de hasta 15 días. Por eso, la compañía decidió confiar nuevamente en Practia.Practia escuchó, desarrolló e implementó un plan estructurado, que abarcó desde la exploración y depuración de los datos, hasta el desarrollo, ajuste y validación de nuevos modelos, su implementación en la nube, y la documentación completa para asegurar continuidad operativa.El primer paso fue trabajar sobre la base de datos disponible: completarla, limpiarla y transformarla. Para cada región, se enriquecieron los datos faltantes utilizando información de estaciones meteorológicas cercanas, asegurando mayor cobertura y continuidad.Se diseñaron nuevos algoritmos de pronóstico adaptados a las condiciones del proyecto, considerando: La menor granularidad del pronóstico a partir del cuarto día (cada 3 horas). La disponibilidad de consumo real en formato diario. La solución técnica incluyó: Pipelines de ingestión y reprocesamiento automático de datos mediante Ashur Sainaps. Modelos de machine learning implementados en Ashur ML. Ajustes en los procesos ETL para que la información procesada se integrara correctamente con los sistemas de monitoreo (piai System).Cada decisión se tomó en conjunto con la compañía, asegurando una construcción colaborativa de principio a fin.La propuesta combinó precisión técnica y visión estratégica: Modelos de predicción para la Región 2 y Región 3, con un horizonte de 1 a 15 días. Ampliación del modelo existente de la Región 1 para cubrir hasta el día 15. Infraestructura tecnológica robusta, automatizada y lista para producción. Documentación técnica y un informe final con conclusiones y recomendaciones.Todo desplegado en Ashur, utilizando prácticas de DevOps y con foco en la mejora continua.El camino se recorrió en 7 etapas clave: Explorar:..analizar y limpiar los datos. Probar:...evaluar distintos modelos y algoritmos.Construir: desarrollar modelos a medida para cada región. Ajustar: adaptar la infraestructura de Azure y los pipelines. Validar: revisar los resultados en conjunto con el cliente. Implementar: poner en producción la solución bajo CI/CD. Transferir: entregar documentación y conocimiento para continuidad.Hoy, esta importante compañía puede anticipar el consumo de gas en tres regiones clave del sur del país, con hasta 15 días de antelación.Los modelos procesan variables como temperatura, humedad y viento, identifican patrones de consumo y entregan predicciones horarias de alta precisión. Lo que antes era incertidumbre, hoy es planificación.Y lo que parecía complejo, ahora sucede de forma automática, integrada y confiable.
Host profesional
Una importante compañía petrolera de Chile ha sido, desde hace más de 70 años, el motor energético del país. Se encarga de explorar, producir, refinar y distribuir petróleo y gas, asegurando el abastecimiento incluso en las regiones más australes y complejas del territorio.
Host profesional
Con operaciones locales e internacionales, y una infraestructura sólida, es sinónimo de energía confiable.
Host profesional
La compañía había implementado exitosamente un modelo de predicción de consumo de gas en la Región 1, que le permitía anticipar la demanda, tomar decisiones informadas y aplicar medidas preventivas, mejorando la eficiencia del servicio.El objetivo era ahora replicar ese modelo en la Región 2 y la Región 3, pero estos nuevos contextos presentaban desafíos adicionales.
Host profesional
La información meteorológica histórica era incompleta, y a partir del cuarto día, el pronóstico solo estaba disponible cada 3 horas (en lugar de cada hora). Además, los datos de consumo de gas estaban disponibles únicamente como valores diarios, sin granularidad horaria.
Host profesional
Estas diferencias en la calidad de los datos hacían inviable reutilizar directamente los modelos anteriores, representando un reto técnico relevante para mantener la precisión en la estimación del consumo.A eso se sumaban condiciones climáticas extremas, temperaturas bajas, vientos fuertes, y una logística compleja que exigía una planificación anticipada para evitar interrupciones.
Host profesional
Y el desafío no era menor: se necesitaban predicciones con un horizonte de hasta 15 días. Por eso, la compañía decidió confiar nuevamente en Practia.
Host profesional
Practia escuchó, desarrolló e implementó un plan estructurado, que abarcó desde la exploración y depuración de los datos, hasta el desarrollo, ajuste y validación de nuevos modelos, su implementación en la nube, y la documentación completa para asegurar continuidad operativa.
Host profesional
El primer paso fue trabajar sobre la base de datos disponible: completarla, limpiarla y transformarla. Para cada región, se enriquecieron los datos faltantes utilizando información de estaciones meteorológicas cercanas, asegurando mayor cobertura y continuidad.
Host profesional
Se diseñaron nuevos algoritmos de pronóstico adaptados a las condiciones del proyecto, considerando: La menor granularidad del pronóstico a partir del cuarto día (cada 3 horas). La disponibilidad de consumo real en formato diario.
Host profesional
La solución técnica incluyó: Pipelines de ingestión y reprocesamiento automático de datos mediante Ashur Sainaps. Modelos de machine learning implementados en Ashur ML. Ajustes en los procesos ETL para que la información procesada se integrara correctamente con los sistemas de monitoreo (piai System).
Host profesional
Cada decisión se tomó en conjunto con la compañía, asegurando una construcción colaborativa de principio a fin.
Host profesional
La propuesta combinó precisión técnica y visión estratégica: Modelos de predicción para la Región 2 y Región 3, con un horizonte de 1 a 15 días. Ampliación del modelo existente de la Región 1 para cubrir hasta el día 15. Infraestructura tecnológica robusta, automatizada y lista para producción. Documentación técnica y un informe final con conclusiones y recomendaciones.
Host profesional
Todo desplegado en Ashur, utilizando prácticas de DevOps y con foco en la mejora continua.El camino se recorrió en 7 etapas clave: Explorar:..analizar y limpiar los datos. Probar:...evaluar distintos modelos y algoritmos.
Host profesional
Construir: desarrollar modelos a medida para cada región. Ajustar: adaptar la infraestructura de Azure y los pipelines. Validar: revisar los resultados en conjunto con el cliente. Implementar: poner en producción la solución bajo CI/CD. Transferir: entregar documentación y conocimiento para continuidad.
Host profesional
Hoy, esta importante compañía puede anticipar el consumo de gas en tres regiones clave del sur del país, con hasta 15 días de antelación.
Host profesional
Los modelos procesan variables como temperatura, humedad y viento, identifican patrones de consumo y entregan predicciones horarias de alta precisión.
Host profesional
Lo que antes era incertidumbre, hoy es planificación.Y lo que parecía complejo, ahora sucede de forma automática, integrada y confiable.