Resumen del contenido principal
Con el doble impacto de la reforma de mercantilización de la energía eléctrica (las nuevas fuentes de energía dejan de contar con garantías de cantidad y precio, y la fijación de precios por mercado se convierte en la norma) y las restricciones de emisiones de carbono (la inclusión de las emisiones de carbono en los indicadores de evaluación y el establecimiento de precios de carbono como costos cuantitativos), la lógica de rentabilidad del sector de las nuevas fuentes de energía ha pasado de ser “fácilmente rentable” a ser “difícilmente rentable”. Para hacer frente a estas presiones, las empresas están invirtiendo en tecnologías de inteligencia artificial (IA) para mejorar la previsión de la generación de energía, la eficiencia de la programación y las capacidades de negociación, con el objetivo de obtener primas en el mercado. Sin embargo, también se enfrentan a desafíos reales como barreras de datos y falta de transparencia en los algoritmos. La lógica de la competencia en el sector ha cambiado de “competir por la capacidad instalada” a “competir por la inteligencia”.
I. Los cambios en las reglas de ganar dinero: de “ganar fácilmente” a “depender del mercado”
Antes, las empresas de nuevas fuentes de energía tenían la vida mucho más fácil: el estado garantizaba que podrían vender toda la energía generada a un precio fijo, lo que equivalía a “ganar sin esfuerzo”. Pero con la implementación de una serie de políticas en 2025, este modelo ha terminado por completo:
- Todas las nuevas fuentes de energía se comercializan en el mercado: La energía eólica y fotovoltaica ya no pueden contar con el respaldo del estado; deben vender su energía en el mercado eléctrico, donde los precios fluctúan según la oferta y la demanda.
- Cobertura total del mercado spot: Los precios de la electricidad cambian en tiempo real, por lo que las empresas deben adaptarse a las condiciones del mercado.
- Restricciones más estrictas de emisiones de carbono: Las emisiones de carbono se han incluido en los indicadores de evaluación del partido y el gobierno; los precios de carbono ya no son un costo ambiental abstracto, sino que deben reflejarse directamente en las cuentas financieras.
¿El resultado? La ingresos de las empresas han disminuido (los ingresos de las cinco principales empresas centrales de generación de energía se redujeron en 2025) y la tasa de endeudamiento ha aumentado drásticamente (muchas superaron el límite del 70% establecido por la Comisión Estatal de Supervisión de Activos Estatales), lo que hace que sea cada vez más difícil ganar dinero.
II. Las empresas invierten en tecnología IA: la IA se convierte en el “salvavidas” para las nuevas fuentes de energía
Para sobrevivir bajo estas nuevas reglas, las empresas están incorporando tecnologías de IA en sus sistemas energéticos para aumentar sus ingresos:
- Visión a largo plazo: Utilización de modelos meteorológicos y energéticos para integrar la generación fotovoltaica con el almacenamiento de energía y regular de manera inteligente.
- Tianhe Fujia: Ha lanzado un modelo AI para la gestión del carbono que ayuda a las empresas a calcular y controlar sus emisiones.
- Luming Starlight: Desarrolla sistemas AI para las transacciones eléctricas; en 2026, planea ayudar a los clientes a negociar 80 mil millones de kilovatios-hora de energía, lo que equivale a ayudarles a obtener precios más altos en el mercado.
El objetivo principal de estas herramientas AI es transformar un modelo de ingresos fijo (basado en la capacidad instalada) en uno dinámico (que genera primas mediante operaciones inteligentes).
III. La IA resuelve tres problemas clave: previsión precisa de la generación, programación ágil y negociaciones rentables
¿Qué problemas reales puede resolver la IA para las empresas? Principalmente tres puntos críticos:
1. Predicción precisa de la generación: La generación de energía eólica y fotovoltaica es inestable (nubes que ocultan los paneles solares, interrupciones repentinas del viento, etc.). La IA puede utilizar datos meteorológicos para predecir con precisión la cantidad de energía generada, evitando así multas por errores en las predicciones.
2. Programación más ágil: Los sistemas eléctricos contienen numerosos recursos dispersos como puntos de carga, sistemas de almacenamiento de energía y plantas eléctricas virtuales; la IA puede coordinarlos en tiempo real, lo que es mucho más rápido que los métodos manuales.
3. Negociaciones más rentables: La venta de energía ahora implica considerar varios tipos de transacciones (spot, a largo plazo, servicios auxiliares, etc.). La IA puede analizar grandes volúmenes de datos para ayudar a las empresas a elegir el momento óptimo para ofrecer precios y maximizar sus ingresos.
IV. Obstáculos en la integración de la IA: barreras de datos y falta de transparencia en los algoritmos
La IA no es omnipotente y todavía enfrenta varios problemas importantes:
- Barreras de datos: Los datos de las redes eléctricas, los usuarios y los equipos están gestionados por entidades separadas, lo que crea “islas de información”. Compartir estos datos sin preocupaciones por la privacidad es un gran desafío.
- Caja negra de los algoritmos: No se puede explicar claramente la lógica detrás de las decisiones tomadas por la IA (por ejemplo, por qué se elige un precio determinado para vender energía), lo que genera desconfianza tanto entre los reguladores como entre los usuarios.
- Riesgos de seguridad: La IA puede ser atacada (por ejemplo, alguien podría proporcionar datos falsos para hacer que los modelos fallen), lo que podría resultar en pérdidas comerciales.
Si no se resuelven estos problemas, será difícil implementar la IA a gran escala.
V. Un cambio significativo en la lógica de la competencia: de “competir por la capacidad instalada” a “competir por la inteligencia”
Antes, las empresas de nuevas fuentes de energía competían por tener componentes más eficientes y una mayor capacidad instalada; ahora compiten por ser las que tienen los sistemas más inteligentes. Como dijo un experto de Tianhe Fujia: “En el pasado, se hablaba de componentes y baterías; ahora, lo importante es el ‘cerebro energético’”. La segunda mitad del camino para las nuevas fuentes de energía no consiste en instalar más equipos, sino en hacer que los equipos existentes sean más inteligentes y maximizar el valor de cada kilovatio-hora de energía generada.
En resumen, los “buenos tiempos” del sector de las nuevas fuentes de energía han terminado; ahora es necesario depender de la inteligencia para sobrevivir. La IA es clave para superar estos desafíos, pero todavía hay mucho camino por recorrer. Incluso las personas no expertas pueden entender esta tendencia y comprender por qué muchas empresas están promoviendo la combinación de energía y IA: no se trata de una moda, sino de una necesidad para sobrevivir en el mercado actual.