Un equipo de investigación de la Universidad de Málaga (UMA) ha diseñado un algoritmo de gestión energética capaz de programar con un día de antelación cuándo conviene consumir, almacenar, comprar o vender electricidad en edificios inteligentes, comunidades con autoconsumo compartido y redes eléctricas urbanas. La herramienta busca reducir costes y mejorar el aprovechamiento de la energía renovable disponible.
El sistema parte de una realidad cada vez más habitual en entornos urbanos: los edificios ya no solo consumen electricidad, sino que también pueden producirla, almacenarla y compartirla con otros inmuebles cercanos. En ese contexto, decisiones como cargar una batería, desplazar un consumo o aprovechar un excedente solar pueden tener un impacto directo en la factura y en la operación de la red.
Según los resultados del trabajo, la combinación de instalaciones renovables, almacenamiento y sistemas inteligentes de control mejora la gestión frente a escenarios convencionales sin generación fotovoltaica ni baterías. El algoritmo puede, por ejemplo, decidir que un edificio cargue sus baterías cuando hay excedente solar, que otro utilice esa energía en una hora de mayor demanda o que un vehículo eléctrico devuelva parte de la electricidad almacenada si resulta conveniente.
Tres niveles de gestión energética urbana
La principal aportación del modelo es su organización integral en tres niveles. El primero corresponde a los edificios inteligentes, equipados con sensores, automatismos y sistemas de control. El segundo agrupa varias edificaciones en comunidades energéticas capaces de compartir recursos. El tercero integra la red de distribución, responsable de llevar la electricidad desde la red general hasta viviendas, edificios, barrios y comunidades energéticas.
Los investigadores señalan que la mayoría de estudios se centran en un único nivel, mientras que esta propuesta aborda de forma conjunta la interacción entre edificios, comunidades energéticas y red de distribución. Esta estructura está pensada para entornos urbanos con una presencia elevada de energías renovables y con necesidades crecientes de coordinación operativa.
La herramienta se dirige a gestores de edificios inteligentes, responsables de comunidades energéticas y operadores de redes de distribución. Entre sus funciones figuran programar consumos, decidir la carga o descarga de baterías, aprovechar excedentes solares entre edificios, coordinar vehículos eléctricos como apoyo al almacenamiento y reducir la compra de electricidad en las horas de mayor precio.
Ahorros simulados y gestión del riesgo
Según la Consejería de Universidad, Industria, Energía e Innovación de la Junta de Andalucía, en las simulaciones realizadas, la incorporación de energía fotovoltaica redujo los costes de operación de los edificios en torno a un 29% frente a un sistema sin generación fotovoltaica ni baterías. Al añadir parámetros como la climatización o el agua caliente, el ahorro alcanzó el 45,65%. El uso de vehículos eléctricos como apoyo energético aportó, además, una reducción adicional del 8,59%.
El modelo incorpora gestión del riesgo para evitar que la programación dependa de una previsión ideal. Tiene en cuenta posibles desviaciones en la demanda, en el precio de la electricidad y en la generación solar o eólica. Para ello, los investigadores utilizaron datos reales e históricos de consumo eléctrico, precios de la luz y producción renovable, con los que el sistema construye escenarios representativos, como días con baja producción solar, precios elevados o mayor demanda energética.
El artículo, publicado en la revista científica Sustainable Energy, Grids and Networks, describe esta arquitectura en tres niveles y su aplicación a la planificación del día siguiente. De acuerdo con los investigadores, el enfoque permite anticipar cambios en la demanda, los precios o la producción renovable y facilitar una programación más estable para la red.
Los siguientes trabajos del grupo Sistemas de Energía Eléctrica de la Universidad de Málaga se orientan a incorporar nuevos elementos a la gestión energética, como sistemas de hidrógeno, nuevas formas de almacenamiento y técnicas de inteligencia artificial.