Un equipo de investigación de la Universidad de Málaga (UMA) ha diseñado un algoritmo de gestión energética que programa 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 en entornos donde los edificios ya no solo consumen electricidad, sino que también pueden producirla, almacenarla y compartirla. El sistema permite anticipar decisiones operativas que, en una vivienda o en una red de barrio, dependen de variables como el precio horario, la demanda prevista o la generación solar y eólica.
Según la Consejería de Universidad, Industria, Energía e Innovación de la Junta de Andalucía, los resultados obtenidos por los investigadores indican que la combinación de generación fotovoltaica, almacenamiento, control inteligente y vehículos eléctricos mejora la gestión respecto a escenarios convencionales sin renovables ni baterías. En las simulaciones, el algoritmo puede decidir, por ejemplo, que un edificio cargue sus baterías cuando exista excedente solar, que otro use esa energía en una franja de mayor demanda o que un vehículo eléctrico devuelva electricidad almacenada a la red si resulta conveniente.
Gestión energética en tres niveles urbanos
La propuesta se articula en tres niveles integrados. El primero corresponde a los edificios inteligentes, dotados de sensores, automatismos y sistemas de control. El segundo agrupa esos inmuebles en comunidades energéticas capaces de compartir recursos. El tercero incorpora la red de distribución, la infraestructura que transporta la electricidad desde la red general hasta viviendas, edificios, barrios o comunidades energéticas.
Según los investigadores, buena parte de los trabajos existentes abordan solo uno de estos niveles. El modelo desarrollado por la UMA plantea una visión conjunta orientada a entornos urbanos con elevada penetración de energías renovables y con necesidad de coordinar decisiones entre distintos actores.
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 climatización y agua caliente, el ahorro alcanzó el 45,65%. El uso de vehículos eléctricos como apoyo energético aportó, además, una reducción adicional del 8,59%.
Programación anticipada y gestión del riesgo
La herramienta está dirigida a gestores de edificios inteligentes, responsables de comunidades energéticas y operadores de redes de distribución. Entre sus funciones figuran programar los momentos de consumo eléctrico, decidir la carga y descarga de baterías, aprovechar excedentes solares entre edificios de una misma comunidad, coordinar vehículos eléctricos como apoyo al almacenamiento y reducir compras de electricidad en las horas de mayor precio.
El sistema también permite anticiparse a cambios en la demanda, los precios o la producción renovable y mejorar la planificación de la red eléctrica. En una misma ciudad, edificios, comunidades energéticas y operadores podrían coordinar sus decisiones sin necesidad de compartir todos sus datos internos.
El modelo incorpora gestión del riesgo para no basar la programación en una previsión ideal. Tiene en cuenta desviaciones posibles, como una demanda superior a la esperada, variaciones en el precio eléctrico o diferencias entre la producción renovable prevista y la real. El investigador Sebastián Martín explica que en el sistema eléctrico se pueden estimar el consumo, los costes o la producción renovable del día siguiente, pero el valor exacto solo se conoce en el momento de operación, por lo que la planificación debe considerar esa variabilidad.
Datos reales y nuevas tecnologías energéticas
Para desarrollar el modelo, los investigadores utilizaron datos reales e históricos de consumo eléctrico, precios de la luz y producción renovable. Con esa información, el sistema genera escenarios representativos, como días con baja producción solar, precios elevados o mayor demanda energética, y calcula una programación más estable para el día siguiente.
El trabajo, publicado en Sustainable Energy, Grids and Networks, describe la estructura en tres niveles formada por edificios, comunidades energéticas y red de distribución.
Los próximos pasos del grupo Sistemas de Energía Eléctrica de la Universidad de Málaga se centran en incorporar elementos que previsiblemente tendrán más peso en la gestión energética, como sistemas de hidrógeno, nuevas formas de almacenamiento y técnicas de inteligencia artificial.