Un equipo de investigación de la Universidad de Málaga (UMA) ha diseñado un algoritmo de gestión energética que planifica con un día de antelación cuándo conviene consumir, almacenar, comprar o vender electricidad en edificios inteligentes, comunidades de autoconsumo compartido y redes eléctricas urbanas.
Según la Consejería de Universidad, Industria, Energía e Innovación de la Junta de Andalucía, 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 que, en una vivienda o una comunidad energética, dependen de variables como el precio horario, la demanda prevista o la disponibilidad de excedentes solares.
Según los resultados de las simulaciones, la incorporación de energía fotovoltaica redujo los costes de operación de los edificios en torno a un 29% frente a un escenario sin generación fotovoltaica ni baterías. Al incluir parámetros como climatización y agua caliente, el ahorro alcanzó el 45,65%, mientras que el uso de vehículos eléctricos como apoyo energético añadió una reducción adicional del 8,59%.
Gestión energética en tres niveles urbanos
La principal aportación del trabajo es una estructura integral organizada en tres niveles. El primero corresponde a los edificios inteligentes, equipados con sensores, automatismos y sistemas de control. El segundo agrupa comunidades energéticas formadas por varios edificios capaces de compartir recursos. El tercero se sitúa en la red de distribución, que transporta la electricidad desde la red general hasta viviendas, edificios, barrios o comunidades energéticas.
Los investigadores señalan que buena parte de los estudios existentes se centra en un único nivel, mientras que esta propuesta plantea una visión conjunta aplicable a áreas urbanas con una elevada penetración de energías renovables. En ese marco, el sistema podría decidir que un edificio cargue sus baterías cuando exista excedente solar, que otro consuma esa energía en una franja de mayor demanda o que un vehículo eléctrico devuelva parte de la electricidad almacenada si resulta conveniente.
La herramienta está orientada 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 almacenamiento de apoyo y reducir la compra de electricidad en las horas de mayor precio.
Previsión de demanda, precios y renovables
El modelo incorpora gestión del riesgo para no basar la programación energética en una previsión ideal. Tiene en cuenta posibles desviaciones en la demanda, variaciones del precio eléctrico o cambios en la generación solar y eólica respecto a lo esperado. 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.
Para desarrollar el modelo, el equipo empleó datos reales e históricos de consumo eléctrico, precios de la luz y producción renovable. A partir de esa información, el sistema genera escenarios representativos, como jornadas 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 de tres niveles formada por edificios, comunidades energéticas y red de distribución.
Los siguientes pasos del grupo Sistemas de Energía Eléctrica de la Universidad de Málaga se centran en incorporar nuevos componentes a la gestión energética, entre ellos sistemas de hidrógeno, nuevas formas de almacenamiento y técnicas de inteligencia artificial.