Diseñan un algoritmo de gestión que ahorra energía en edificios, barrios y redes eléctricas

Un equipo de investigación de la Universidad de Málaga ha diseñado un algoritmo de gestión que coordina y organiza el consumo de energía en edificios, barrios con autoconsumo compartido y redes eléctricas urbanas. La herramienta calcula con un día de antelación cuánta electricidad conviene consumir, almacenar, comprar o vender en cada momento para reducir costes y aprovechar mejor la energía renovable disponible. 

Los resultados muestran que la combinación de estos recursos mejora la gestión energética frente a escenarios convencionales, en los que los edificios no cuentan con instalaciones renovables, almacenamiento o sistemas inteligentes de control. Por ejemplo, el sistema podría decidir que un edificio cargue sus baterías cuando hay excedente solar, que otro utilice esa energía en una hora de elevada demanda o que un vehículo eléctrico devuelva parte de la electricidad almacenada si resulta conveniente. La aplicación futura de este modelo estaría dirigida a quienes gestionan edificios inteligentes, comunidades energéticas y redes eléctricas urbanas. 

En las simulaciones, la incorporación de energía fotovoltaica redujo los costes de operación de los edificios en torno a un 29%. Fuente: Pexels.

La principal novedad del trabajo es que plantea una organización integral en tres niveles. En la base se sitúan los edificios inteligentes, es decir, aquellos que integran elementos de domótica como sensores o automatizaciones. Después, las comunidades energéticas que agrupan varios edificios inteligentes. Por último, la red de distribución, que permite el intercambio de electricidad entre comunidades y su conexión con el sistema eléctrico. Según los expertos, la mayoría de estudios se centran en un único nivel, mientras que esta propuesta ofrece una visión completa y aplicable a entornos urbanos con alta presencia de energías renovables.

En las simulaciones, la incorporación de energía fotovoltaica redujo los costes de operación de los edificios en torno a un 29%, comparado con un sistema que sólo se alimenta de la red principal, sin fotovoltaica ni batería. Al añadir parámetros como la climatización o el agua caliente, el ahorro alcanzó hasta el 45,65%, mientras que el uso de vehículos eléctricos como apoyo energético aportó una reducción adicional del 8,59%. Esto significa que el sistema, además de incorporar estas energías limpias, aprende a usarlas en el momento más conveniente: aprovecha el sol cuando está disponible, reserva energía para las horas caras y desplaza ciertos consumos a franjas con menor coste.  

‘Barrios’ inteligentes

La aplicación futura de este modelo estaría dirigida a gestores de edificios inteligentes, responsables de comunidades energéticas y operadores de redes de distribución, es decir, las empresas que reparten la electricidad desde la red general hasta los puntos de consumo, como viviendas o edificios, entre otros. En una misma ciudad, estos tres actores podrían utilizar la herramienta para coordinar mejor sus decisiones energéticas y aprovechar los recursos disponibles sin necesidad de compartir todos sus datos internos. 

La aplicación futura de este modelo estaría dirigida a gestores de edificios inteligentes, responsables de comunidades energéticas y operadores de redes de distribución. Fuente. Pixabay

Los expertos añaden que la mejora en la coordinación y gestión energéticas de estos entornos permitirá aprovechar excedentes, reducir la dependencia de la red en determinadas horas y mejorar la planificación del sistema eléctrico.

Tres niveles

Además, el modelo incorpora gestión del riesgo. Esto significa que no solo programa la energía a partir de una previsión ideal, sino que también tiene en cuenta posibles desviaciones: que haya más demanda de la esperada, que cambie el precio de la electricidad o que la generación solar o eólica sea menor de lo previsto. Así, la herramienta busca una planificación más estable ante la incertidumbre. “En el sistema eléctrico podemos estimar cuánta energía se va a consumir, cuánto va a costar o cuánta producción renovable habrá al día siguiente, pero el valor exacto no se conoce hasta el momento real de operación. Por eso es importante planificar teniendo en cuenta esa variabilidad”, explica a la Fundación Descubre el investigador de la Universidad de Málaga Sebastián Martín.

En el artículo titulado ‘Risk-Aware Tri-Level Optimization for Smart Buildings, Energy Communities, and Distribution Systems in Day-Ahead Markets’ y publicado en Sustainable Energy, Grids and Networks, los expertos explican que el modelo funciona como una pirámide. En el primer nivel están los edificios inteligentes, equipados con automatismos, sensores y sistemas de control que les permiten adaptar su consumo. Estos edificios pueden integrar paneles solares, baterías, vehículos eléctricos y cargas flexibles, como la climatización o el calentamiento de agua.

Grupo de investigación TEP-144 Sistemas de Energía Eléctrica de la Universidad de Málaga.

En este nivel, el sistema decide cuándo conviene consumir electricidad, cuándo cargar una batería, cuándo utilizar la energía generada por las placas solares o cuándo desplazar ciertos consumos a horas más favorables. El objetivo es cubrir las necesidades del edificio con el menor coste posible y cumpliendo criterios de confort o seguridad.

En el segundo nivel se sitúan las comunidades energéticas, formadas por ‘barrios’ inteligentes. Aquí, el modelo coordina los intercambios entre ellos. Por ejemplo, si un edificio tiene excedente de energía en una franja horaria, esa electricidad puede aprovecharse en otro edificio de la misma comunidad que la necesite.

El tercer nivel corresponde a la red de distribución, la parte del sistema eléctrico que reparte la energía en ciudades y barrios hasta los puntos de consumo, como edificios, viviendas o comunidades energéticas. Esta red hace posible que la electricidad se mueva entre comunidades y se coordine con el sistema eléctrico general. “Nuestro modelo permite al operador planificar mejor el funcionamiento de la red para el día siguiente”, explica el investigador de la Universidad de Málaga Mohammad Nasir.

Reducir la incertidumbre

Para desarrollar el modelo, los investigadores utilizaron datos reales e históricos sobre consumo eléctrico, precios de la luz y producción renovable, como la energía generada por placas solares o parques eólicos. 

A partir de esa información histórica, el sistema construye escenarios representativos. Es decir, en lugar de trabajar con miles de registros uno a uno, aplica técnicas estadísticas para resumir esa variabilidad en un conjunto manejable de situaciones posibles: días con poca producción solar, precios elevados, viento variable o mayor demanda energética.

Redes más inteligentes

Con esos escenarios, el modelo calcula la programación energética del día siguiente y analiza qué ocurriría si la realidad se desvía de lo previsto. De este modo, ajusta la planificación para reducir costes y riesgos.

Los siguientes pasos del grupo TEP-144 Sistemas de Energía Eléctrica de la Universidad de Málaga se centran en incorporar nuevos elementos que ganarán peso con el desarrollo tecnológico, como sistemas de hidrógeno, nuevas formas de almacenamiento y técnicas de inteligencia artificial.

La herramienta integra renovables, baterías y vehículos eléctricos, y aprende a usarlas para reducir costes y anticiparse a cambios en la demanda o los precios. Fuente: Pexels.

La investigación ha contado con financiación de la Consejería de Universidad, Industria, Energía e Innovación de la Junta de Andalucía, así como del Ministerio de Ciencia, Innovación y Universidades y de los proyectos idrECO e i-STENTORE, este último financiado por el programa Horizon Europe.

Reportaje iDescubre: Los barrios que aprenden a ordenar su energía

Referencias

Nasir, M., Aguado, J. A., Martin, S., Mansouri, S. A., & Rodríguez, P. (2026). Risk-Aware Tri-Level Optimization for Smart Buildings, Energy Communities, and Distribution Systems in Day-Ahead Markets. Sustainable Energy, Grids and Networks, 102331. 

Más información:

#CienciaDirecta, agencia de noticias de ciencia andaluza, promovida por la Consejería de Universidad, Industria, Energía e Innovación de la Junta de Andalucía.

Teléfono: 663 920 093

E-mail: comunicacion@fundaciondescubre.es