A medida que se acelera la transición global hacia las energías renovables, el papel de los edificios en la configuración de los sistemas energéticos sostenibles ha adquirido una importancia cada vez mayor. Los sistemas de automatización parecen óptimos para gestionar la energía. Para comprobar su viabilidad, los investigadores del Instituto suizo de investigación para el desarrollo de la ciencia y la tecnología de materiales (Empa) han investigado hasta qué punto un edificio habitado puede combinar diversos criterios de demanda flexible bajo un mismo techo.
Si bien los sistemas fotovoltaicos han demostrado su potencial a pequeña escala, por ejemplo, en viviendas unifamiliares, surgen ciertas preguntas sobre la seguridad del suministro de sistema energético en general. Sin embargo, el principal problema no es la producción de energía renovable, sino la logística asociada al sistema de distribución.
Basándose en la producción local, el almacenamiento existente y la disponibilidad en la red, los sistemas de automatización pueden optimizar el consumo eléctrico de tal manera que tanto la estabilidad de la red como la flexibilidad del consumidor estén garantizadas en todo momento. En la práctica, esto significa que, gracias a la planificación energética predictiva, el sistema del edificio garantiza que una persona pueda ducharse con agua caliente o cocinar incluso cuando la producción de electricidad sea insuficiente para cubrir la demanda real en un momento dado.
Optimizar la energía mediante un algoritmo de control predictivo
A través de un experimento de campo en los Laboratorios federados suizos de ensayos e investigación de materiales (NEST), el Empa se centró en la reducción de las emisiones de carbono, la flexibilidad de la demanda energética y la comodidad de los residentes. Mediante un algoritmo de control predictivo, el equipo logró optimizar la gestión energética dentro del edificio con la siguiente configuración: un sistema fotovoltaico para la producción de electricidad, un sistema de almacenamiento de baterías, una bomba de calor y una estación de carga bidireccional para vehículos eléctricos.
El objetivo principal era minimizar las emisiones de carbono durante el funcionamiento, extrayendo preferentemente electricidad de la red eléctrica cuando estuviera disponible a partir de fuentes renovables. Además, se especificaron temperaturas mínimas para las habitaciones interiores y el calentador de agua, y el algoritmo preparó la flexibilidad del consumidor para un mejor funcionamiento de la red.
Resultados del experimento
En primer lugar, los investigadores demostraron que su sistema era capaz de reducir las emisiones de carbono del edificio en más de un 10%. Igualmente, se comprobó que el edificio podía comunicar con antelación cuándo y cuánta electricidad podía extraer o inyectar a la red. Esto es especialmente relevante cuando se produce o demanda demasiada electricidad en horas punta.
El experimento ha demostrado que la disponibilidad flexible de energías renovables no supone un problema a priori. Sin embargo, la información fiable sobre la demanda y la planificación predictiva son esenciales para que un algoritmo de autoaprendizaje pueda gestionar mejor y de forma más consistente que un ser humano. Para que los resultados sean escalables en las aplicaciones correspondientes, los edificios deben digitalizarse sistemáticamente en el futuro.