La Generalitat de Catalunya ha desplegado un sistema de IA predictiva para transformar datos energéticos de 400 edificios públicos en decisiones de eficiencia. Mediante un modelo fundacional de series temporales entrenado con más de 11.000 millones de datos, el proyecto predice consumos, reconstruye datos faltantes, detecta desviaciones y prioriza actuaciones, con reducciones medias de consumo cercanas al 20% y capacidad de escalar a miles de activos.
Candidatura
IA predictiva para la gestión energética de los edificios públicos de la Generalitat de Catalunya
Más información en: https://exteriors.gencat.cat/ca/actualitat/20250205_govtech4all
Indicadores y procesos de mejora
El proyecto transforma la gestión energética de la Generalitat desde un modelo basado en monitorización histórica hacia un enfoque predictivo y orientado a la toma de decisiones. La solución combina series temporales de consumo con facturación, características y usos de los edificios para generar líneas base y patrones esperados de comportamiento. Sobre esta base permite detectar consumos anómalos, predecir la evolución de la demanda, reconstruir datos ausentes, comparar edificios e identificar y priorizar oportunidades de eficiencia. También estima el ahorro energético asociado a las actuaciones y facilita la evaluación de inversiones. La fase inicial se ha aplicado sobre unos 400 edificios públicos, demostrando la capacidad de gestionar carteras heterogéneas a escala y sentando las bases para su extensión al resto del parque gestionado.
Cuantificación/Estimación reducción consumo
Los resultados iniciales obtenidos mediante el análisis de los aproximadamente 400 edificios muestran un potencial medio de reducción del consumo energético cercano al 20%, derivado de la identificación de desviaciones, ineficiencias y actuaciones de mejora.
Uno de los principales impactos del proyecto es precisamente su capacidad para trasladar este potencial desde el análisis individual de cada edificio a una cartera de cientos y, progresivamente, miles de activos.
La metodología permite calcular para cada edificio una línea base energética y estimar el consumo esperado en ausencia de actuaciones, proporcionando un marco cuantificable para evaluar posteriormente el ahorro real conseguido y mejorar continuamente las recomendaciones.
El alcance potencial del sistema supera ampliamente los edificios analizados en la fase inicial y permite plantear su aplicación progresiva sobre una cartera de varios miles de activos públicos.
Cuantificación/Estimación reducción emisiones CO2
La reducción de emisiones está directamente asociada a la energía evitada gracias a las actuaciones identificadas y priorizadas por el sistema. Considerando un potencial medio de ahorro energético cercano al 20%, se estima una reducción de aproximadamente 3.300 tCO₂/año para la cartera analizada. Para cada edificio, las emisiones evitadas se cuantifican comparando el consumo previsto según su línea base con el consumo posterior a la actuación y aplicando los factores de emisión correspondientes a cada vector energético. El sistema incorpora además la reducción de CO₂ como criterio de priorización, permitiendo valorar las inversiones desde las perspectivas energética, económica y ambiental.
Innovación aplicada y buenas prácticas
La innovación del proyecto reside en aplicar un modelo fundacional de IA específico para series temporales a la gestión energética de un gran parque público de edificios. Frente a enfoques tradicionales que requieren modelos específicos por activo, utiliza un modelo preentrenado con más de 11.000 millones de puntos de datos de energía, clima y movilidad, capaz de reconocer patrones incluso con históricos limitados, heterogéneos o incompletos. Este modelo no solo predice consumos: detecta anomalías, reconstruye datos, genera escenarios e identifica y prioriza actuaciones según su impacto energético, económico y ambiental. Como buenas prácticas, el proyecto reutiliza datos existentes, se integra con sistemas ya implantados, automatiza análisis, aporta trazabilidad y permite escalar de cientos a miles de edificios. Además, es un ejemplo de innovación abierta GovTech replicable por otras Administraciones.
Uso de tecnologías (TICs)
El proyecto combina IA, machine learning, arquitectura cloud, APIs e integración de múltiples fuentes de datos para añadir una capa inteligente a los sistemas de gestión energética de la Generalitat de Catalunya. Su núcleo es un modelo fundacional basado en Transformers para series temporales multivariantes, entrenado con más de 11.000 millones de puntos de datos. Integra consumos, facturación, características de los edificios, usos, climatología y otras variables para predecir demanda, detectar anomalías, reconstruir datos, generar líneas base y escenarios, y priorizar actuaciones según su impacto energético, económico y ambiental. La arquitectura es interoperable y API-first, por lo que aprovecha los sistemas existentes sin sustituirlos. Esto permite escalar desde los 400 edificios analizados inicialmente a carteras de miles de activos sin desarrollar un modelo específico para cada edificio.
