¿Qué reto aborda el proyecto finalista de su organización y qué aporta la tecnología para resolverlo? ¿Qué lo diferencia de las soluciones utilizadas anteriormente?
GEMECOP aborda uno de los grandes retos de las redes eléctricas actuales: gestionar en tiempo real un número creciente de recursos distribuidos, como la generación renovable, el almacenamiento y las cargas flexibles, así como el volumen de información asociado. Frente a arquitecturas fundamentalmente centralizadas, proponemos acercar capacidad de cálculo y decisión a los propios recursos mediante edge computing. Esto permite avanzar hacia una gestión más distribuida, escalable y resiliente de las microrredes, integrando además predicción, sistemas IoT, almacenamiento, blockchain y gemelos digitales.
¿Cómo convierte su proyecto los datos en decisiones que mejoran la gestión energética o la operación? ¿Puede compartir un ejemplo concreto de ese cambio?
El objetivo es transformar datos de generación, consumo, almacenamiento, meteorología y mercado en decisiones operativas. Un ejemplo es la predicción fotovoltaica: conocer con antelación la generación esperada permite decidir cuándo almacenar energía, consumirla localmente o poner flexibilidad a disposición de la red. Parte de esta inteligencia puede ejecutarse cerca del activo mediante dispositivos de bajo coste. Además, tecnologías como blockchain permiten plantear mecanismos distribuidos de coordinación, registro y trazabilidad de las decisiones e intercambios entre los diferentes agentes de la microrred.
¿Dónde identifica las mayores oportunidades de la inteligencia artificial, la analítica avanzada o los gemelos digitales para mejorar la eficiencia energética?
La oportunidad aparece cuando estas tecnologías dejan de ser únicamente herramientas de análisis y pasan a formar parte de la operación. En GEMECOP hemos trabajado en predicción mediante inteligencia artificial y en gemelos digitales capaces de representar y supervisar activos energéticos. Su combinación con edge computing permite acercar esas capacidades al sistema físico. El siguiente paso es integrar predicción, diagnóstico, optimización y mecanismos de coordinación distribuida dentro de sistemas de gestión energética que coordinen automáticamente generación, almacenamiento y demanda.
¿Qué resultados ha alcanzado su proyecto y con qué indicadores los evalúan?
GEMECOP ya ha generado resultados concretos en varias de sus líneas tecnológicas. En predicción solar hemos desarrollado un modelo híbrido de inteligencia artificial que proporciona previsiones a 24 horas actualizadas cada hora y que ha reducido el RMSE un 43,86 % respecto a un modelo de persistencia y hasta un 31,88 % frente a modelos individuales.
En gestión energética se ha validado experimentalmente sobre una microrred fotovoltaica con batería un EMS implementado en un microcontrolador ESP32. El sistema permite controlar indirectamente inversores comerciales, gestionar la batería y responder a señales procedentes tanto de mercados de flexibilidad como de precios eléctricos. Los ensayos han demostrado una elevada capacidad de seguimiento de consigna de









