Investigadores de la URV elaboran un sistema capaz de minimizar el impacto económico y ambiental en la configuración de comunidades energéticas de energía renovable

El grupo de investigación SUSCAPE de la URV ha diseñado un modelo matemático capaz de configurar la comunidad energética idónea. El sistema computacional tiene en cuenta variables que describen las características meteorológicas del entorno, el consumo eléctrico de los usuarios y el coste económico de la tecnología necesaria y su impacto ambiental. En contrapartida, dimensiona y configura el equilibrio óptimo de energía solar fotovoltaica, eólica y capacidad de almacenamiento para minimizar el impacto económico y ambiental del equipamiento. El artículo publicado, que incluye un estudio de caso localizado a Tarragona, pone al alcance una nueva metodología para diseñar comunidades energéticas eficientes y con el mínimo impacto ambiental.

Existe cierto consenso en la comunidad científica sobre las ventajas de la implementación de comunidades energéticas para maximizar los índices de autoabastecimiento de energía eléctrica. Estas son agrupaciones en las que sus miembros, que producen y consumen energía eléctrica, se asocian con el fin de optimizar la producción, el consumo y la distribución de la energía que generan, generalmente, procedente de fuentes renovables. De este modo, una comunidad energética puede ser un edificio, barrio o localidad donde los diferentes domicilios comparten la energía que generan en una red cerrada. “La idea no es desacoplar la comunidad energética de la red eléctrica pública” explica Dieter T. Boer, investigador del Departamento de Ingeniería Mecánica de la URV, abriendo la posibilidad de que aquellas comunidades con un excedente energético puedan exportarlo a lugares donde se consume más de lo que se produce, siempre que la regulación vigente lo permita.

Un estudio de caso a Tarragona

Para testar el modelo matemático, los investigadores han elaborado un estudio de caso simulando la configuración de una comunidad energética situada al barrio Nou Eixample Nord de Tarragona. Los resultados revelan que, con un dimensionamiento adecuado, la comunidad podría reducir su impacto ambiental y los costes de producción de energía. La configuración más rentable económicamente resultó ser aquella con una alta potencia instalada de energía solar fotovoltaica, con presencia de dispositivos eólicos de dimensiones reducidas y sin capacidad de almacenamiento; por otro lado, la opción con menos impacto ambiental fue aquella con un equilibrio entre fuentes solares fotovoltaicas, eólicas de dimensiones reducidas y capacidad de almacenamiento. “Más allá de esto, hemos identificado a los generadores eólicos de dimensiones reducidas como una fuente de energía renovable con un gran potencial para mejorar el autoconsumo”, afirma el investigador Marc Marín-Genescà, coautor de la investigación.

La finalidad última esta idea es que la energía se produzca, en medida de lo posible, allá donde se consume, minimizando el gasto económico y las pérdidas asociadas al transporte de la electricidad. También impulsar el uso de fuentes de energía renovables, siempre y cuando su instalación no entre en conflicto con prácticas agrícolas o con la preservación de espacios con valor ecológico. Es decir, “colocar las placas solares en los tejados y no en el campo”.

“El objetivo era diseñar una metodología que nos permitiera configurar comunidades energéticas de manera óptima”, recuerda Youssef Elomari, investigador predoctoral del mismo departamento y autor principal de la investigación. El modelo matemático resultante tiene en cuenta una serie de variables de entrada y configura el equilibrio entre la potencia de las diferentes fuentes de energía renovable (eólica y solar fotovoltaica) y la capacidad de almacenamiento necesaria para maximizar la rentabilidad económica del sistema y/o minimizar el impacto ambiental derivado de los equipamientos. Las variables que se tienen en cuenta son aquellas que describen la meteorología de la localización de la comunidad —radiación solar, velocidad y dirección del viento, temperatura y humedad—, aquellas derivadas de los patrones de consumo de los usuarios de la comunidad —potencia consumida, horas punta, horas valle…— y aquellas propias de la tecnología disponible —rendimiento, vida útil, precio. “Estos datos son susceptibles al cambio; los patrones de consumo, la meteorología y el mercado evolucionan; este modelo nos permite seguir diseñando la comunidad energética óptima en cualquier situación”, defiende Dieter Boer.

El diseño de un modelo capaz de llevar a cabo estos cálculos ha implicado el uso de varias herramientas matemáticas y de computación como el aprendizaje automático, para calcular la potencia a instalar de cada fuente energética, la optimización multiobjetivo, para determinar la configuración que ofrece el mejor equilibrio entre coste económico e impacto ambiental, o el análisis de decisiones de criterio múltiple, para reunir los inputs en una resolución final.

Más allá de reflejar el potencial actual de las comunidades energéticas para impulsar el uso de renovables y el autoconsumo, el modelo matemático diseñado se presenta como una herramienta útil ante los cambios en las variables que afectan a la producción, rentabilidad o el consumo en las comunidades. Los investigadores esperan que herramientas como esta sean útiles en el futuro para que las instituciones, los usuarios y las empresas puedan diseñar comunidades energéticas y tomar decisiones estratégicas basadas en la evidencia científica.

El proyecto ha sido financiado con fondos del Ministerio de Ciencia, Innovación y Universidades del Estado español y con fondos europeos Next Generation.

Referencia: Youssef Elomari, Carles Mateu, M. Marín-Genescà, Dieter Boer, A data-driven framework for designing a renewable energy community based on the integration of machine learning model with life cycle assessment and life cycle cost parameters, Applied Energy, Volume 358, 2024, 122619, ISSN 0306-2619. https://doi.org/10.1016/j.apenergy.2024.122619.