Investigadors de la URV elaboren un sistema capaç de minimitzar l’impacte econòmic i ambiental en la configuració de comunitats energètiques d’energia renovable

El grup de recerca SUSCAPE de la URV ha elaborat un model matemàtic capaç de configurar la comunitat energètica idònia. El sistema computacional té en compte variables que descriuen les característiques meteorològiques de l’entorn, el consum elèctric dels usuaris i el cost econòmic de la tecnologia necessària i el seu impacte ambiental. En contrapartida, dimensiona i configura l’equilibri òptim d’energia solar fotovoltaica, eòlica i capacitat d’emmagatzematge per minimitzar l’impacte econòmic i ambiental de l’equipament. L’article publicat, que inclou un estudi de cas localitzat a Tarragona, posa a l’abast una metodologia per dissenyar comunitats energètiques eficients i amb el mínim impacte ambiental.

Existeix cert consens dins la comunitat científica sobre els avantatges de la implementació de les comunitats energètiques per maximitzar els índex d’autoabastiment d’energia elèctrica. Aquestes són agrupacions en què els seus membres, que produeixen i consumeixen energia elèctrica, s’associen amb la finalitat d’optimitzar la producció, el consum i la distribució de l’energia que generen, generalment, produïda mitjançant fonts renovables. D’aquesta manera, una comunitat energètica pot ser un edifici, barri o localitat on els diferents domicilis comparteixen l’energia que generen en una xarxa tancada. “La idea no és desacoplar la comunitat energètica de la xarxa elèctrica pública” explica Dieter T. Boer, investigador del Departament d’Enginyeria Mecànica de la URV, obrint la possibilitat a què aquelles comunitats amb un excedent energètic puguin exportar-lo a llocs on es consumeix més del que es produeix, sempre que la regulació vigent ho permeti.

Un estudi de cas a Tarragona

Per tal de testar el model matemàtic, els investigadors han elaborat un estudi de cas simulant la configuració d’una comunitat energètica situada al barri Nou Eixample Nord de Tarragona. Els resultats apunten que la comunitat podria reduir el seu impacte ambiental i els costos de producció en funció del dimensionament de les instal·lacions. La configuració més rendible econòmicament va resultar ser aquella amb una alta potència instal·lada d’energia solar fotovoltaica, amb presència de dispositius eòlics de dimensions reduïdes i sense capacitat d’emmagatzematge; d’altra banda, l’opció amb menys impacte ambiental va ser aquella amb un equilibri entre fonts solars fotovoltaiques, eòliques de dimensions reduïdes i capacitat d’emmagatzematge. “Més enllà d’això, hem identificat els generadors eòlics de dimensions reduïdes com una font d’energia renovable amb un gran potencial per millorar l’autoconsum”, afirma l’investigador Marc Marín-Genescà, coautor de la recerca.

La finalitat principal darrera aquesta idea és que l’energia es produeixi, en mesura d’allò possible, allà on es consumeixi minimitzant la despesa econòmica i les pèrdues associades al transport de l’electricitat. També impulsar l’ús de fonts d’energia renovables, sempre i quan la seva instal·lació no entri en conflicte amb pràctiques agrícoles o amb la preservació d’espais amb valor ecològic. És a dir, col·locar les plaques solars a les teulades i no al camp.

“L’objectiu era dissenyar una metodologia que ens permetés configurar comunitats energètiques de la manera més òptima”, recorda Youssef Elomari, investigador predoctoral del mateix departament i autor principal de la recerca. El model matemàtic resultant té en compte una sèrie de variables d’entrada i configura l’equilibri entre la potència de les diferents fonts d’energia renovable (eòlica i solar fotovoltaica) i capacitat d’emmagatzematge necessari per maximitzar la rendibilitat econòmica del sistema i/o minimitzar l’impacte ambiental derivat dels equipaments. Les variables que es tenen en compte son aquelles que descriuen la meteorologia de la localització de la comunitat —radiació solar, velocitat i direcció del vent, temperatura i humitat—, aquelles derivades dels patrons de consum dels usuaris de la comunitat —potència consumida, hores punta, hores vall…— i aquelles pròpies de la tecnologia disponible —rendiment, vida útil, preu. “Aquestes dades son susceptibles al canvi; els patrons de consum, la meteorologia i el mercat evolucionen; aquest model ens permet seguir dissenyant la comunitat energètica més òptima en qualsevol situació”, defensa Dieter Boer.

El disseny d’un model capaç de dur a terme aquests càlculs ha implicat l’ús de diverses eines matemàtiques i de computació com l’aprenentatge automàtic, per calcular la potència a instal·lar de cada font energètica, l’optimització multiobjectiu, per determinar la configuració que ofereix el millor equilibri entre cost econòmic i impacte ambiental, o l’anàlisi de decisions de criteri múltiple, per reunir els inputs en una resolució final.

A més de reflectir el potencial actual de les comunitats energètiques per impulsar l’ús de renovables i l’autoconsum, el model matemàtic dissenyat es presenta com una eina útil davant els canvis en les variables que afecten a la producció, rendibilitat o el consum a les comunitats. Els investigadors esperen que eines com aquesta siguin útils en el futur per què les institucions, els usuaris i les empreses puguin dissenyar comunitats energètiques i prendre decisions estratègiques basades en l’evidència científica.

El projecte ha estat finançat amb fons del Ministeri de Ciència, Innovació i Universitats de l’Estat espanyol i amb fons europeus Next Generation.

Referència: 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.