Breve Descripción:
ELECTRA nos proponemos mejorar la eficiencia de uso de la energía realizando predicción y detección de perfiles y anomalías del consumo energético en edificios públicos, a través del desarrollo e implementación de la tecnología necesaria para aplicar eficientemente los métodos de aprendizaje automático al procesamiento de Series Temporales compuestas por una cantidad masiva de datos. La incorporación de paneles fotovoltaicos y otros medios de generación de energías renovables introducen complejidad al estudio, que debe permitir considerar la energía generada localmente y energía proveniente de la red, en contraposición a los modelos clásicos de abastecimiento energético en los que sólo se asume una única fuente de energía externa. Nuestra investigación se centra en el desarrollo de nuevos modelos distribuidos de Soft Computing para lograr un consumo de energía sostenible, y se basará en resultados de investigaciones recientes en el procesamiento y pronóstico de Big Data Time Series (BDTS) con el apoyo de la implementación de modelos y algoritmos paralelos utilizando tecnologías Cloud, e Inteligencia Artificial Edge. Así, el problema puede abordarse en un tiempo lo suficientemente pequeño como para poder establecer criterios de reacción disminuyendo el consumo a corto plazo, algo que es inviable utilizando únicamente métodos clásicos de aprendizaje automático.
Financiación: Financiado por el Plan Nacional (Retos) Ministerio de Ciencia e Innovación ( PID2020-112495RB-C21)
Plazo de Ejecución: 1/09/2021 al 31/08/2024
IPs: Pegalajar Jiménez, María Del Carmen – Delgado Calvo-Flores, Miguel