Actualidad

Seminario. A Big-Data-based assessment of the forthcoming revolution in domestic energy

El pasado 17 de febrero tuvo lugar el seminario «A Big-Data-based assessment of the forthcoming revolution in domestic energy», organizado por la Cátedra de Ciencia de datos y aprendizaje automático UAM-IIC, en la Escuela Politécnica Superior (EPS) de la Universidad Autónoma de Madrid (UAM). En esta ocasión fue impartido por J. M. Leiva y estuvo dirigido a científicos, tecnólogos y profesionales involucrados en el análisis de datos, el uso de energía fotovoltaica para consumo doméstico y la explotación de predicciones de energía solar.

Se analizaron los últimos avances tecnológicos en el campo de la energía en cuanto al consumo de electricidad que realizamos. Se habló de la bajada de precios de las instalaciones fotovoltaicas, las diferentes soluciones comercializadas para el almacenamiento doméstico de energía (baterías tradicionales, de litio, tesla…) y el precio del kilovatio por hora.

Se mostraron las conclusiones de un estudio realizado para demostrar si las baterías domésticas son económicamente viables y si el uso de la energía de origen fotovoltaico sería eficaz de cara a optimizar las facturas de la luz de los clientes domésticos en función de sus patrones de consumo o su geolocalización. Para el estudio se habían utilizado datos de consumo eléctrico reales de 100.000 usuarios, datos de radiación solar, históricos de precios, un paquete de python y tecnología MapReduce para abordar el panorama energético actual.

Estimar la radiación solar es un problema complejo, tanto como estimar el rendimiento del módulo o panel fotovoltaico. Los análisis realizados estiman el coste de almacenar energía solar en una batería de litio en unos 15 cts/kWh. Partiendo de este dato un hogar inteligente podría jugar con la potencia contratada, la energía consumida, el precio de la energía y las horas valle para optimizar el rendimiento de su instalación fotovoltaica. En este caso, el margen de ahorro potencial para cada usuario dependería más del tamaño y precio de la instalación que del precio de la energía. 

En teoría podría reducirse la factura anual entre un 10 y un 15%, pero para ello habría que jugar mejor con la predicción que con la potencia. Las conclusiones del estudio aconsejan seguir conectados a la red porque faltan décadas para que el autoconsumo sea pleno. Mientras tanto, lo más eficaz para reducir el gasto parece ser hacer un uso inteligente de la energía y aumentar la generación de renovables. 

Para más información puedes consultar un resumen más extenso del seminario y descargar la presentación «A Big-Data-based assessment of the forthcoming revolution in domestic energy» (PDF). 

Ponente:

José Miguel Leiva, Data Scientist & Quantitative Analyst en Expert Timing Systems. J. M. Leiva es ingeniero en Telecomunicaciones por la Universidad de Málaga (2011) y doctor por la Universidad Carlos III de Madrid (2007). Realizó su postdoctorado sobre Sistemas Inteligentes en el Max Planck Institute bajo la supervisión del Dr. B. Schölkopf y ha sido docente en el Signal Processing Group de la Universidad Carlos III de Madrid.