RESUMEN
Las Comunidades de Energía Renovable (CER) han surgido como un vehículo prometedor para democratizar la transición energética. Al permitir que ciudadanos, municipios y pequeñas empresas produzcan, compartan y consuman energía renovable de forma colectiva, las CER ofrecen vías para reducir emisiones, disminuir costes y reforzar el empoderamiento local. Sin embargo, su despliegue efectivo se ve limitado por desafíos en la previsión de la demanda, la optimización de la planificación y la operación, la asignación equitativa y la alineación de los modelos de optimización con objetivos sociales y ambientales más amplios. Para abordar estos desafíos, esta tesis desarrolla e integra métodos computacionales basados en datos adaptados al contexto de las CER. En primer lugar, se diseñó una novedosa metodología de predicción para estimar la demanda eléctrica doméstica con un día de antelación utilizando únicamente datos de contadores inteligentes y meteorológicos. Este enfoque incorpora agrupación conductual, aprendizaje automático (XGBoost y ANN) y técnicas robustas para el tratamiento de valores faltantes, evitando así la recopilación de datos intrusivos. En segundo lugar, se desarrollaron algoritmos de optimización específicos para el problema, tanto para la planificación como para la operación de las CER. Se adaptaron algoritmos genéticos a la selección de participantes y a la asignación de energía, considerando explícitamente los marcos regulatorios que requieren coeficientes de asignación predefinidos. Estudios complementarios examinaron mecanismos de asignación en escenarios diversos mediante simulaciones basadas en agrupación, mientras que una revisión sistemática de la investigación en optimización de CER cartografió las tendencias metodológicas, los puntos ciegos y el grado en que los objetivos ambientales y sociales se integran en los modelos existentes
Comité
- Presidente: Dr Jordi Pascual Pellicer
- Secretario: Dr Álvaro Luna Alloza
- Miembro: Dr Jordi Mateo Fornés
Directores de tesis:
DOCTORANDA
Florencia Lazzari es doctoranda en la Unidad de Innovación en Edificios, energía y medio ambiente de CIMNE (BEE Group).