{"id":253645,"date":"2026-02-13T14:59:21","date_gmt":"2026-02-13T13:59:21","guid":{"rendered":"https:\/\/cimne.com\/defensa-de-tesis-doctoral-metodos-computacionales-basados-en-datos-para-desbloquear-el-potencial-de-las-comunidades-de-energia-renovable-por-florencia-lazzari\/"},"modified":"2026-02-17T12:56:24","modified_gmt":"2026-02-17T11:56:24","slug":"defensa-de-tesis-doctoral-metodos-computacionales-basados-en-datos-para-desbloquear-el-potencial-de-las-comunidades-de-energia-renovable-por-florencia-lazzari","status":"publish","type":"post","link":"https:\/\/cimne.com\/es\/defensa-de-tesis-doctoral-metodos-computacionales-basados-en-datos-para-desbloquear-el-potencial-de-las-comunidades-de-energia-renovable-por-florencia-lazzari\/","title":{"rendered":"Defensa de tesis doctoral: \u201cM\u00e9todos computacionales basados en datos para desbloquear el potencial de las comunidades de energ\u00eda renovable\u201d, por Florencia Lazzari."},"content":{"rendered":"

[et_pb_section fb_built=\u00bb1″ admin_label=\u00bbsection\u00bb _builder_version=\u00bb4.16″ locked=\u00bboff\u00bb collapsed=\u00bboff\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_row admin_label=\u00bbrow\u00bb _builder_version=\u00bb4.16″ background_size=\u00bbinitial\u00bb background_position=\u00bbtop_left\u00bb background_repeat=\u00bbrepeat\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_column type=\u00bb4_4″ _builder_version=\u00bb4.16″ custom_padding=\u00bb|||\u00bb global_colors_info=\u00bb{}\u00bb custom_padding__hover=\u00bb|||\u00bb][et_pb_text _builder_version=\u00bb4.27.5″ _module_preset=\u00bbdefault\u00bb hover_enabled=\u00bb0″ global_colors_info=\u00bb{}\u00bb sticky_enabled=\u00bb0″]<\/p>\n

\n
RESUMEN<\/strong><\/h5>\n

Las Comunidades de Energ\u00eda Renovable (CER) han surgido como un veh\u00edculo prometedor para democratizar la transici\u00f3n energ\u00e9tica. Al permitir que ciudadanos, municipios y peque\u00f1as empresas produzcan, compartan y consuman energ\u00eda renovable de forma colectiva, las CER ofrecen v\u00edas para reducir emisiones, disminuir costes y reforzar el empoderamiento local. Sin embargo, su despliegue efectivo se ve limitado por desaf\u00edos en la previsi\u00f3n de la demanda, la optimizaci\u00f3n de la planificaci\u00f3n y la operaci\u00f3n, la asignaci\u00f3n equitativa y la alineaci\u00f3n de los modelos de optimizaci\u00f3n con objetivos sociales y ambientales m\u00e1s amplios. Para abordar estos desaf\u00edos, esta tesis desarrolla e integra m\u00e9todos computacionales basados en datos adaptados al contexto de las CER. En primer lugar, se dise\u00f1\u00f3 una novedosa metodolog\u00eda de predicci\u00f3n para estimar la demanda el\u00e9ctrica dom\u00e9stica con un d\u00eda de antelaci\u00f3n utilizando \u00fanicamente datos de contadores inteligentes y meteorol\u00f3gicos. Este enfoque incorpora agrupaci\u00f3n conductual, aprendizaje autom\u00e1tico (XGBoost y ANN) y t\u00e9cnicas robustas para el tratamiento de valores faltantes, evitando as\u00ed la recopilaci\u00f3n de datos intrusivos. En segundo lugar, se desarrollaron algoritmos de optimizaci\u00f3n espec\u00edficos para el problema, tanto para la planificaci\u00f3n como para la operaci\u00f3n de las CER. Se adaptaron algoritmos gen\u00e9ticos a la selecci\u00f3n de participantes y a la asignaci\u00f3n de energ\u00eda, considerando expl\u00edcitamente los marcos regulatorios que requieren coeficientes de asignaci\u00f3n predefinidos. Estudios complementarios examinaron mecanismos de asignaci\u00f3n en escenarios diversos mediante simulaciones basadas en agrupaci\u00f3n, mientras que una revisi\u00f3n sistem\u00e1tica de la investigaci\u00f3n en optimizaci\u00f3n de CER cartografi\u00f3 las tendencias metodol\u00f3gicas, los puntos ciegos y el grado en que los objetivos ambientales y sociales se integran en los modelos existentes<\/p>\n

\"Una<\/p>\n

Comit\u00e9<\/strong><\/p>\n