Reto 3: Energía Segura, Eficiente y Limpia

Las herramientas MSO-ED permiten estudiar aspectos importantes como la respuesta a la demanda, la transmisión de energía, o la generación distribuida. Las tecnologías matemáticas permiten la gestión de redes inteligentes que integran fuentes de energía sostenibles como la eólica, la fotovoltaica o la hidroeléctrica con combustibles fósiles. También son esenciales para mejorar la eficiencia de las centrales eléctricas, las turbinas eólicas, las baterías y la captación solar.

No menos importante es la optimización de procesos industriales con uso intensivo de energía. El ajustar de forma óptima los parámetros de funcionamiento de cada proceso ayuda a ajustar la energía necesaria para el nivel de producción requerido. Se trata de un campo en el que la simulación numérica del proceso ayuda a realizar cambios disruptivos que supongan cambios significativos en la necesidad de recursos energéticos del mismo.

Los responsables de la toma de decisiones necesitan herramientas avanzadas que permitan el análisis de riesgos a largo plazo, procesos limpios y mejoras en los prototipos, junto con un conjunto apropiado de métodos de optimización y control. Las tecnologías clave de esos procesos suelen ser muy complejas y requieren el apoyo de expertos muy cualificados, que a menudo no están disponibles en empresas pequeñas y medianas. Además, los proveedores de las competencias necesarias están repartidos en diferentes áreas de especialización en universidades, instituciones de investigación y tecnológicas. Estas características requieren la colaboración e integración de diferentes proveedores avanzados y otros actores de la innovación en diferentes sectores y regiones. Este rol integrador es uno de los objetivos propuestos para la plataforma PET MSO-ED.

• Capacidades de las Tecnologías MSO-ED en el ámbito del Reto 3
  • Predicción y planificación de la producción de energía, y generación de árboles de escenarios de la incertidumbre de la demanda de los diversos tipos de energía para usos domésticos e industriales.
  • Optimización de la planificación de la capacidad de expansión de elementos generadores de energía y su transmisión, considerando las opciones de localización de las fuentes renovables de energía (eólica, solar y fotovoltaica, entre otras).
  • Optimización de la generación de energía eléctrica en edificios industriales y residenciales para autoconsumo, y su conexión a la red distribución.
  • Optimización de la planificación del mantenimiento de generadores de energía eléctrica.
  • Optimización de redes de distribución de energía.
  • Simulación numérica de procesos de transferencia de calor y de procesos de combustión.
  • Simulación numérica de procesos termoeléctricos, termomagnéticos, y termomecánicos.
  • Ayuda en la toma de decisiones en procesos energéticos.

• Historias de éxito ya implementadas en el ámbito del Reto 3
  • Software de simulación y optimización de redes de energía. Caso de éxito de math-in accesible en la base de datos de la red europea EU-Maths-IN.
  • Simulación y optimización de los procesos de carga y descarga de baterías para vehículos eléctricos. Caso de éxito de math-in publicado en la base de datos de la red europea EU-Maths-IN.
  • Rentabilidad de sistemas de almacenamiento de hidrógeno en parques eólicos. Libro de Casos de Éxito de math-in, pág. 8.
  • Mantenimiento predictivo de sistemas de aire acondicionado. Casos de éxito de math-in publicados en la base de datos de la red europea EU-Maths-IN. Ver en link1 y link2.
  • Control de temperatura en hornos industriales. Libro de Casos de Éxito de math-in, pág. 5.
  • Procesos de colada de metales y tratamiento metalúrgico. Caso de éxito de math-in publicado en la base de datos de la red europea EU-Maths-IN.
  • Herramienta predictiva de episodios de polución y eventos de contaminación en una planta térmica. Ver Libro de Casos de Éxito de math-in, pág. 6.
  • Modelización matemática y simulación numérica con el fin de mejorar la eficiencia y la productividad de los hornos industriales para la purificación de metales. Ver Libro de Casos de Éxito de math-in, pág. 34.
  • Ayuda al diseño de sistemas de suministro de energía a buques en puertos. Caso de éxito de math-in publicado en la base de datos de la red europea EU-Maths-IN.