Eficiencia energética
Simulación y gestión energética en tiempo real con POWERBIM 6D
El proyecto POWERTWIN representa el motor de innovación y el cerebro
analítico detrás de nuestra plataforma de gemelo digital POWERBIM. Se
trata de un ecosistema tecnológico ciberfísico específicamente diseñado
para atajar la ineficiencia del parque edificado europeo —del cual un 70%
se encuentra actualmente obsoleto e ineficiente, siendo responsable directo
de cerca del 40% de las emisiones de CO globales.
La investigación se orienta a optimizar en tiempo real los indicadores de
sostenibilidad y gestión de energía alineados con los rigurosos estándares
europeos Level(s) y marcos de eficiencia nZEB (Edificios de Consumo de
Energía Casi Nulo). Mediante la combinación sistemática de modelos
OpenBIM, simulaciones termodinámicas predictivas y algoritmos de
Inteligencia Artificial, POWERTWIN permite modelar y controlar activamente
el ciclo de vida de los activos construidos.
El alcance global de esta iniciativa de I+D+i se articula en cinco pilares
clave:
- DIGITALIZACIÓN TRIDIMENSIONAL INTEGRADA (BIM / GIS)
- SIMULACIÓN ENERGÉTICA PREDICTIVA DE ALTO RENDIMIENTO
(MATLAB) - INFRAESTRUCTURA DE DATOS IoT EN TIEMPO REAL MULTIVARIABLE
- CIENCIA DE DATOS DE ALTA CAPACIDAD (DATALAKEHOUSE AZURE)
- ANÁLISIS DE DESVIACIONES E INCIDENCIAS AUTOMATIZADAS (openBIM
BCF)
- DIGITALIZACIÓN TRIDIMENSIONAL INTEGRADA (BIM / GIS)
- SIMULACIÓN ENERGÉTICA PREDICTIVA DE ALTO RENDIMIENTO
(MATLAB) - INFRAESTRUCTURA DE DATOS IoT EN TIEMPO REAL MULTIVARIABLE
- CIENCIA DE DATOS DE ALTA CAPACIDAD (DATALAKEHOUSE AZURE)
- ANÁLISIS DE DESVIACIONES E INCIDENCIAS AUTOMATIZADAS (openBIM
BCF)
Tecnologías desarrolladas
Desarrollo de modelos digitales BIM y GIS que cumplen de manera estricta con los estándares internacionales de la serie ISO 19650 y formatos openBIM (IFC). El ecosistema facilita la colaboración abierta sin silos mediante el intercambio de
incidencias en formato nativo BCF (BIM Collaboration Format).
Modelización energética multivariable mediante simulaciones en entornos avanzados como Matlab. Permite calcular el estado óptimo o ideal del comportamiento térmico-energético de los activos (como el edificio piloto UPC Gaia) a escala horaria para todo un periodo anual.
Despliegue de red de sensores IoT multivariable en los espacios de trabajo reales del edificio. Captura de manera continua datos dinámicos clave como el consumo eléctrico, niveles de ocupación de las zonas, CO2 y parámetros de confort térmico interior (humedad y temperatura).
Implementación de un robusto DataLakehouse híbrido en la nube de Microsoft Azure. Permite ingestar, almacenar, organizar, estructurar y limpiar masivamente datos procedentes de las simulaciones ideales y de los consumos reales para su procesamiento analítico avanzado.
Algoritmos de Inteligencia Artificial que ejecutan técnicas de ‘Data Discovery’ sobre el
DataLakehouse. Compara automáticamente los datos de simulación ideal con los del IoT real, detectando desvíos, patrones de ineficiencia y activando notificaciones de alertas dinámicas.