- Inici>
- Blog, esdeveniments actuals i notícies>
- CITCEA-UPC i Biyiud col·laboren en el desenvolupament d'un innovador model per millorar la flexibilitat de la demanda elèctrica residencial mitjançant Machine Learning
CITCEA-UPC i Biyiud col·laboren en el desenvolupament d'un innovador model per millorar la flexibilitat de la demanda elèctrica residencial mitjançant Machine Learning
Amb el finançament del Programa de Suport als Digital Innovation Hubs (PADIH), el Centre d'Innovació Tecnològica en Convertidors Estàtics i Accionaments (CITCEA) i Biyiud han iniciat una emocionant col·laboració per desenvolupar una innovadora capa tecnològica de Machine Learning destinada a millorar la flexibilitat de la demanda elèctrica residencial. Aquesta aliança combina l'experiència en recerca del CITCEA-UPC amb l'agilitat i l'enfocament empresarial per a la sostenibilitat de Biyiud.
El projecte, de 12 mesos de durada, és dirigit per part del CITCEA pel Catedràtic Andreas Sumper, i per part de Biyiud pel seu CEO el Dr. Manuel Villa-Arrieta. El seu objectiu és millorar l'actual sistema d'anàlisi de dades que utilitza l'startup per incentivar la resposta activa de la demanda elèctrica residencial a favor de l'increment en el consum d'energia renovable. Aquesta solució contribuirà a l'eficiència energètica i la sostenibilitat del sistema elèctric.
La proposta de Biyiud: Sostenibilitat a través de l'energia
A través de l'App de Biyiud els consumidors elèctrics residencials poden obtenir punts d'EcoValor per seguir recomanacions diàries de consum elèctric renovable, els quals poden ser rebuts en programes de fidelització de marques sostenibles. Com a resultat, es redueixen les emissions de CO2 del sistema elèctric i aquestes empreses guanyen EcoReputació i noves vendes.
El concepte del projecte proposat per Biyiud es centra en l'ús de lectures provinents dels Smart Meters per, a través d'avançades tècniques de Machine Learning, incrementar el valor de les dades recopilades. Aquesta millora en la informació permet personalitzar les recomanacions de consum elèctric, adaptant-les a les característiques específiques de cada usuari, com els seus hàbits de consum, la utilització de dispositius elèctrics i la gestió de l'energia generada per sistemes d'autoconsum, incloent la fotovoltaica i vehicles elèctrics.
A quina hora engegar la rentadora per ser sostenibles
Per tal d’aconseguir aprofitar al màxim les energies solar i eòlica i reduir les emissions de CO2 és necessari que el consum elèctric estigui alineat a la presència d'aquestes fonts renovables. Però aquest exercici, anomenat flexibilitat de la demanda, no és fàcil a les llars perquè no es disposa ni de les eines ni dels incentius adequats per optimitzar el consum d'energia verda.
La iniciativa entre Biyiud i el CITCEA-UPC busca donar solució a aquest problema incloent a les persones de forma senzilla al funcionament del sistema elèctric. Millorant, a través d'una App i sense la necessitat d'instal·lar nous dispositius, la capacitat de les llars per ajustar el seu consum d'energia elèctrica en resposta a l'incentiu d'obtenir punts d'EcoValor que donen accés a una comunitat de marques que treballen per la sostenibilitat.
Sobre Biyiud i el CITCEA-UPC
CITCEA-UPC és un centre de recerca i innovació tecnològica a l'àmbit de l'energia elèctrica i l'electrònica de potència fundat l'any 2001. Pertany a la Universitat Politècnica de Catalunya, BarcelonaTech. És membre de la xarxa TECNIO d'ACCIO (Generalitat de Catalunya) i està reconegut com a Grup de Recerca per part d'AGAUR, Generalitat de Catalunya.
Biyiud és una startup fundada a Barcelona el 2021 amb el propòsit de convertir la sostenibilitat en riquesa. Forma part del programa EmprenUPC i del Clúster de l'Energia Eficient de Catalunya (CEEC). Ha participat en els programes CleanTech Camp de EIT Innoenergy, Catalonia Exponencial Leaders d'ACCIÓ, Tech4Climate de Ship2B Foundation i actualment a Google Cloud for Startups.
També pots llegir la noticia emesa per l'Universitat Politècnica de Catalunya - Barcelona TEch (UPC): https://www.upc.edu/ca/sala-de-premsa/noticies/desenvolupen-nou-model-per-millorar-flexibilitat-demanda-electrica-machine-learning