Gestión energética inteligente en Smart Cities

Abraham Ruiz – David Valiente – Fernando Rodríguez – Ángela Ortega – Alba Hortal – María Flores – Juan Carlos Ferrer

Universidad Miguel Hernández de Elche. Dpto. Ingeniería de Comunicaciones. Instituto de Investigación en Ingeniería de
Elche – I3E

El Plan Nacional de Ciudades Inteligentes (Smart Cities), promovido por el Ministerio de Asuntos Económicos y Transformación Digital, establece las pautas para fomentar el desarrollo tecnológico en las Ciudades Inteligentes en España. Su objetivo es apoyar a las administraciones locales en la transición hacia ciudades y destinos más avanzados digitalmente. Este plan adopta la definición del Grupo Técnico de Normalización 178 de AENOR, que describe una “Smart City” como aquella que emplea las TIC para mejorar la calidad de vida y accesibilidad de sus ciudadanos, garantizando un desarrollo económico, social y ambiental sostenible en constante evolución.

En este contexto, la gestión energética del alumbrado público en Smart Cities, la regulación vigente se encuentra parcialmente definida en normativas específicas, como el Reglamento de Eficiencia Energética en Alumbrado Exterior (REEAE, RD 1890/2008), el Reglamento Electrotécnico de Baja Tensión (REBT, RD 842/2002), así como en los criterios establecidos por los comités UNE-CTN 178 de Ciudades Inteligentes y ISO-TC 268 de Ciudades y Comunidades Sostenibles, entre otros. Sin embargo, a pesar de estas regulaciones, solo existen directrices generales sobre la eficiencia energética del alumbrado público.

Por ello, este trabajo pretende generar evidencia científica que permita desarrollar una solución óptima para el control inteligente del alumbrado público. Para lograrlo, se ha llevado a cabo una recolección y análisis exhaustivo de datos provenientes de sistemas de iluminación OLED telegestionados, alimentados mediante energía renovable (solar/fotovoltaica) y respaldados por baterías. La optimización del sistema se basa en el uso de técnicas de Machine Learning (ML) e Inteligencia Artificial (IA) para mejorar la gestión energética.

En este ámbito, los sistemas de alumbrado inteligentes más avanzados han desarrollado modelos predictivos para la generación fotovoltaica, considerando factores meteorológicos clave, como la irradiancia solar, que incide directamente en la capacidad de generación y almacenamiento de energía. No obstante, los algoritmos actuales presentan limitaciones, ya que operan en niveles discretos y no siempre se actualizan en tiempo real según las condiciones del entorno.

Por ello, este trabajo investiga en soluciones innovadoras que permitan dotar al sistema de mayor autonomía e inteligencia, superando el enfoque tradicional centrado únicamente en la eficiencia energética.