{"id":30866778,"date":"2021-06-10T08:23:06","date_gmt":"2021-06-10T06:23:06","guid":{"rendered":"https:\/\/www.upo.es\/diario\/?p=30866778"},"modified":"2021-06-15T09:30:01","modified_gmt":"2021-06-15T07:30:01","slug":"un-grupo-de-investigacion-de-la-upo-disena-una-solucion-de-inteligencia-artificial-para-la-gestion-optima-de-datos-energeticos","status":"publish","type":"post","link":"https:\/\/www.upo.es\/diario\/ciencia\/2021\/06\/un-grupo-de-investigacion-de-la-upo-disena-una-solucion-de-inteligencia-artificial-para-la-gestion-optima-de-datos-energeticos\/","title":{"rendered":"Un grupo de investigaci\u00f3n de la UPO dise\u00f1a una soluci\u00f3n de inteligencia artificial para la gesti\u00f3n \u00f3ptima de datos energ\u00e9ticos"},"content":{"rendered":"
\"\"<\/a>
De izquierda a derecha y de arriba a abajo, Miguel Gonz\u00e1lez Pinto (Ferrovial Servicios); Laura Melgar Garc\u00eda (UPO); Alicia Troncoso (UPO); Jos\u00e9 Torres (UPO) y Andr\u00e9s Carrillo Lasheras (Ferrovial Servicios).<\/figcaption><\/figure>\n

La Universidad Pablo de Olavide y Ferrovial Servicios han desarrollado un proyecto de predicci\u00f3n de consumo energ\u00e9tico con el objetivo de obtener una gesti\u00f3n m\u00e1s eficiente de los recursos energ\u00e9ticos haciendo uso de la inteligencia artificial<\/strong>. Se trata de un estudio que servir\u00e1 como base para futuros an\u00e1lisis y que se ha llevado a cabo en un hospital gestionado por esta empresa multinacional.<\/p>\n

El grupo de investigaci\u00f3n \u2018TIC254-Data Science & Big Data Lab<\/strong>\u2019 de la Universidad Pablo de Olavide fue seleccionado por Ferrovial Servicios<\/strong>, tras un proceso de concurrencia competitiva, para llevar a cabo el reto \u2018Soluciones basadas en Inteligencia Artificial para la gesti\u00f3n \u00f3ptima de datos energ\u00e9ticos\u2019<\/strong>.<\/p>\n

Se trata de la segunda convocatoria de retos de innovaci\u00f3n impulsada desde la asociaci\u00f3n de empresas e instituciones Sevilla Futura,<\/strong> con el objetivo de promover nuevas iniciativas innovadoras que se desarrollen en la ciudad dirigidas a solucionar problemas a los que se enfrentan en la actualidad sus empresas asociadas. En esta ocasi\u00f3n, el reto, organizado desde el \u00e1rea de innovaci\u00f3n de Ferrovial Servicios, busca incrementar la eficiencia energ\u00e9tica mediante soluciones basadas en inteligencia artificial para la gesti\u00f3n \u00f3ptima de datos.<\/p>\n

\"\"<\/a>
Alicia Troncoso Lora, investigadora principal del proyecto.<\/figcaption><\/figure>\n

\u201cEl dise\u00f1o de este sistema de gesti\u00f3n de eficiencia energ\u00e9tica de edificios hace uso de los datos recogidos por contadores inteligentes y sensores. Posteriormente, estos datos son procesados mediante un m\u00f3dulo que incorpora inteligencia artificial y que es capaz de aprender los patrones subyacentes en los datos y obtener un modelo de predicci\u00f3n con el que hacer estimaciones de la energ\u00eda a futuro en tiempo real\u201d, explica Alicia Troncoso Lora<\/strong>, catedr\u00e1tica de Lenguajes y Sistemas Inform\u00e1ticos de la UPO e investigadora principal del proyecto.<\/p>\n

El dise\u00f1o de este sistema de gesti\u00f3n \u00f3ptima de eficiencia energ\u00e9tica para edificios podr\u00e1 integrarse con diferentes sistemas t\u00e9cnicos, protocolos, y soluciones de captura y medici\u00f3n como plataformas IoT, Scada, contadores inteligentes o est\u00e1ndar, etc. gracias a su naturaleza abierta y modular.<\/p>\n

Las t\u00e9cnicas fundamentales que se utilizan en esta soluci\u00f3n de inteligencia artificial son aprendizaje profundo (deep learning<\/em><\/strong>) y aprendizaje autom\u00e1tico (machine learnin<\/em>g<\/strong>), adem\u00e1s de hardware espec\u00edfico para la computaci\u00f3n de grandes vol\u00famenes de datos (big data<\/em><\/strong>). Los algoritmos de deep learning<\/em> y de machine learning<\/em> son capaces de aprender dependencias temporales en los datos hist\u00f3ricos, obteniendo un modelo predictivo capaz de estimar con gran exactitud los consumos futuros a un horizonte vista de un d\u00eda. Adem\u00e1s, este modelo predictivo inicial evoluciona en el tiempo a trav\u00e9s de un aprendizaje incremental, incorporando los cambios de tendencias que se producen en los datos en el modelo y detectando las anomal\u00edas en tiempo real.<\/p>\n

\"\"<\/a>
El objetivo del proyecto es obtener una gesti\u00f3n m\u00e1s eficiente de los recursos energ\u00e9ticos haciendo uso de la inteligencia artificial.<\/figcaption><\/figure>\n

En cuanto a recursos de computaci\u00f3n, para el coste computacional asociado al entrenamiento de estos modelos big data, el equipo de investigaci\u00f3n ha usado tarjetas GPU (del ingl\u00e9s Graphics Processing Unit<\/em>) que el grupo tiene actualmente desplegadas en el Data Science & Big Data Lab.<\/p>\n

\u201cLa posibilidad de dar respuestas \u00f3ptimas en forma de recomendaciones o actuaciones aut\u00f3nomas en las f\u00f3rmulas de gesti\u00f3n de consumos y activos a partir del tratamiento inteligente de los datos bajo control derivan en un mantenimiento predictivo eficiente y en un uso sostenible de los recursos energ\u00e9ticos<\/strong> como principales beneficios del uso de estas t\u00e9cnicas\u201d, explica la investigadora Alicia Troncoso.<\/p>\n

El grupo de investigaci\u00f3n Data Science & Big Data Lab tiene una amplia experiencia en proyectos y publicaciones relacionadas con machine learning<\/em>. Adem\u00e1s de la citada investigadora principal, participan en este proyecto Francisco Mart\u00ednez<\/strong> \u00c1lvarez, Federico Divina, Miguel Garc\u00eda Torres, Gualberto Asencio Cort\u00e9s, David Guti\u00e9rrez Avil\u00e9s, Jos\u00e9 F. Torres Maldonado <\/strong>y Laura Melgar Garc\u00eda<\/strong>.<\/p>\n

El convenio de colaboraci\u00f3n entre la UPO y Ferrovial Servicios se ha gestionado a trav\u00e9s de la Oficina de Transferencia de Resultados de Investigaci\u00f3n<\/strong> (OTRI), dependiente del Vicerrectorado de Investigaci\u00f3n, Transferencia y Doctorado<\/strong> de la Universidad Pablo de Olavide, que tiene como misi\u00f3n promover y potenciar la relaci\u00f3n entre la actividad investigadora y el entorno empresarial y social, facilitando la transferencia de los resultados generados por su comunidad cient\u00edfica.<\/p>\n","protected":false},"excerpt":{"rendered":"

La Universidad Pablo de Olavide y Ferrovial Servicios han desarrollado un proyecto de predicci\u00f3n de consumo energ\u00e9tico con el objetivo de obtener una gesti\u00f3n m\u00e1s eficiente de los recursos energ\u00e9ticos haciendo uso de la inteligencia artificial. Se trata de un estudio que servir\u00e1 como base para futuros an\u00e1lisis y que se ha llevado a cabo en un hospital gestionado por esta empresa multinacional.<\/p>\n","protected":false},"author":2,"featured_media":30866779,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[3],"tags":[6655,2397,7463,7289,7294,913,7464,151,6753,783,832],"class_list":["post-30866778","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia","tag-alicia-troncoso","tag-big-data","tag-consumo-energetico","tag-data-science-big-data-lab","tag-deep-learning","tag-eficiencia-energetica","tag-ferrovial-servicios","tag-inteligencia-artificial","tag-machine-learning","tag-prediccion","tag-sostenibilidad"],"_links":{"self":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts\/30866778","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/comments?post=30866778"}],"version-history":[{"count":3,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts\/30866778\/revisions"}],"predecessor-version":[{"id":30866784,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts\/30866778\/revisions\/30866784"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/media\/30866779"}],"wp:attachment":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/media?parent=30866778"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/categories?post=30866778"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/tags?post=30866778"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}