Eficiencia energética

ahorro de energía

ÁREAS DE INVESTIGACIÓN

Eficiencia Energética

Descripción

Ofrecemos nuestro conocimiento y herramientas TIC para dar apoyo al diseño y mantenimiento de edificios en proyectos de obra nueva o rehabilitación, edificios de energía casi nula y distritos energéticamente positivos. Para ello, integramos tecnologías innovadoras para modelar, caracterizar y proponer soluciones avanzadas que combinan las mejores tecnologías (pasivas y activas) disponibles en el mercado.

Nuestros desarrollos TIC permiten gestionar los edificios de manera más eficiente, mediante el modelado y la digitalización de su información, e implementando estrategias de control avanzado para optimizar el uso de los recursos energéticos y mejorar las condiciones de confort.

Ofrecemos además servicios de auditorías energéticas en edificios existentes, analizando sus consumos energéticos.

 

Líneas de Investigación

  1. Investigación en estrategias avanzadas e inteligentes para la gestión, operación y mantenimiento de edificios basados en AI/ML/DL para la generación de sistemas de ayuda a la toma de decisión. 
  2. Aplicación de tecnologías habilitadoras digitales para la mejora de la sostenibilidad e inteligencia de los edificios.
  3. Digitalización del edificio y generación de gemelos digitales.
  4. Aplicación de tecnología blockchain en el ámbito energético.

Publicaciones

  • García-Fuentes, M.Á.; Álvarez, S.; Serna, V.; Pousse, M.; Meiss, A. “Integration of Prioritisation Criteria in the Design of Energy Efficient Retrofitting Projects at District Scale: A Case Study” Sustainability 2019, 11, 3861. DOI: 10.3390/su11143861.
  • García-Fuentes, M.Á.; Serna, V.; Hernández, G.; Meiss, A. An Evaluation Framework to Support Optimisation of Scenarios for Energy Efficient Retrofitting of Buildings at the District Level. Appl. Sci. 2019, 9, 2448. DOI: 10.3390/app9122448.
  • García-Fuentes M.Á., Hernández G., Serna V., Martín S., Álvarez S., Lilis G.N., Giannakis G., Katsigarakis K., Mabe L., Oregi X., Manjarres D., El Ridouane H., De Tommasi L.,»OptEEmAL: Decision-support tool for the design of energy retrofitting projects at district level», IOP Conference Series: Earth and Environmental Science, Central Europe towards Sustainable Building (CESB19), Prague, Czech Republic, Volume 290 012129, July 2-4, 2019. DOI: 10.1088/1755-1315/290/1/012129.
  • Martín S., Serna V.I., Álvarez S., García M.Á., Hernández G., Sicilia A., Costa G., «OptEEmAL: IT-Supported design tool for the generation of optimised energy retrofitting scenarios at district level», 2019 European Conference on Computing in Construction (EC3 2019), Chania, Crete, Greece, July 10-12, 2019, pp. 246 – 255. DOI: 10.35490/EC3.2019.169.
  • Sanz, R. & Álvarez-Díaz, Sonia & Valmaseda, Cesar & Rovas, Dimitrios. (2018). Automatic development of Building Automation Control Network (BACN) using IFC4-based BIM models. DOI: 10.1201/9780429506215-28.
  • Hernández, J.L., Martín Lerones, P.; Bonsma, P., van Delft, A., Deighton, R., Braun, J.D. (2018). “An IFC Interoperability Framework for Self-Inspection Process in Buildings”. Buildings, 8, 32. DOI: 10.3390/buildings8020032.
  • Hernández, J.L., Sanz, R., Corredera, Á., Palomar, R., Lacave, I. (2018). “A Fuzzy-Based Building Energy Management System for Energy Efficiency”. Buildings, 8(2), 14. DOI: 10.3390/buildings8020014.
  • Corredera, Alvaro & Macía, Andrés & Sanz, Roberto & Hernandez, Jose. (2016). An automated monitoring system for surveillance and KPI calculation. 1-6. DOI: 10.1109/EESMS.2016.7504806.
  • S. Martin, J. Hernandez and C. Valmaseda, «A novel middleware for smart grid data exchange towards the energy efficiency in buildings,» 2015 International Conference and Workshops on Networked Systems (NetSys), Cottbus, 2015, pp. 1-8. DOI: 10.1109/NetSys.2015.7089063.
  • Sanz-Jimeno, R., Álvarez-Díaz, S. A tool based on the industry foundation classes standard for dynamic data collection and automatic generation of building automation control networks. Journal of Building Engineering, vol. 78, p. 107625, Nov. 2023. https://doi.org/10.1016/j.jobe.2023.107625
  • Mulero-Palencia S, Álvarez-Díaz S, Andrés-Chicote M. Machine Learning for the Improvement of Deep Renovation Building Projects Using As-Built BIM Models. Sustainability. 2021; 13(12):6576. https://doi.org/10.3390/su13126576

Clientes de referencia:

Responsables

Ali Vasallo Belver

Ali Vasallo Belver

Director de División Energía

alivas@cartif.es
Susana Martín Toral

Susana Martín Toral

Directora del área Eficiencia energética

susmar@cartif.es

Proyectos relacionados

Filtrar por área o programa
marcar/desmarcar todos
Proyectos
Alimentación
Biotecnología
Economía Circular
Eficiencia energética
Industria 4.0
Infraestructuras
Patrimonio
Políticas de Energía y Clima
Recursos naturales
Salud
Sistemas de Energía
Smart Cities
Smart Grid
Soluciones Industriales
Programas
Horizonte Europa
Horizonte 2020
LIFE
Interreg
Otros internacionales
AEI Proyectos Retos Colaboración
CDTI Proyectos I+D
CDTI Proyectos de Transferencia Cervera
CDTI Proyectos Estratégicos CIEN
Proyectos I+D PYMES
Otros nacionales

SMARTeeSTORY

SMARTeeSTORY

SMARTeeSTORY creará un sistema inteligente integrado de automatización y control de edificios para supervisar y optimizar el rendimiento energético de los edificios históricos no residenciales, de acuerdo con un innovador enfoque multidominio (que integra los 9 dominios propuestos por la metodología ISR).

leer más
FoSSIS3

FoSSIS3

FoSSIS3 tiene por objetivo desarrollar una plataforma operativa basada en inteligencia artificial para dar soporte en la toma de decisiones en el proceso de planificación energética, mediante la caracterización y estimación del recurso solar, y el desarrollo de analíticas que respalden la estrategia de mejora del comportamiento energético del sector edificatorio.

leer más
MATRYCS

MATRYCS

El objetivo principal de MATRYCS es definir y desplegar una arquitectura de referencia para el intercambio, gestión y procesado en tiempo real de datos de edificios, y trasladar esta arquitectura de referencia a una caja de herramientas de analíticas de datos abierta y basada en la nube. Permitirá realizar analíticas crosectoriales basadas en inteligencia artificial para edificios eficientes e inteligentes.

leer más
PROBONO

PROBONO

PROBONO reune a un consorcio multidisciplinar Europeo de 47 socios, para convertir seis distritos europeos (PROBONO Living Labs) en Barrios de Edificios Verdes, con balance energético positivo y cero emisiones de carbono: dos grandes demostradores (Madrid y Dublin) y cuatro living labs representando a las empresas/propietarios promotores de la transición hacia edificios y barrios verdes (Oporto, Bruselas, Aarthus, Praga).

leer más

comencemos

¿Tienes un proyecto en mente?

Share This