Financiación proyecto CTDI

Descripción y objetivos del proyecto

El proyecto tiene como objetivo principal desarrollar un producto innovador de telegestión basado en tecnologías inteligentes para gestionar, analizar y procesar datos, con el fin de asegurar una evaluación precisa de los consumos energéticos.

En aras de contribuir a alcanzar una mayor eficiencia energética y optimizar el uso de los recursos, el objetivo general del proyecto es el desarrollo de un nuevo producto basado en tecnologías inteligentes capaces de gestionar, analizar y procesar datos, con el fin de garantizar una evaluación precisa de los consumos registrados. Estas tecnologías estarán diseñadas para proporcionar una respuesta lógica y coherente en términos de funcionamiento, ordenando los datos procesados de manera efectiva. Su implementación se traducirá en una mejora significativa de la eficiencia energética y un uso óptimo de la energía en los sistemas e instalaciones en que se apliquen, generando beneficios económicos y medioambientales sustanciales.

En el proyecto se plantea el desarrollo de tecnologías avanzadas respecto a la arquitectura de la solución, el uso de inteligencia artificial conversacional, y el tratamiento de imágenes y audio e IoT. Además, todo ello, con un enfoque multiplataforma y automatizando tanto el desarrollo en el backend como la generación de documentación de APIs. Es por ello por lo que se desarrollará una versión inicial (prototipo) de software que se desplegará sobre la solución de la que se dispone, OTEA, y los desarrollos se validarán en una prueba piloto en entorno industrial, conectados a una instalación de autoconsumo.

Lugar de ejecución: A Coruña
Plazo de ejecución: 02/2024-10/2026
Presupuesto del proyecto: 477.921,00 €
Importe financiado por la UE: 139.171,30€

Resultados

Año 2024

En esta fase de 2024 se han gestionado y procesado volúmenes significativos de información técnica para configurar el núcleo de la plataforma inteligente.

Parámetros de Inteligencia Artificial:
- Se analizaron y testearon múltiples modelos: LLaMA (versión 1), GPT-3.5, GPT-3.5-Turbo, GPT-4o, GPT-4o-mini, Gemini, Mixtral y Mistral
- Se aplicaron ajustes de temperatura variables (0.9, 0.7, 0.5) para equilibrar la creatividad y la precisión de las respuestas
- Se implementaron técnicas avanzadas como RAG (Retrieval-Augmented Generation), fine-tuning y prompt engineering mediante el uso de librerías como LangChain
Tratamiento de Datos Energéticos:
- Se han definido estructuras de datos en formato JSON para la comunicación entre la IA y la plataforma OTEA.
- Se han aplicado métodos de regresión lineal para el cálculo de líneas base y metodologías de grados hora y grados día para analizar el impacto climático
- Para la calidad de la información, se han utilizado modelos de interpolación y clusterización para la reconstrucción de huecos de datos

Resumen de Hitos Alcanzados (Hito 1 en 2024)

El proyecto ha completado con éxito las fases de análisis, diseño y las pruebas iniciales de los módulos principales previstos para el primer año:

Módulo de Benchmarking y Gestión Energética:
- Finalización del diseño y desarrollo de un sistema de ranking y comparación entre instalaciones.
- Implementación de filtros avanzados (por número de oficinas, indicadores y rangos de fechas) y visualización de consumos medios y horarios.
- Validación exitosa de informes comparativos basados en datos reales de contadores energéticos.
Asistente Virtual (Nerea – Fase 1):
- Definición de una arquitectura robusta basada en Docker, SQL, FastAPI/Django y un microservicio de IA Agent.
- Selección de ChatGPT como el modelo más viable por su precisión en español y tiempos de respuesta, tras descartar modelos OpenSource y Gemini en las pruebas piloto.
- Capacidad demostrada para generar tableros, descargar datos y crear gráficas mediante lenguaje natural.
Inteligencia Artificial y Diagnóstico:
- Ejecución exitosa de modelos locales (LLaMA, Mixtral) para predecir errores en maquinaria, identificando que los modelos basados en Wizard ofrecen mayor calidad de respuesta.
- Identificación de limitaciones críticas, como la dificultad de los modelos actuales para realizar cálculos matemáticos complejos y la tendencia a generar «alucinaciones», lo que ha permitido ajustar la estrategia hacia una lógica híbrida.
Demanda Flexible:
- Se ha logrado la integración técnica con la plataforma Bamboo, definiendo los flujos de envío de datos de consumo y recepción de órdenes de activación para el control de la demanda.
Priorización Estratégica:
- Se ha decidido posponer el módulo de Facturación para el Hito 2 (2025) con el fin de concentrar recursos en el avance de la Inteligencia Artificial, que ha requerido un 41% más de horas de desarrollo de lo previsto debido a la rápida evolución del sector

Año 2025

En esta fase de 2025 se refleja una intensificación en las áreas de inteligencia artificial y asistentes conversacionales.

Resumen de Hitos Alcanzados (Hito 2 en 2025)

Evolución del Asistente Virtual (Nerea):
- Fase 2: Se completó la transición de un modelo de respuestas simples a un sistema conversacional avanzado basado en grafos de estado (LangGraph), permitiendo la gestión de procesos complejos y la autocorrección de errores. Se implementó persistencia en SQL Server para memoria a largo plazo y seguridad estructural contra prompt injection.
- Fase 3 (Adelantada): Se integró la capacidad de lectura de manuales técnicos mediante arquitectura RAG y la librería FAISS, y se diseñó un motor de diagnóstico híbrido que combina IA con reglas físicas programadas en Python.
Simulador de facturas:
- Se desarrolló y validó una herramienta capaz de replicar el sistema tarifario español (actualizado a 2026), permitiendo la comparación de facturas reales vs. ficticias y la detección de errores de facturación mediante el análisis de energía activa, reactiva y potencia
Huella de carbono:
- Se finalizó el análisis técnico para el relleno de huecos (gaps) utilizando métodos como la media, proporcionalidad y el algoritmo KNN

#EuropaSeSiente