Eines avançades per a la gestió energètica eficient i la planificació estratègica en edificis públics i ciutats
BeeMind
Un consorci de:
En col·laboració amb:
BEEMind
Tecnologia per a edificis i ciutats resilients 4.0
Espai de dades per a la creació de models d'energia pel disseny intel·ligent en entorns urbans
BEEMind Tools
MindCity
MindOpera
MindCity
BEEMind:MindCity
Ciutats 4.0 : Mediambientalment intel·ligents
Descripció
És una solució orientada a la digitalització i gestió integrada de dades a escala territorial per a ajuntaments, entitats supramunicipals i consorcis. Permet visualitzar, analitzar i planificar actuacions d’eficiència energètica a partir d’informació harmonitzada de múltiples fonts públiques i pròpies.
Una eina essencial per a ciutats intel·ligents, plan ficació energètica, adaptació d'infraestructures públiques proveïdors de serveis digitals.
BEEMind : MindCity
Integració, processament i visualització de grans quantitats dades a nivell d'edificis de la ciutat
Models d'IA per a la generació d'escenaris per a la rehabilitació i resiliència urbana davant events extrems
Càlcul d'indicadors geoespacials detallats relacionats amb l' acció climàtica i transició energètica
Avaluació d’escenaris de vegetació i climatologia urbana.
Màxima interoperatibilitat amb estandards coneguts i capactitats d'exportació en formats goreferenciats.
Funcionalitats
Ciutats 4.0 : Mediambientalment intel·ligents
Facilita la presa de decisions estratègiques en l’àmbit energètic, climàtic i urbanístic
Optimitza els recursos i procesos per a un anàlisi massiu de dades de la ciutat
Millora la coordinació entre departaments tècnics i d'interacció amb la ciutadania
Permet obtenir visió detallada i la identificació de patrons de comportament urbà
Alta escalabilitat a qualsevol ciutat de l'estat espanyol.
Beneficis
Una eina per a l'anàlisi massiva del potencial d'instal·lacions solars fotovoltaiques en entorns urbans. Es diferencia d'altres eines (Solar API de Google) per proporcionar perfils horaris de generació tenint en compte els efectes d'ombres en entorns urbans
Prospecció massiva d'autoconsum fotovoltaic
Tecnologia
MindOpera
BEEMind : MindOpera
Edificis 4.0 : Eficiència energètica i protecció climàtica
Descripció
Solució modular per a la integració de dades operatives d’edificis públics o privats, amb l’objectiu de millorar-ne l’eficiència energètica, facilitar el manteniment i centralitzar el coneixement sobre el seu funcionament.
Una eina essencial per a ciutats climàtica i energèticament intel·ligents: Planificació energètica, adaptació d'infraestructures públiques i proveïdors de serveis digitals.
BEEMind : MindOpera
Integració de dades operatives heterogenies (des dels medidors de conusm i temperatura, ordres de manteniment i mesures d'eficiència energètica, generació renvables).
Harmonització automàtica de registres de múltiples fonts (Modbus, Bacnet, DEXMA, etc.).
Generació d'idicadors (autoconsum, PR, CO₂ evitat, etc.).
Visualitzacions adaptables a cada infraestructura.
Mòduls d'IA per a mateniment i control predictiu i optimització energètica
Funcionalitats
Edificis 4.0 : Eficiència energètica i protecció climàtica
Orquestració i harmonització de grans quantitats de dades operatives d'edificis
Millora la gestió global d'equipaments i edificis comercials
Disminueix el temps de supervisió i genera alertes intel·ligents.
Alta interoperabilitat i comunicació amb sistemes de gestió i manteniment.
Apte per a gestors de portfolios d'edificis públics i comercials.
Beneficis
Tecnologia BEEGroup
Arquitectura de BEEMind
ENMA és una arquitectura big data open source desenvolupada per CIMNE que ofereix serveis a la ciutat de Barcelona i a 10.000 edificis de la Generalitat de Catalunya. Permet la recol·lecció, harmonització i anàlisi intel·ligent de grans volums de dades heterogènies
ENMA: Plataforma d'harmonització i anàlisi massiu
ENMA: Plataforma d'harmonització i anàlisi massiu
Arquitectura BEEMind
Imatge: arquitectura
ENMA: Plataforma d'harmonització i anàlisi massiu
Arquitectura de BEE_DIGIHUB
Arquitectura BEEMind
BEEGeoUna eina web d'anàlisi espacial que permet visualitzar i comparar el consum energètic per codi postal. Facilita la identificació de patrons territorials i zones prioritàries per a actuacions energètiques
BEEGeo: Plataforma de benchmarking energético geográfico
Tecnologia BEEGroup
IVC
Índex Vulnerabilitat Climàtica
Outputs
Tecnologia BEEGroup
Data i sistema de coneixement
1. Data at building level
2. Data and census tract level
3. Data and postal code level
Característiques de l'edificació:
Energia
Nombre d'habitatges
Edifici construït per a ús
Any efectiu de la construcció
Categoria / Valor econòmic
Dades i indicadors
Tecnologia BEEGroup
Tipologia
Indicadors de manteniment
Dades i indicadors
Condicions meteorològiques:
Demogràfica i socioeconòmica
Construir demanda tèrmica
Indicadors
Tecnologia BEEGroup
Ordres de treball
Processos tècnics i d'integració
Monitorització
Edificis
Control i seguiment
Integració massiva de dades
Ingestors
Ontologies i modelatge
Harmonització i analítica
Integració massiva de dades
Ingestió de dades
Procés de dades
Ingestors
Integració massiva de dades
Ingestió de dades
Dades Públiques
Captació dispositius
Ingestió de dades
ENMA en acció
Processos d'ingestió
Integració massiva de dades
Ontologies i modelatge
Ontologies i models de dades
Model demanda tèrmica
Tres models: diferents objectius
Red Neuronal de Grafos (GNN)
Model general per a predir indicadors a nivell d'edifici, basat en mesuraments reals, la ubicació dels edificis i les seves relacions entre diferents capes d'agregació.
Model de Demanda d'Energia tèrmica d'Edificis
Simulació de la demanda energètica dels edificis en àrees urbanes, basada en: arquetips, tipologies de construcció, dades meteorològiques micro-locals, patrons de comportament dels usuaris
Model d'Escalat de Resolució Meteorològica
Model de predicció per a augmentar la resolució de les dades meteorològiques, passant de la *mesoescala a la microescala.
Integració i harmonització
Red Neuronal de Grafos
HTG (Heterogeneus Temporal Graph)
Arquitectura i models analítics
Entitats i relacions principals del model de dades
Els nodes del model de dades es poden agrupar en tres dominis principals per simplificar la seva
estructura i funcionalitat:
1. Nodes Georeferenciats: Inclou entitats com Patrimonis, Espais i Municipis, que defineixen ubicacions físiques o jerarquies espacials dins del sistema. Aquests nodes representen la base geogràfica del model, connectant propietats amb la seva localització en el territori.
2. Nodes Descriptius Estàtics: Proporcionen informació addicional sobre els nodes georeferenciats, com ara característiques físiques, usos, parcel·les cadastrals, adreces i informació contractual. Aquest domini encapsula propietats estàtiques que no canvien sovint però són crucials per descriure completament l'entitat.
3. Nodes de Sistemes Connectats: Representen la infraestructura tècnica associada al patrimoni i espais, incloent sistemes de monitorització i control, dispositiuus IoT i sistemes
Integració i harmonització
Data Model - Infraestructura
Modelització edificis
Harmonització i analítica
Processos
????????
Microclima
Processos d'harmonització
Integració i harmonització
Identificació i atmonització de dades
Processos d'harmonització
Elements bàsics-GEO referencials
Integració massiva de dades
Model de dades ICAT
Alcover
SES Fonts del Glorieta
--geosp_sfContains
--geosp_sfContains
Edifici 2
Arquitectura i models analítics
Ontologia BIGG per a estructurar les dades
Web semàntica
A través de l'ús massiu de dades i de processos de machine learning i intel·ligència artificial permet fer una analítica amb uns resultats d'un gran valor mediambiental i d'eficiència dels recursos públics.
MindCity
Interfície d'entrada
Dashboard Administració
MindCity
Mòdul: Control i manteniment
KPI's de seguiment
MindCity
MindCity
Mòduls i APP
APP ciutadana
Ingestió de dades
ENMA en acció
Millora continua i qualitat dels datasets
Integració massiva de dades
Integració massiva de dades
Text
MATCH (n:bigg__Patrimony)-[:bigg__isManagedBy]-(o) MATCH (n:bigg__Patrimony)-[:bigg__hasLegalStatus]-(Ls) MATCH (n:bigg__Patrimony)-[:gn__featureCode]-(fc) MATCH (n:bigg__Patrimony)-[:gn__featureClass]-(fcl) MATCH (n:bigg__Patrimony)-[:vcard__hasAddress]-(ass) MATCH (n:bigg__Patrimony)-[:bigg__hasContract]-(cont) RETURN n,o,Ls,fc, fcl, ass, cont Limit 1
Dades descriptives
Arquitectura i models analítics
Data Model Infraestructures Cat
Infraestructures.cat
infrastructures-data/sources at main · BeeGroup-cimne/infrastructures-data (github.com)
Casos d'ús
Infraestructures.cat
ICAEN
Mapa Vulnerabilitat BCN
Infraestructures.cat
Casos d'ús
Objectius
Desplegar una infraestructura d’orquestració de dades per a edificis públics amb sistemes de monitoratge (DEXMA, Modbus, etc.) i generació fotovoltaica, integrant dades estructurals, operatives i energètiques
Infraestructures.cat
El projecte
Control anàlisi de les dades dels equipaments sota la seva gestió directa.
Actors principals
Ajuntaments i Oficines de Transformació Comunitària
Entitats socials i energètiques
Desenvolupadors de polítiques públiques
Casos d'ús
Algunes dades
Infraestructures.cat
Actualment, MindCity dona suport a un ecosistema de més de 10.000 equipaments, dels quals:
1.000 disposen de dades de manteniment estructurades,
amb més de 40.000 zones, 100.000 actius digitals,
i més d’1 milió d’ordres de treball processades.
integra dades de més de 250.000 dispositius IoT mitjançant protocols com Modbus i BACnet, recopilant en temps real informació dels sistemes de control dels edificis.
Casos d'ús
Infraestructures.cat
Tecnologia emprada
En aquest projecta s’utilitza una infraestructura basada en Kubernetes i Apache Kafka.
Control i análisi de dades
Gestió directa
ICAEN
Casos d'ús
Objectius
Integrar i visualitzar dades d’actius municipals i territorials a escala de ciutat/regió, com ara fotovoltaica, BMS, climatització, EV charging o subministraments d’aigua, per facilitar la presa de decisions energètica i estratègica.
Institut Català d'Energia
El projecte
Seguiment i avaluació del Pla d’Estalvi Energètic dels edificis de la Generalitat de Catalunya.
Casos d'ús
ICAEN
Benchmarking
Mapa Vulnerabilitat BCN
Casos d'ús
Objectius
Mapa vulnerabilitat
El projecte
El Mapa de Vulnerabilitat Climàtica de Barcelona és una eina d'anàlisi geoespacial dissenyada per a identificar els edificis de la ciutat més vulnerables en cas d’events extrems relacionats amb calor.
Un model de dades interoperable i escalable i una metodologia d'optimització que es pugui aplicar a altres ciutats europees.
Valor afegit
Casos d'ús
Mapa i app de vulnerabilitat climàtica
APP La Meva Energia
Avaluació de la vulnerabilitat a nivell d'edificis a les onades de calor:
Casos d'ús
KPI's
Mapa i app de vulnerabilitat climàtica
Casos d'ús
El valor estratègic i comunitari de ciutat
Administració Pública
Casos d'ús aplicats
Què pot fer una administració pública?
Administració Pública
Què aconsegueix?
Valor afegit energètic i estratègic
MindOpera
Taula comparativa City & Opera
MindCity
La Plataforma BEE_DigiHub
Filtres
A través dels filtres triem la funcionalitat que ens interessa
La Plataforma BEE_DigiHub
Panell Administració
Configuració
La Plataforma BEE_DigiHub
Supervisió Energètica
Vista Global
La Plataforma BEE_DigiHub
Supervisió Energètica
Vista Específica
La Plataforma BEE_DigiHub
Tauler de controli manteniment
KPI's de seguiment
La Plataforma BEE_DigiHub
Supervisió FV Autoconsum
Dades globals de tota la xarxa
Gobernança i llicències
Gobernança i llicències
Protecció
Planificació
Alt valor estratègic
Gobernança i llicències
Aposta per la innovació
Economia d'escala
Codi lliure i obert
Una administració lliure
Gobernança i llicències
Llicència EUPL-1.1
Tipus de llicència
Un marc legal sòlid que promou la col·laboració i la millora contínua del programari en l'àmbit públic