Generaciones Fotovoltaicas La Mancha, S.L. (GFM) es una compañía dedicada a la producción, comercialización e instalación de soluciones energéticas renovables, con especial foco en instalaciones fotovoltaicas y comunidades energéticas. Fundada con el propósito de impulsar la eficiencia y sostenibilidad local, GFM ha evolucionado hasta ofrecer un servicio integral que abarca desde el diseño y mantenimiento de paneles solares hasta la gestión de puntos de recarga para vehículos eléctricos.
Su modelo de negocio gira en torno a la creación de comunidades energéticas locales, organizaciones sin ánimo de lucro que buscan maximizar la participación ciudadana y optimizar el consumo compartido de energía limpia. Para ello, GFM agrupa en un único entorno (contenedor “WatEnergy”) las siguientes infraestructuras: instalaciones fotovoltaicas, puntos de consumo particulares y estaciones de recarga eléctrica, garantizando un reparto equitativo de generación y consumo mediante un gemelo digital.
Con sede operativa en Castilla-La Mancha, GFM colabora estrechamente con la Asociación para la Investigación y Desarrollo Tecnológico de la Industria de Castilla-La Mancha (ITECAM) y forma parte del DIH “Innovation for Competitiveness and Advance Manufacturing” (i4CAMhub), integrándose en redes sectoriales que promueven la innovación tecnológica y la transición energética en la región.
Generaciones Fotovoltaicas La Mancha, S.L. (GFM) emprendió este proyecto con el objetivo de crear un gemelo digital para una comunidad energética, compuesto por instalaciones fotovoltaicas, puntos de recarga de vehículos eléctricos y consumidores particulares. Antes de la intervención, la empresa enfrentaba dos desafíos principales:
Falta de integración y visibilidad unificada: Cada activo (inversores, baterías, centros de comunicaciones, cargadores) proporcionaba datos en plataformas y formatos dispares, obligando a instaladores y usuarios a consultar múltiples portales sin posibilidad de realizar cálculos de reparto de energía de forma directa ni en tiempo real.
Ausencia de telemetría remota de puntos de recarga: Los cargadores no ofrecían acceso a sus datos, por lo que toda la información relativa a su estado y consumo se gestionaba localmente, limitando el control y la supervisión a distancia.
Además, GFM debía abordar estas carencias al mismo tiempo debía asegurar la interoperabilidad de nuevos dispositivos y la escalabilidad futura del sistema. Estos retos definieron el punto de partida para el diseño de soluciones tecnológicas que permitieran capturar, tratar y visualizar datos de manera centralizada y en tiempo real.
Para dar respuesta a los retos de integración, visibilidad y telemetría remota en la comunidad energética, Generaciones Fotovoltaicas La Mancha, S.L. implementó un gemelo digital basado en una arquitectura modular de captura, tratamiento, visualización y análisis de datos. El diseño y despliegue de la solución siguió cuatro fases principales:
Captura de datos: Se instrumentaron todos los activos de la comunidad (inversores, cargadores de vehículos eléctricos, sensores IoT Shelly) para que enviasen sus lecturas en tiempo real a un nodo local.
Inversores: Publican datos al Broker MQTT. Puntos de recarga Ingeteam: Carecían de API, por lo que se desarrolló una solución con una Raspberry Pi 5 (8 GB RAM, microSD 512 GB) que, mediante Modbus TCP/IP, extrae estado, potencia y energía suministrada, almacena la información localmente y la reenvía a la nube cuando hay conectividad . Sensores Shelly: Envían datos de consumo a través de su API fabricante.
Tratamiento y centralización: Un agente Telegraf suscrito al Broker MQTT y a la API de la Raspberry Pi recoge todos los mensajes, normaliza los formatos y vuelca las series temporales en una base de datos InfluxDB. Este almacenamiento garantiza la disponibilidad inmediata de los datos y su persistencia ante cortes de conexión.
Visualización: Se desarrollaron paneles de control en Grafana, aprovechando su carácter open-source y su capacidad para conectarse directamente a InfluxDB. Estos dashboards permiten:
Verificación en tiempo real de generación (inversores) y consumo (usuarios y cargadores).
Mapas interactivos con ubicación de instalaciones.
Alertas y estados de funcionamiento para cada dispositivo
Además, se creó una interfaz web personalizada en React/JavaScript, que integra los distintos paneles de Grafana y facilita la navegación y la selección de niveles de permiso según el perfil de usuario.
Contexto espacial: selección de un equipo en el modelo 3D para consultar sus mediciones actuales.
Predicción de generación: un modelo de Machine Learning (XGBoost, Python) entrenado con datos históricos de producción y radiación solar genera pronósticos diarios de energía.
Simulación y mantenimiento predictivo: análisis de “qué-pasaría-si” ante variaciones meteorológicas y detección temprana de posibles averías.
Análisis y gemelo digital: Sobre esta plataforma de datos se desplegó un gemelo digital en Azure Digital Twins, que reproduce un escenario 3D de la comunidad energética a partir de modelos CAD vinculados a cada activo. Cualquier variación en el dispositivo físico se refleja al instante en el modelo virtual, ofreciendo:
Contexto espacial: selección de un equipo en el modelo 3D para consultar sus mediciones actuales; Predicción de generación: un modelo de Machine Learning (XGBoost, Python) entrenado con datos históricos de producción y radiación solar genera pronósticos diarios de energía; Simulación y mantenimiento predictivo: análisis de “qué-pasaría-si” ante variaciones meteorológicas y detección temprana de posibles averías.
Análisis y gemelo digital: Gracias a esta plataforma de datos, se ha habilitado la integración de un modelo de predicción para la generación solar, el cual desempeña un papel fundamental al dotar de inteligencia al gemelo digital del sistema energético. Este modelo predictivo no solo permite anticipar el comportamiento de la producción fotovoltaica, sino que también optimiza la operación y planificación de la instalación.
El modelo ha sido desarrollado internamente y se basa en un algoritmo de Random Forest utilizando la librería XGBoost, reconocida por su alto rendimiento en tareas de predicción y clasificación. Para su entrenamiento y funcionamiento, el modelo utiliza como insumos dos tipos principales de información:
Datos históricos de producción solar: Estos datos provienen directamente del propio desarrollo realizado en fases anteriores y permite obtener mediciones detalladas de la energía generada a lo largo del tiempo.
Datos históricos de radiación solar: Se recopilan datos meteorológicos correspondientes a la zona geográfica en la que se encuentra la instalación. Estos datos incluyen la radiación solar incidente, que es uno de los factores más determinantes en la generación fotovoltaica. Al cruzar esta información con la producción real, el modelo puede establecer relaciones causales y realizar predicciones más ajustadas
El sistema está alojado en las instalaciones de DFM, pero al ser una solución dockerizada, el traslado a la nube se podría realizar de manera ágil y rápida. Ha sido acompañado de un manual de usuario y formación in situ para garantizar su correcto uso y mantenimiento. Gracias a esta solución integral, GFM dispone ahora de una plataforma única que unifica, visualiza y analiza sus activos energéticos de forma centralizada, en tiempo real y con capacidades predictivas
El proyecto piloto “Gemelo Digital Comunidad Energética” de Generaciones Fotovoltaicas La Mancha, S.L. (GFM) entregó los siguientes resultados, alineados con los paquetes de trabajo definidos:
Informe de asesoramiento inicial: se generó un diagnóstico completo de la situación digital de la entidad y un plan de desarrollo para la implementación de un gemelo digital. El informe incluye conclusiones sobre acceso a APIs de inversores y carencias de telemetría en los cargadores, que fundamentaron las fases posteriores de captura e integración de datos.
Captura de datos: instrumentación de inversores, baterías, sensores Shelly y puntos de recarga con Raspberry Pi 5, garantizando la adquisición en tiempo real de parámetros críticos (potencia, energía, estado de carga) y su transmisión a la nube una vez restablecida la conectividad.
Tratamiento y centralización: despliegue de Telegraf suscrito a MQTT y APIs locales, con almacenamiento en InfluxDB; estructuración y normalización de series temporales para su posterior consulta y análisis, asegurando la integridad frente a interrupciones de red.
Visualización: desarrollo de dashboards en Grafana (paneles de consumo, comunidad y avisos) e integración en una interfaz web React, con roles y permisos configurados para perfiles de usuario y administrador.
Análisis y gemelo digital (PT04): implementación de un modelo predictivo de generación basado en XGBoost, que utiliza históricos de radiación solar para anticipar la producción diaria.
Formación y documentación (PT05): entrega de manual de usuario y formación presencial sobre uso de dashboards, mantenimiento de la captura de datos y manejo del gemelo en Azure Digital Twins.
Estos resultados evidencian que GFM ha logrado un avance significativo en digitalización, monitorización y análisis predictivo de su comunidad energética, estableciendo las bases para escalar la solución y explorar nuevas funcionalidades como reparto inteligente de energía y mantenimiento predictivo.
La incorporación del gemelo digital para la Comunidad Energética de Generaciones Fotovoltaicas La Mancha, S.L. (GFM) puede generar impactos derivados a la adopción de esta tecnología en distintos niveles de la organización, desde el operativo hasta el estratégico:
La centralización de datos de generación, consumo y estado de los activos en un único panel agiliza la toma de decisiones y reduce tiempos de diagnóstico. La telemetría continua de inversores y cargadores permite detectar incidencias al instante, minimizando interrupciones y costes de intervención.
El modelo XGBoost proporciona pronósticos diarios con precisión suficiente para planificar el balance energético y minimizar la compra de energía variable en la red. Al disponer de información en tiempo real y de alertas automáticas, GFM puede optimizar el mantenimiento y reducir costes de soporte técnico hasta en un 20 %.
La disponibilidad de series temporales normalizadas y de dashboards estructurados fomenta una cultura interna basada en el análisis de datos y el seguimiento de KPIs energéticos. La formación impartida y la experiencia en Azure Digital Twins, Telegraf, InfluxDB y Grafana refuerzan el capital humano de GFM, preparándola para proyectos de mayor escala y complejidad
La disponibilidad de series temporales normalizadas y de dashboards estructurados fomenta una cultura interna basada en el análisis de datos y el seguimiento de KPIs energéticos. La formación impartida y la experiencia en Azure Digital Twins, Telegraf, InfluxDB y Grafana refuerzan el capital humano de GFM, preparándola para proyectos de mayor escala y complejidad.
La arquitectura modular del gemelo digital permite escalar el servicio a múltiples comunidades energéticas, incorporar nuevas fuentes renovables (eólica, bombeo hidráulico) y desarrollar funcionalidades avanzadas (reparto automático de excedentes, mantenimiento predictivo ⟶ análisis “qué-pasaría-si”).
La trazabilidad completa y la capacidad de auditoría en tiempo real facilitan el cumplimiento de futuras normativas de energía distribuida y reporte de emisiones, posicionando a GFM como referente en cumplimiento y responsabilidad medioambiental.
i4CAMHUB es un Digital Innovation Hub, que ayuda a las empresas a ser más competitivas por medio de la mejora de sus procesos de negocio y de producción, así como la mejora de sus productos y servicios a través de tecnologías digitales.
i4CAMHUB actúa como un one-stop-shop (nodo único), sirviendo a las empresas en su región y área extendida a digitalizar sus negocios, aprovechando la cooperación con otras entidades, empresas y DIH europeos que puedan completar la oferta de servicios en transformación digital requeridos por el ecosistema industrial de la región.
El objetivo del i4CAMHUB es contribuir a acelerar la fase de innovación y desarrollo de producto en cualquier industria manufacturera aportando servicios que abarcan todas las etapas, desde la concepción de producto hasta su puesta en el mercado. Todo ello a través de tecnologías digitales, basadas en inteligencia artificial, como son las relacionadas con fabricación digital e impresión 3D, tecnologías Cloud, Big Data y análisis de datos, robótica y maquinaria automatizada, Internet de las cosas, realidad virtual y visión artificial.
Igualmente, i4CAMHUB realiza una importante labor en la transferencia de conocimiento de tecnologías de digitalización a la empresa con la puesta en marcha de programas de formación especializada, tanto teórica como práctica, así como con servicios de asesoramiento para la implantación de técnicas digitales en empresas.
