Dos profesores de la EII obtienen uno de los cuatro Premios SEIO-Fundación BBVA por su aportación a la investigación operativa con alto impacto potencial en la vida cotidiana


Juan Miguel Morales y Salvador Pineda, profesores del Departamento de Matemática Aplicada y del Departamento de Ingeniería Eléctrica de la Universidad de Málaga respectivamente, han obtenido el premio a la mejor contribución aplicada en Investigación Operativa en la edición del 2020 de los Premios Sociedad de Estadística e Investigación Operativa - Fundación BBVA. Estos dos profesores titulares fundaron, en 2018, el grupo de investigación Optimization and Analytics for Sustainable energY Systems (OASYS) de la Universidad de Málaga y el trabajo premiado es el primero que realizaron en ese grupo, tras su regreso a España desde la Universidad Técnica de Dinamarca y la Universidad de Copenhague, respectivamente.
Los autores han desarrollado un método que reduce sustancialmente la carga computacional para la planificación de los sistemas de energía y que, probado sobre un caso real basado en el sistema eléctrico europeo, reduce a la mitad el margen de error de los métodos más utilizados.
La red de energía es una de las infraestructuras más grandes y estratégicas de cualquier país y, para optimizar su ampliación, hay que compaginar criterios que van desde el coste-eficiencia, la sostenibilidad y el impacto ambiental hasta la necesidad de garantizar la fiabilidad y seguridad del suministro al usuario final (industria, hospitales, hogares…). Los modelos matemáticos para planificar esta ampliación manejan gran cantidad de datos de generación y demanda de energía cuyo tratamiento se hace casi imposible cuando se incluyen fuentes renovables como las energías eólica y solar, y sistemas para su almacenamiento. Los autores han desarrollado un método que reduce sustancialmente la carga computacional para la planificación de los sistemas de energía y que, probado sobre un caso real basado en el sistema eléctrico europeo, reduce a la mitad el margen de error de los métodos más utilizados.
Puede encontrar más información sobre la noticia en el siguiente enlace.