La herramienta busca optimizar el manejo de la luz natural en espacios interiores.
Capital y el Conicet preparan una app para ahorrar energía
En el marco de la segunda edición del Fondo Verde para la Sostenibilidad Ambiental, financiado por Banco Galicia, la Ciudad de Mendoza avanza en la implementación de proyectos que combinan tecnología y eficiencia energética. En este caso, se trata de una aplicación móvil desarrollada junto al Conicet para el cálculo predictivo de la disponibilidad de luz natural en espacios interiores.
Esto se da por medio de aprendizaje automatizado y está diseñado para asistir a arquitectos, técnicos y diseñadores en las etapas iniciales de diseño de edificaciones, permitiendo manejar el uso de la luz natural y reducir la dependencia de iluminación artificial, con el consiguiente ahorro energético.
En esta oportunidad, en la sala de reuniones del quinto piso del edificio municipal, la reunión contó con la participación del equipo liderado por Juan Manuel Monteoliva y Ayelén Villalba, junto a su equipo pertenecientes al INAHE (Instituto de Ambiente, Hábitat y Energía) del CONICET y personal técnico de las áreas de Biodiversidad y Recursos Naturales; y el área de Unidad de Proyectos Urbanos, pertenecientes a la Secretaría de Ambiente y Desarrollo Urbano del municipio capitalino.
Detalles del proyecto
Durante el encuentro, el equipo del proyecto comentó el plan de trabajo que vienen desarrollando. En enero pasado definió los criterios de cálculo para nuevas métricas dinámicas. Posteriormente durante febrero, se trabajó en el software de investigación PAC-FOVE_CDI, una adaptación del PAC-MD previamente desarrollado.
Ver: Unas 50 mujeres ensamblan paneles solares en Las Heras
Este software automatiza el procesamiento de más de 230.000 condiciones analizadas, facilitando la recolección y preparación de datos, así como el cálculo de métricas clave como la Iluminancia Característica por Luz Natural (CDI) y su variante espacial (sCDI). PAC-FOVE_CDI, desarrollado en Python 3.9, que es compatible con sistemas operativos Linux, Mac y Windows, y utiliza bibliotecas como numpy, pandas y matplotlib.
Se prevé que, entre los meses de abril a junio de 2025, se compile la información y se confeccione la base de datos final, lo que permitirá iniciar el análisis de datos y el ajuste del modelo predictivo.
Este proyecto ya ha tenido reconocimiento académico, con una ponencia presentada en la XLVI Reunión de Trabajo de la Asociación Argentina de Energías Renovables y Ambiente (ASADES), seleccionada para su publicación en la revista "Avances en Energías Renovables y Medio Ambiente". El estudio destaca la complejidad del análisis de la luz natural en interiores y la importancia de variables como el área vidriada y la transmitancia visible del vidrio en la generación del modelo predictivo.
Esta nota habla de:
