Optimización respaldada por investigación

Optimización respaldada por investigación para la planificación energética compleja.

El motor de optimización de Sympheny se basa en una década de investigación de Empa y del Dominio ETH en modelización de sistemas multienergía: optimización MILP, trazado de redes de calor, restricciones de red, clustering y comparación de escenarios con la solidez necesaria para decidir.

20+
publicaciones revisadas por pares
10+ años
línea de investigación Empa / ETH
5+
portadores energéticos en un único modelo
Afirmaciones concretas

Lo que muestra la investigación

Estructurado
flujo de trabajo de diseño

El diseño basado en plataforma proporciona a los sistemas energéticos complejos un flujo de trabajo de diseño estructurado, inspirado en industrias de ingeniería avanzada, para gestionar la complejidad y reducir el riesgo del proyecto.

Sulzer et al., Applied Energy 2023
Público
conjunto de datos del distrito de Zurich

La publicación sobre diseño basado en plataforma incluye un conjunto de datos público Modelica/Sympheny de un distrito, proporcionando a los revisores técnicos una implementación de referencia concreta en lugar de solo un marco conceptual.

LBNL Simulation Research Group GitHub dataset
10-100x
más rápido a escala urbana

Resolver una ciudad entera como un único modelo de optimización se vuelve rápidamente inabordable. Los métodos publicados a múltiples escalas y rolling horizon reducen ese tiempo de cálculo entre 10 y 100 veces, manteniéndose dentro de aproximadamente un 1 % del resultado óptimo.

Marquant et al., Applied Energy 2017; Procedia Computer Science 2015
40%
más renovables sin ampliaciones de red

La optimización de energía distribuida consciente de la red puede integrar sustancialmente más energías renovables coordinando el diseño del sistema y la operación con las restricciones eléctricas.

Morvaj et al., Applied Energy 2016
18%
reducción de emisiones en operación

Incluir restricciones de red eléctrica en los programas de operación redujo las emisiones en el caso de prueba publicado, controlando al mismo tiempo la variación de tensión y corriente.

Morvaj et al., Applied Energy 2016
23%
menores emisiones al mismo coste

Un modelo MILP simultáneo para el dimensionado de tecnologías, la operación y el trazado de redes de calor demostró que las redes de calor pueden reducir las emisiones sin aumentar el coste del sistema en el caso de estudio.

Morvaj et al., Energy 2016
Código abierto
linaje de herramienta

La Ehub Modeling Tool tradujo datos brutos de distrito en código de optimización ejecutable, estableciendo el patrón de software que sustenta el flujo de trabajo del producto actual.

Bollinger and Dorer, Energy Procedia 2017
5 niveles
marco de seguridad

La seguridad de suministro energético puede cuantificarse como un objetivo de planificación, ayudando a los equipos a evaluar la resiliencia en lugar de tratarla como un añadido cualitativo.

Sulzer et al., iScience 2025
4 casos
puente entre investigación y práctica

El trabajo aplicado de casos de estudio demostró que los flujos de trabajo iterativos con grupos de interés, la descomposición temporal, la automatización y la visualización clara de KPI son fundamentales para llevar la optimización a la práctica real de planificación.

Bollinger, Marquant and Sulzer, IOP Conference Series 2019
Paquete de validación técnica

¿Necesitas compartir la base técnica internamente?

Descarga un paquete conciso con fuentes enlazadas que incluye las afirmaciones clave, resúmenes de investigación, enlaces DOI, conjuntos de datos abiertos y notas de acceso detrás del motor de optimización de Sympheny.

Descargar paquete de validación
Investigación clave

Las publicaciones detrás del motor de optimización

Estas son las publicaciones más útiles para entender por qué el enfoque de modelización de Sympheny es creíble, auditable y práctico para el trabajo real de planificación.

Ten questions concerning modeling of distributed multi-energy systems

Georgios Mavromatidis, Kristina Orehounig, L. Andrew Bollinger, Marc Hohmann, Julien F. Marquant, Somil Miglani, Jan Carmeliet | Building and Environment, 2019

sistemas multienergía revisión de modelización optimización

Una revisión de referencia en el campo, coescrita por dos fundadores de Sympheny y el grupo más amplio de Empa. Define las cuestiones fundamentales de modelización de los sistemas multienergía distribuidos -elección de tecnología, resolución temporal y espacial, incertidumbre y optimización- y es una de las referencias más citadas para justificar por qué esta clase de problema requiere un enfoque de optimización estructurado en lugar de una hoja de cálculo.

Platform-based design for energy systems

Matthias Sulzer, Michael Wetter, Robin Mutschler, Alberto Sangiovanni-Vincentelli | Applied Energy, 2023

diseño estructurado hub energético flujo de trabajo digital

Referencia principal para el argumento de diseño estructurado: los sistemas energéticos necesitan flujos de trabajo digitales, reutilizables y multicapa porque el acoplamiento sectorial y los recursos distribuidos hacen que la planificación manual sea demasiado compleja. La publicación incluye un conjunto de datos público Modelica/Sympheny de un distrito.

Optimization-based planning of local energy systems - bridging the research-practice gap

Andrew Bollinger, Julien Marquant, Matthias Sulzer | IOP Conference Series: Earth and Environmental Science, 2019

brecha investigación-práctica automatización flujo de trabajo KPI

Publicación de práctica fundacional para la lógica de producto de Sympheny. Identifica los flujos de trabajo iterativos con grupos de interés, la descomposición temporal, la automatización y la visualización de KPI como el eslabón perdido entre la investigación de optimización madura y la adopción real en planificación.

A holarchic approach for multi-scale distributed energy system optimisation

Julien Marquant, Andrew Bollinger, Ralph Evins, Jan Carmeliet | Applied Energy, 2017

MILP clustering multiescala

Publicación clave de escalado para la optimización de ciudades y distritos. Conecta el detalle a nivel de edificio con modelos de distrito más amplios e informa de mejoras de velocidad computacional de 10-100x con pérdida mínima de precisión.

Reducing computation time with a rolling horizon approach

Julien Marquant, Ralph Evins, Jan Carmeliet | Procedia Computer Science, 2015

rolling horizon hub energético tiempo de cálculo

Muestra cómo la optimización de la estrategia de operación anual completa puede resolverse más rápido sin depender únicamente de atajos de periodos típicos.

Optimising urban energy systems: simultaneous system sizing, operation and district heating network layout

Boran Morvaj, Ralph Evins, Jan Carmeliet | Energy, 2016

redes de calor trazado de red CO₂/coste

Combina el dimensionado de tecnologías, la operación horaria y el trazado de redes de calor en un único modelo de optimización. El caso de estudio encontró una reducción del 23% en emisiones al mismo coste.

Optimization framework for distributed energy systems with integrated electrical grid constraints

Boran Morvaj, Ralph Evins, Jan Carmeliet | Applied Energy, 2016

restricciones de red renovables energía distribuida

Incorpora restricciones de red eléctrica a la optimización de sistemas de energía distribuida, demostrando que el diseño y la operación conscientes de la red pueden reducir emisiones y aplazar ampliaciones de red.

The Ehub Modeling Tool

Andrew Bollinger, Viktor Dorer | Energy Procedia, 2017

software automatización hub energético

Precursor de código abierto que muestra cómo las descripciones brutas de distrito pueden traducirse en modelos de optimización ejecutables y resultados interpretables.

Advancing the thermal network representation for optimal design

Danhong Wang, Xiang Li, Julien Marquant, Jan Carmeliet, Kristina Orehounig | Frontiers in Energy Research, 2021

redes térmicas validación del modelo MILP

Compara las aproximaciones MILP de redes térmicas con la simulación termo-hidráulica, clarificando dónde la optimización simplificada es fiable y dónde restricciones adicionales mejoran la calidad del diseño.

A call to action for building energy system modelling in the age of decarbonization

Michael Wetter, Matthias Sulzer | Journal of Building Performance Simulation, 2024

descarbonización flujo de trabajo modelización

Explica por qué los sistemas energéticos descarbonizados y digitalizados requieren un salto hacia flujos de trabajo más holísticos de modelización, simulación y optimización.

The energy supply security pyramid

Matthias Sulzer, Georgios Mavromatidis, Alejandro Nunez-Jimenez, Michael Wetter | iScience, 2025

seguridad energética resiliencia política

Convierte la seguridad de suministro energético en un marco de planificación cuantitativo, útil para decisiones de política, resiliencia e inversión en infraestructura.

Integrated energy solutions for sustainable port development

Elimar Frank, Thomas Franz, Felix Rost, Andrew Bollinger, Laura Jakobeit, Michael Schüller, Martina Heer | ISEC - 4th International Sustainable Energy Conference, 2026

desarrollo portuario acoplamiento de sectores caso aplicado

Una aplicación directa de Sympheny: el puerto suizo del Rin de Basilea-Kleinhüningen, modelado como un sistema energético integrado con múltiples hubs. Mediante optimización MILP horaria, los conceptos para 2035 reducen las emisiones de gases de efecto invernadero entre un 82 y un 97 % y las importaciones de energía entre un 39 y un 44 % con un coste anual comparable: evidencia publicada de la plataforma en una decisión real de infraestructura.

Decarbonizing the electricity grid: the impact on urban energy systems, distribution grids and district heating potential

Boran Morvaj, Ralph Evins, Jan Carmeliet | Applied Energy, 2017

descarbonización de la red redes de calor red de distribución

Vincula el diseño de los sistemas energéticos locales con la red eléctrica que tienen por encima, usando flujo de potencia AC linealizado y opciones de ampliación de red. Muestra cómo la combinación óptima en coste de redes de calor y tecnologías distribuidas cambia a medida que la red eléctrica circundante se vuelve más limpia: el tipo de cuestión prospectiva a la que empresas de suministro y ciudades se enfrentan realmente.

A new combined clustering method to analyse the potential of district heating networks at large-scale

Julien F. Marquant, L. Andrew Bollinger, Ralph Evins, Jan Carmeliet | Energy, 2018

clustering redes de calor escala urbana

Amplía el método a múltiples escalas: un esquema de clustering que estima dónde resultan rentables las redes de calor a lo largo de toda una ciudad, a partir de las características de los edificios. Es el puente entre el detalle a nivel de edificio y el cribado a escala urbana que permite a los planificadores encontrar oportunidades de red sin modelar cada edificio a mano.

Estas 14 son una selección de más de 20 publicaciones revisadas por pares de la línea de investigación de Empa y ETH Zúrich. La lista completa con enlaces a las fuentes y DOI está en el paquete de validación técnica.

La versión corta

Esto no es una calculadora estática.

Sympheny no es una capa de informes sobre hojas de cálculo. Es un flujo de trabajo de optimización para sistemas energéticos multiportador, construido en torno a métodos publicados para modelar redes, tecnologías, almacenamiento y operación horaria en un único proceso de decisión.

Optimización multienergía

Sympheny se basa en la formulación del hub energético: electricidad, calor, refrigeración, gas, hidrógeno, almacenamiento y tecnologías de conversión se modelan conjuntamente en lugar de como cálculos desconectados.

Así, la plataforma puede dimensionar tecnologías, programar la operación y comparar coste, CO₂ y autosuficiencia en un único modelo coherente.

Planificación consciente de la red

La investigación no se detiene en la elección del equipamiento. Incluye el trazado de redes de calor, las pérdidas en redes térmicas, las restricciones de red y las interacciones entre edificios.

Eso es lo que hace que Sympheny funcione para distritos, puertos, campus, empresas de suministro y comunidades energéticas con múltiples propietarios.

Escalado computacional

Los métodos de clustering y rolling horizon publicados en revistas científicas reducen la carga computacional de la optimización anual completa con múltiples edificios.

Los planificadores pueden evaluar muchos más escenarios en la misma ventana de proyecto, en lugar de reducir el problema hasta que cabe en una hoja de cálculo.

Evidencia sólida para decidir

La misma línea de investigación se ha aplicado en conceptos energéticos reales, hojas de ruta de ciudades enteras, instalaciones industriales, campus y modelización adyacente a políticas.

Es lo que convierte la ciencia en evidencia de planificación práctica: menor riesgo antes de comprometer capital, compromisos más claros y mayor confianza en la inversión.

De la investigación a la evidencia de campo

La ciencia se ha aplicado a decisiones reales de infraestructura

La investigación demuestra que el método funciona; los proyectos muestran que los equipos pueden usarlo bajo restricciones reales: múltiples propietarios, redes, tarifas, objetivos de carbono, requisitos de resiliencia y decisiones de capital.

DoD ICES

Joint Base Andrews - Thermal Network, USA

Primera aplicación de diseño basado en plataforma del DoD; diseño de red térmica completado.

Evidencia de campo para la planificación energética de instalaciones militares y el diseño de redes térmicas resilientes, fundamentada en la misma lógica de diseño estructurado y hub energético descrita por Sulzer, Wetter, Mutschler y Sangiovanni-Vincentelli.

Industrial ICES

Industrial Harbor Energy Community, Basel (IWB)

Reducción del 20-25% en costes energéticos en un sitio industrial y de suministro con múltiples grupos de interés.

El referente más cercano a sistemas energéticos de puerto, industrial y comunitario con múltiples propietarios donde se superponen las decisiones de gobernanza e infraestructura.

Commercial ICES

Net-Zero Commercial Park, Gossau, Switzerland

Reducción del 75% de CO₂ y un 20% menos en coste del ciclo de vida frente al caso de referencia.

Sólido benchmark coste-beneficio para la planificación de campus comerciales y distritos con bajo contenido en carbono.

Campus microgrid

Energy Self-Sufficient Campus, Birr, Switzerland

Diseño de autosuficiencia total con PV, hidrógeno, CHP de biogás y baterías.

Valida la lógica de isla energética, almacenamiento estacional y portador de hidrógeno en un flujo de trabajo de planificación práctico.

Red de calor

Nanoverbund, Basel

Red térmica comunitaria de compartición de calor, en funcionamiento desde 2023/24.

Evidencia de campo para el acoplamiento térmico de comunidades de instalaciones y la infraestructura energética local compartida.

Industrial ICES

Zurich Industrial Site Strategic Energy Plan

Reducción del 65% de CO₂ a paridad de coste del ciclo de vida.

Demuestra la planificación multiportador con calor residual, bombas de calor, PV, cargas industriales y restricciones de coste.

Industrial CCS

GEVAG Waste Incineration Plant, Trimmis (Graubünden)

Coste del ciclo de vida de 54–65 CHF/tonelada de CO₂. Lavado con aminas óptimo bajo escenarios de precios elevados de electricidad.

Estudio de viabilidad de captura de carbono: modelización de flujos de energía (vapor a 400 °C / 230 °C, agua caliente a 120 °C, electricidad) y comparación de lavado con aminas frente al ciclo de potasio caliente. Subcontratado por Empa. Etiquetas: industrial · CCS · descarbonización.

Por qué importa

Evidencia que respalda decisiones técnicas y de inversión

Confianza técnica

Confía en la estructura del modelo: los métodos subyacentes están publicados y revisados por pares, no son lógica oculta de hoja de cálculo.

Modela el sistema real: tecnologías, portadores, redes, almacenamiento y operación horaria interactúan en una única optimización.

Explora más opciones: los métodos de clustering y rolling horizon hacen viables conjuntos de escenarios más amplios.

Defiende la recomendación: cada escenario puede compararse en coste, CO₂, autosuficiencia e impacto en la red.

Confianza en la inversión

Reduce el riesgo de inversión antes de comprometer capital en infraestructura que durará décadas.

Cuantifica los compromisos en lugar de elegir un único concepto liderado por un proveedor demasiado pronto.

Encuentra diseños que mejoran simultáneamente el carbono y el coste cuando el sistema lo permite.

Proporciona a los defensores internos evidencia que pueden llevar ante los responsables de presupuesto, comités directivos y grupos de interés públicos.

La conclusión

Sympheny ayuda a los equipos a tomar mejores decisiones de infraestructura energética porque el método de optimización ya ha sido sometido a prueba.

La propuesta comercial es sencilla: escenarios más creíbles, iteración más rápida y compromisos de inversión más claros para sistemas energéticos complejos.

Book a demo