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.
Las fuentes incluyen revistas revisadas por pares, repositorios de ETH y Empa, conjuntos de datos abiertos y aplicaciones de proyecto publicadas. Las afirmaciones de esta página enlazan a la publicación, conjunto de datos o evidencia de caso subyacente cuando está disponible.
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.
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 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.
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 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.
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.
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.
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.
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.
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.
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.
