De la teoría de los modelos a la práctica de las soluciones: el proyecto MAtchUP

Planificación urbana sostenible, escalado de soluciones desde la energía, replicabilidad e implementación de soluciones

El proyecto MAtchUP (MAximizing the UPscaling and replication potential of high level urban transformation strategies), un proyecto Horizonte 2020 (grant agreement N°774477) coordinado por el Ayuntamiento de Valencia y en el que participan 28 entidades (entre ellas TECNALIA) de 8 países diferentes, se enmarca en la convocatoria de Smart Cities and Communities y pretende crear y desplegar soluciones innovadoras que transformen los problemas a los que se enfrentan las ciudades europeas en oportunidades de desarrollo económico, social y medioambiental.

En nuestros días, las ciudades afrontan problemas relacionados con la contaminación, la sobrepoblación, el elevado consumo de energía (y sus consecuencias ambientales, sociales y geopolíticas), haciendo que estos espacios donde transcurre la vida de la mayoría de la población europea supongan un problema de salud e insostenibilidad.

MAtchUP se enfoca en el despliegue de acciones para mejorar aspectos clave de las ciudades en i) el porcentaje de participación de energía renovable, ii) la sostenibilidad del transporte, y iii) las inversiones en tecnologías innovadoras orientadas a la sostenibilidad y, a la postre, la descarbonización, caso de las Tecnologías de la Información y la Comunicación (TIC).

Con ello, desde la selección de las mejores alternativas posibles en dichos ámbitos, se pretende evaluar el éxito de las diferentes soluciones en diversas ciudades (lighthouse) a lo largo de toda Europa, y así con ello replicar aquellos casos de éxito en otras ciudades seguidoras (followers).

Las ciudades participantes en MAtchUP son tres lighthouse: Valencia (ES), Dresde (DE), Anatolia (TR), así como cuatro followers: Ostende (BE), Herzliya (IL), Skopje (MK), y Kerava (FI).

El Proyecto se divide en tres grandes aspectos:

  1. Planificación de la transformación urbana sostenible donde se aplican todas las acciones en el marco de renovables, transporte y TICs.
  2. Diseño de esquemas de replicación y escalado de soluciones
  3. Implementación de planes para poner en práctica las soluciones a escala ciudad

De lo anterior, la necesidad de modelado en términos de Building Stock Models (BSM) y de Energy Systems Models (ESM), con un enfoque prospectivo al largo plazo, es crucial. En este sentido, TECNALIA viene desarrollando sus avances en modelos BSM basados en ENERKAD (https://www.enerkad.net/), así como los modelados de análisis de escenarios energéticos basados en el entorno Low Emissions Analysis Platform.

En la siguiente Figura 1, se muestra un ejemplo de la evolución de emisiones de gases de efecto invernadero (GEI) de una ciudad europea para el escenario tendencial (BaU).

Figura 1. Evolución de emisiones GEI de una ciudad europea para el escenario BaU dentro del proyecto MAtchUP.

TECNALIA, como miembro del proyecto, participa en varios paquetes de trabajo en tareas varias al respecto de modelado, tanto BSM como ESM, así como en aspectos relacionado con el diseño de esquemas de citizen engagement.

Con estas tareas, el proyecto establece el diseño de los Smart City Strategic Plans para cada ciudad, y posteriormente, se vertebrarán las acciones concretas en las ciudades lighthouse en el marco de la configuración de los Action Plans de la ciudad.

Algunos trabajos derivados de este proyecto son Muñoz et al. [1] y [2].

Más información en: https://www.matchup-project.eu/

Referencias

[1] Muñoz, I., Hernández, P., Pérez-Iribarren, E., Arrizabalaga, E., García-Gusano, D. 2020. Presentation online at Conference: EMP-E 2020: Modelling Climate Neutrality for the European Green Deal. See: https://www.youtube.com/watch?v=hFqKuhvROw0

[2] Muñoz, I., Hernández, P., Pérez-Iribarren, E., Pedrero, J., Arrizabalaga, E., Hermoso, N. Methodology for integrated modelling and impact assessment of city energy system scenarios. Energy Strategy Reviews 2020, 32, 100553. https://www.sciencedirect.com/science/article/pii/S2211467X20301061?via%3Dihub

Acknowledgement (agradecimientos)

This project has received funding from the European Union’s Horizon 2020 research and Innovation programme under grant agreement N°774477.