OASYS

En 2018 Dr. Juan Miguel Morales, Profesor Titular en el Dto. de Matemática Aplicada de la UMA, fundó su propio grupo de investigación – OASYS gracias a ERC Starting Grant para desarrollar un proyecto sobre el mercado energético. El grupo ha ido creciendo y en la actualidad, está formado por 12 miembros, entre los que se incluyen profesores de universidad, investigadores postdoctorales, investigadores en formación, estudiantes de doctorado, y técnicos especialistas de apoyo administrativo. OASYS se creó para abordar una de las cuestiones más importantes en nuestra sociedad moderna: el desarrollo de métodos y soluciones matemáticas para lograr sistemas de energía renovable más eficaces, seguros y sostenibles.
El grupo trabaja varias líneas de investigación, a través de un enfoque multidisciplinar que es central en la filosofía del grupo. Sus líneas de investigación incluyen, pero no están limitadas a, el diseño, desarrollo e implementación de algoritmos, métodos y modelos matemáticos para la optimización de procesos, el uso masivo de datos y decisiones bajo incertidumbre, y técnicas de aprendizaje automático.
Sus miembros han publicado más de 160 artículos en importantes revistas de renombre científico (108 en Q1), los cuales han sido citados más de 7000 veces. Además, han divulgado sus resultados en múltiples conferencias internacionales
El grupo mantiene estrechos vínculos con equipos de investigación internacionales a través de colaboraciones en varios proyectos y estancias de investigación y cuenta con fructíferas relaciones con empresas en el sector nacional e internacional.

Premio SEIO- Fundación BBVA a la “Mejor contribución aplicada con un impacto en el ámbito social, la innovación o la transferencia del conocimiento en el campo de la Investigación Operativa”. Titulo: “Chronological time-period clustering for optimal capacity expansion planning with storage” publicado en IEEE Transactions on Power Systems, vol. 33, no. 6, pp. 7162 – 7170, 2018

https://ieeexplore.ieee.org/document/8369128
https://www.fbbva.es/galardonados/juan-miguel-morales-y-salvador-pineda/

Herramientas utilizadas:

• Optimización. Ayuda a la toma de decisiones
• Modelización matemática y simulación
• Analytics: Estadística y machine learning

Intraday trading of wind energy.

A. Skajaa, K. Edlund, J. M. Morales (2015)

IEEE Transactions on Power Systems, 30(6):3181-3189. Empresa: Oersted

Herramientas utilizadas:

• Modelización matemática y simulación.
• Analytics: Estadística y machine learning.

Operational strategies for a portfolio of wind farms and CHP plants in a two-price balancing market.

A. Hellmers, M. Zugno, A. Skajaa, J. M. Morales (2016).

IEEE Transactions on Power Systems, 31(3):2182-2191. Empresa: Oersted

Herramientas utilizadas:

• Optimización. Ayuda a la toma de decisiones.
• Modelización matemática y simulación.
• Analytics: Estadística y machine learning.

Economic valuation of heat pumps and electric boilers in the Danish energy system.

M. G. Nielsen, J. M. Morales, M. Zugno, T. E. Pedersen, H. Madsen (2016).

Applied Energy, 167:189-200. Empresa: HOFOR, COWI.

Herramientas utilizadas:

• Modelización matemática y simulación.
• Analytics: Estadística y machine learning.
• Optimización. Ayuda a la toma de decisiones.

Integration of large-scale heat pumps in the district heating systems of Greater Copenhagen.

B. Bach, J. Werling, T. Ommen, M. Munster, J. M. Morales, B. Elmegaard (2016).

Energy, 107:321-334. Empresa: EA Energy Analyses

Herramientas utilizadas:

• Modelización matemática y simulación.
• Analytics: Estadística y machine learning.
• Optimización. Ayuda a la toma de decisiones.