LF Energy incorpora cuatro proyectos abiertos para gestionar activos, edificios y redes eléctricas
Fecha efectiva / observada:
Qué ha cambiado
LF Energy ha anunciado la incorporación a su ecosistema de cuatro proyectos abiertos orientados a problemas concretos del sistema energético: decidir cuándo mantener o sustituir activos, simular la flexibilidad energética de edificios, aplicar redes neuronales de grafos a redes eléctricas y comparar sistemas de gestión energética doméstica. QUÉ HA CAMBIADO El anuncio del 15 de septiembre de 2026 reúne cuatro proyectos dentro del ecosistema de LF Energy: AssetLife, CityLearn, EnerGNN y Smart HEMS Benchmark. Los cuatro aparecen actualmente en etapa Sandbox dentro del ciclo de proyectos de LF Energy, por lo que conviene mirar cada herramienta por separado y no asumir el mismo grado de madurez o despliegue real. 1. ASSETLIFE: DECIDIR CUÁNDO MANTENER, REPARAR O SUSTITUIR ACTIVOS AssetLife es una biblioteca Python abierta que utiliza datos históricos de fallos, reparaciones, duración de servicio y otros factores para modelar la vida útil de activos y comparar estrategias de mantenimiento. Puede estimar costes esperados, número de sustituciones y políticas de renovación, e incorporar costes sociales como el precio sombra del carbono. LF Energy indica que AssetLife nació en RTE y que existen usuarios de producción como RTE, TenneT, AusNet y GRTgaz. Proyecto: https://lfenergy.org/projects/assetlife/ Código/documentación: https://opensource.rte-france.com/AssetLife/ 2. CITYLEARN: PROBAR CÓMO COORDINAR EDIFICIOS, BATERÍAS, VEHÍCULOS Y SOLAR CityLearn es un entorno de simulación abierto para desarrollar y comparar estrategias de control energético en edificios y comunidades. Permite modelar baterías, bombas de calor, vehículos eléctricos, fotovoltaica y almacenamiento térmico, y comparar en el mismo entorno control basado en reglas, control predictivo y aprendizaje por refuerzo. Puede interesar a investigadores, empresas de energía, agregadores y equipos que quieran probar estrategias de flexibilidad antes de llevarlas a sistemas reales. Proyecto: https://lfenergy.org/projects/citylearn/ Web: https://www.citylearn.net/ Código: https://github.com/citylearn-project/CityLearn 3. ENERGNN: IA PARA ANALIZAR REDES ELÉCTRICAS COMPLEJAS EnerGNN es una biblioteca Python abierta basada en redes neuronales de grafos. Está diseñada para problemas donde la estructura de la red cambia y hay que analizar muchas condiciones operativas. RTE la utiliza en investigación y desarrollo sobre datos de la red francesa a escala completa para casos como cribado de contingencias, control de tensión y optimización de topología. IMPORTANTE: LF Energy aclara que estos usos son demostraciones de I+D y no despliegues de control autónomo en sala de operaciones. Sus resultados están pensados para apoyar decisiones humanas. Proyecto: https://lfenergy.org/projects/energnn/ Código: https://github.com/energnn/energnn Documentación: https://energnn.readthedocs.io/en/stable/ 4. SMART HEMS BENCHMARK: COMPARAR SISTEMAS DE GESTIÓN ENERGÉTICA DOMÉSTICA Smart HEMS Benchmark pretende crear una base neutral para comparar sistemas y algoritmos de gestión energética del hogar usando datasets, escenarios y métricas comunes. Incluye decisiones sobre tamaño de solar y baterías, gestión diaria del hogar y participación en servicios de red mediante recursos energéticos distribuidos. Puede servir a fabricantes, investigadores, utilities y, en el futuro, a usuarios que quieran comparar sistemas HEMS sobre una base más homogénea. El proyecto está en Sandbox y LF Energy indica que avanza hacia un lanzamiento open source a finales de 2026, por lo que no debe presentarse todavía como una herramienta madura disponible para cualquier usuario final. Proyecto: https://lfenergy.org/projects/smart-hems-benchmark/ OTROS CAMBIOS DEL MISMO ANUNCIO LF Energy también comunicó nuevos miembros y varios hitos de madurez en proyectos existentes: OpenSTEF 4.0, SEAPATH en etapa Graduated, CoMPAS en Early Adoption y Grid2Op y OpenGridFM avanzando a Incubation. A QUIÉN PUEDE INTERESAR Si gestionas infraestructuras: AssetLife puede servir para estudiar mantenimiento y renovación. Si investigas edificios o flexibilidad energética: CityLearn ofrece un entorno reproducible. Si trabajas con IA aplicada a redes: EnerGNN ofrece código y documentación para experimentar. Si desarrollas HEMS, baterías, solar o VPP: Smart HEMS Benchmark puede convertirse en una referencia neutral de comparación. Si eres usuario doméstico: la utilidad directa todavía es limitada; la parte más cercana al consumidor es Smart HEMS Benchmark, pero aún está en desarrollo. QUÉ PUEDES HACER AHORA Puedes abrir cada proyecto, revisar su documentación y código, comprobar su etapa actual y decidir si encaja con tu trabajo. En los proyectos que aceptan contribuciones también existen repositorios, listas de correo, Slack o reuniones públicas. Fuente del anuncio: https://www.linuxfoundation.org/press/lf-energy-expands-global-energy-ecosystem-with-new-members-open-source-projects-and-technical-milestones QUÉ VIGILARÁ RADARABIERTO RA debe seguir la evolución de estos cuatro proyectos, especialmente cambios de etapa, nuevas versiones, adopción real, documentación, casos de uso verificables y el lanzamiento abierto previsto de Smart HEMS Benchmark. También interesa comprobar cuándo una herramienta pasa de investigación o Sandbox a uso operativo demostrable.
Por qué puede importarte
Puede interesar a operadores de red, utilities, investigadores, desarrolladores de IA energética, responsables de activos y fabricantes de sistemas domésticos de energía. RA convierte un anuncio agregado en cuatro herramientas concretas que pueden explorarse, probarse o seguirse por separado.
Cómo ha evolucionado
Primer registro en RadarAbierto: 15/09/2026. Estado actual: actual. Añadiremos los cambios posteriores sin borrar este registro.
Qué todavía no sabemos
Los cuatro proyectos aparecen actualmente en etapa Sandbox de LF Energy, pero su madurez práctica no es equivalente. AssetLife tiene usuarios de producción declarados; EnerGNN se usa en I+D a escala real pero no como control autónomo de sala de operaciones; Smart HEMS Benchmark sigue avanzando hacia un lanzamiento open source previsto para finales de 2026.
Seguir el contexto
La señal conserva procedencia y relaciones internas para que puedas comprobar el origen y explorar cambios relacionados.
Esta ficha verificable es igual para todos. Puedes indicar si te afecta, si no se entiende, si quieres seguirla o si no te interesa. Para que seguir u ocultar cambie solo tu selección, crea Mi Radar.