Consulta de Guías Docentes

Academic Year/course: 2022/23

636 - Master's in Renewable Energies and Energy Efficiency

66385 - Big Data techniques in Renewable Energy Systems

Syllabus Information

Academic Year:
66385 - Big Data techniques in Renewable Energy Systems
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
636 - Master's in Renewable Energies and Energy Efficiency
Second semester
Subject Type:

1. General information

1.1. Aims of the course

The objectives of the course are the following:

  •  To know how to carry out exploratory data analysis to discover their main characteristics and relationships between them.
  •  To know the basic concepts and techniques of machine learning, both supervised and unsupervised.
  •  To know how to use software tools and libraries to process large volumes of data and identify trends, properties, and phenomenology in them.
  •  To apply the knowledge acquired to the different problems existing in renewable energy sources.

These approaches and objectives are aligned with some of the Sustainable Development Goals, SDG, of the 2030 Agenda ( and certain specific goals, in such a way that the acquisition of learning outcomes of the subject provides training and competence to the student to contribute to some extent to their achievement:

Goal 7: Affordable and clean energy

  • Target 7.1 By 2030, ensure universal access to affordable, reliable and modern energy services
  • Target 7.2 By 2030, considerably increase the proportion of renewable energy in all energy sources
  • Target 7.3 By 2030, double the global rate of improvement in energy efficiency

Goal 9: Industry, Innovation and infrastructure.

  • Target 9.4. By 2030, modernize infrastructure and convert industries to be sustainable, using resources more efficiently, promoting the adoption of clean and environmentally sound technologies and industrial processes, and ensuring that all countries take action according to their respective capabilities.

Goal 13. Climate action

  • Target 13.3 Improve education, awareness and human and institutional capacity regarding climate change mitigation, adaptation, reduction of its effects and early warning.

1.2. Context and importance of this course in the degree

This subject is included in the optional "transversal topics" module taught during the first year's second semester. The subjects of this optional module allow the student to intensify their skills and specialize in aspects related to renewable energies and energy efficiency that cannot be included in the specialization "Electrical systems" or "Thermal Systems". 

1.3. Recommendations to take this course

Students must have a series of previous knowledge for correct learning of the subject. Above all, the student needs a good grounding in mathematics, and the main characteristics of the renewable energy sources studied in the degree.

Following the lectures, problems, laboratory, and external practices are essential, as well as personal study and the preparation of the assignments for the subject.

Continuous work is fundamental to good use of the knowledge transmitted in the classes and passing it successfully. To facilitate this ongoing work, the student has the teacher's advice, both during lessons and tutoring hours, specially designed for this purpose.

2. Learning goals

2.1. Competences

The following skills are developed in this subject:



CB6.- Possess and understand the knowledge that provides a base or opportunity to be original in the development and/or application of ideas, often in a research context.

CB7.- That students know how to apply the knowledge acquired and their ability to solve problems in new or little-known environments within broader (or multidisciplinary) contexts related to their study area.

CB8.- That students can integrate knowledge and face the complexity of formulating judgments based on information that, being incomplete or limited, includes reflections on the social and ethical responsibilities linked to applying their knowledge and judgments.

CB10.- That students have the learning skills that allow them to continue studying in a way that will be largely self-directed or autonomous.


CG1.- Carry out research, development and innovation in products, processes and methods concerning energy efficiency.

CG2.- Carry out research, development and innovation in products, processes and methods concerning renewable energies.

CG4.- Follow the technological evolution of renewable energies and have prospective knowledge of this evolution.

CG5.- Apply knowledge of advanced sciences and technologies to the professional or investigative practice of efficiency.

CG7.-Assess the application of emerging technologies in energy and the environment.

CG9.- Solve complex problems in the field of energy efficiency and sustainability.


CE1.- Use and develop methodologies, methods, techniques, programs for a specific use, norms and computing standards.

CE3.- Assess the importance and implications of energy use in the development of society.

CE5.- Identify the energy management, improvement and optimization processes in the industry.

CE7.- Describe the technologies related to sustainable mobility.

CE8.- Describe the smartgrids associated with energy management and distribution.

CE9.- Analyze energy consumption and associated costs and prepare energy audits.


2.2. Learning goals

The student, to pass this course, must demonstrate the following results...

  • To know preprocessing, auditing and filtering techniques for their application in large data sets.
  • To learn about machine learning techniques, supervised and unsupervised, for data analysis.
  • To identify the strengths and weaknesses of machine learning techniques with large volumes of data.
  • To manage machine learning tools and libraries in R and Python.
  • To use advanced data mining techniques and advanced computation to solve problems in renewable energy systems where large volumes of data are available.
  • To analyse and predict results from time series in the context of renewable energies.

2.3. Importance of learning goals

The exploratory analysis of data allows identifying the characteristics and relationships between them, thus being able to obtain interesting results of the operation of renewable energy systems practically immediately and which are not easy to observe without such analysis.

The knowledge of supervised and unsupervised automatic learning techniques will allow students to apply them to a multitude of different types of data and information from renewable sources in order to process them and obtain advanced information on the sources, such as electricity demand management, energy consumption disaggregation, detection of faults in electrical systems and early detection of component failures in renewable energy systems, being able to implement predictive maintenance methodologies. 

Finally, the knowledge of software tools such as R and Python, as well as advanced libraries will allow students to extrapolate their knowledge to any other branch of science and engineering. 

3. Assessment (1st and 2nd call)

3.1. Assessment tasks (description of tasks, marking system and assessment criteria)

In the ordinary call, the evaluation will consist of:

  •  Academic works (including those derived from lab sessions): 60%
  •  Oral presentations and debates: 20%
  •  Objective tests (test type): 20%

The student who does not opt for the evaluation procedure described above in the first call will have the right to take a global evaluation test (the subject will be evaluated entirely in a single test).

The call for extraordinary evaluation will be carried out through a global test carried out in the period established for this purpose.

4. Methodology, learning tasks, syllabus and resources

4.1. Methodological overview

The subject is structured around three axes: lectures, problems, case resolution and practical sessions.

In the lectures, the basic concepts are explained and are related to the technical characteristics of the processes, combining them with the problem-solving sessions and cases (exercises that the students solve in class and are corrected), serving as support to fix understanding of concepts.

In the practical sessions, computer programs are used to study practical cases that are more complex than those presented on the board, where specific calculation power is necessary for their resolution. 

4.2. Learning tasks

In order for students to achieve the learning outcomes described above and acquire the skills designed for this subject, the following training activities are proposed:

  • A01 Lectures (6 hours): content presentation by the teaching staff or external experts to all the students of the subject.
  • A02 Solving problems and cases (15 hours): carrying out practical exercises with all the students of the subject.
  • A03 Laboratory practices (8 hours): carrying out practical exercises in small groups of subject students.
  • A05 Practical and research works (15 hours)
  • A06 Personalized teacher-student tutoring (5 hours)
  • A07 Study (15 hours).
  • A08 Evaluation (4 hours).

The hours indicated are indicative and will be adjusted depending on the academic calendar of the course.

At the beginning of the course, the calendar of practical sessions will be informed. It will be set according to the progress of the program and the availability of laboratories and computer rooms.

4.3. Syllabus

The contents of this course are detailed below:

  1. Introduction
  2. Exploratory analysis of data
  3. Machine learning techniques. Supervised and Unsupervised
  4. Applications to renewable energy sources

4.4. Course planning and calendar

The subject is taught four hours per week in the spring semester, in which theory and practical sessions will alternate.

At the beginning of the semester, the professors will inform about the planning of the teaching activities, the key dates of delivery of exercises and the final evaluation test of the subject.

Curso Académico: 2022/23

636 - Máster Universitario en Energías Renovables y Eficiencia Energética

66385 - Aplicación de las técnicas masivas de datos en sistemas con energías renovables

Información del Plan Docente

Año académico:
66385 - Aplicación de las técnicas masivas de datos en sistemas con energías renovables
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
636 - Máster Universitario en Energías Renovables y Eficiencia Energética
Periodo de impartición:
Segundo semestre
Clase de asignatura:

1. Información Básica

1.1. Objetivos de la asignatura

Los objetivos de la asignatura son los siguientes:

  • Saber realizar análisis exploratorio de datos para descubrir sus principales características y relaciones entre los mismos.
  • Conocer los conceptos y técnicas básicas de aprendizaje automático, tanto supervisado como no supervisado.
  • Saber utilizar herramientas software y librerías para procesar grandes volúmenes de datos e identificar tendencias, propiedades y fenomenología en los mismos.
  • Aplicar los conocimientos adquiridos en las distintas problemáticas existentes en fuentes renovables.


Estos planteamientos y objetivos están alineados con algunos de los Objetivos de Desarrollo Sostenible, ODS, de la Agenda 2030 ( y determinadas metas concretas, de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia al estudiante para contribuir en cierta medida a su logro:

Objetivo 7: Energía asequible y no contaminante

Meta 7.1. De aquí a 2030, garantizar el acceso universal a servicios energéticos asequibles fiables y modernos

Meta 7.2. De aquí a 2030, aumentar considerablemente la proporción de energía renovables en el conjunto de fuentes energéticas

Meta 7.3. De aquí a 2030, duplicar la tasa mundial de mejora de la eficiencia energética 

Objetivo 9: Industria Innovación e infraestructura

Meta 9.5. Aumentar la investigación científica y mejorar la capacidad tecnológica de los sectores industriales de todos los países, en particular los países en desarrollo, entre otras cosas fomentando la innovación y aumentando considerablemente, de aquí a 2030, el número de personas que trabajan en investigación y desarrollo por millón de habitantes y los gastos de los sectores público y privado en investigación y desarrollo

Objetivo 13: Acción por el clima

Meta 13.3. Mejorar la educación, la sensibilización y la capacidad humana e institucional respecto de la mitigación del cambio climático, la adaptación a él, la reducción de sus efectos y la alerta temprana

1.2. Contexto y sentido de la asignatura en la titulación

Esta asignatura se engloba dentro de la materia optativa de asignaturas transversales que se imparte durante el segundo semestre del primer curso. Las asignaturas de configuran esta materia optativa permitirán al estudiante intensificar sus competencias y especializarse en aspectos clave relacionados con las energías renovables y la eficiencia energética que no pueden ser englobados en las especializaciones en "sistemas eléctricos" o en "sistemas térmicos". 

1.3. Recomendaciones para cursar la asignatura

Se requiere del alumnado una serie de conocimientos previos para un correcto aprendizaje de la asignatura. Sobre todo, el alumno necesita una buena base de matemáticas y de las principales características de las fuentes de energía renovables estudiadas en la titulación.

El seguimiento continuo de la asignatura tanto en sus clases de teoría y problemas como en las de prácticas de laboratorio es esencial, así como el estudio personal y la elaboración de los trabajos de la asignatura. Para facilitar este trabajo continuado, el estudiante cuenta con la asesoría del profesor, tanto durante las clases como en las horas de tutoría especialmente destinadas a ello.

2. Competencias y resultados de aprendizaje

2.1. Competencias

En esta asignatura se desarrollan las siguientes competencias:


CB6.- Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.  

CB7.- Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.  

CB8.- Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.  

CB10.- Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.  



CG1.- Realizar investigación, desarrollo e innovación en productos, procesos y métodos en relación con la eficiencia energética.  

CG2.- Realizar investigación, desarrollo e innovación en productos, procesos y métodos en relación con las energías renovables.  

CG4.- Seguir la evolución tecnológica de las energías renovables y tener conocimiento prospectivo de esta evolución.  

CG5.- Aplicar conocimientos de ciencias y tecnologías avanzadas a la práctica profesional o investigadora de la eficiencia.  

CG7.-Valorar la aplicación de tecnologías emergentes en el ámbito de la energía y el medio ambiente.  

CG9.- Resolver problemas complejos en el ámbito de la eficiencia energética y la sostenibilidad.  



CE1.- Utilizar y desarrollar metodologías, métodos, técnicas, programas de uso específico, normas y estándares de computación.  

CE3.- Valorar la importancia e implicaciones del uso de la energía en el desarrollo de sociedad.  

CE5.- Identificar los procesos de la gestión, mejora y optimización energética de la industria.  

CE7.- Describir las tecnologías relativas a la movilidad sostenible.  

CE8.- Describir las redes inteligentes asociadas a la gestión y distribución energética.

CE9.- Analizar consumos energéticos y sus costes asociados y elaborar auditorías energéticas.  

2.2. Resultados de aprendizaje

El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados...

  • Conocer técnicas de preprocesado, auditoría y filtrado para su aplicación en grandes conjuntos de datos.
  • Conocer técnicas de aprendizaje automático, supervisado y no supervisado, para el análisis de datos
  • Identificar las fortalezas y debilidades de las técnicas de aprendizaje automático con grandes volúmenes de datos.
  • Manejar herramientas y bibliotecas de Aprendizaje Automático en R y Python.
  • Utilizar técnicas avanzadas de minería de datos y computación avanzada para resolver problemas en sistemas de energías renovables en los que se dispone de un gran volumen de datos.
  • Analizar y predecir resultados a partir de series temporales dentro del contexto de las energías renovables

2.3. Importancia de los resultados de aprendizaje

El análisis exploratorio de datos permite identificar las características y relaciones entre los mismos pudiendo así obtener resultados interesantes de funcionamiento, de los sistemas de energías renovable, prácticamente inmediatos y que no son fáciles de observar sin dicho análisis.

El conocimiento de las técnicas de aprendizaje automático supervisado y no supervisado permitirá al alumno su aplicación a multitud de datos e información de distinto tipo procedente de fuentes renovables para procesarlos y obtener información avanzada sobre las fuentes, como puede ser la gestión de la demanda eléctrica, la desagregación de consumos energéticos, la detección de faltas en sistemas eléctricos y la detección anticipada de fallos de componentes en sistemas de energías renovables pudiendo implementar metodologías de mantenimiento predictivo. 

El conocimiento de herramientas software como R y Python, así como librerías avanzadas permitirá a los alumnos extrapolar los conocimientos a cualquier otra rama de la ciencia y la ingeniería. 

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluación.

En la convocatoria ordinaria, la evaluación consistirá en: 

  •  Trabajos académicos (incluyendo los derivados de las prácticas): 60%
  •  Presentaciones y debates de forma oral: 20 %
  •  Pruebas objetivas (tipo test): 20 %

El estudiante que en la primera convocatoria no opte por el procedimiento de evaluación descrito anteriormente tendrá derecho a realizar una prueba de evaluación global (la asignatura se evaluará completamente en una sola prueba).

La convocatoria de evaluación extraordinaria se llevará a cabo mediante una prueba global realizada en el periodo establecido a tal efecto.

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

El desarrollo de la asignatura se estructura en torno a tres ejes: las sesiones de teoría y resolución de problemas y casos y las sesiones prácticas.

En las sesiones de teoría (clases magistrales) se explican los conceptos básicos y se relacionan con las características técnicas de los procesos, combinándolas con las sesiones de resolución de problemas y casos (ejercicios que resuelven los alumnos en clase y se corrigen), sirviendo de apoyo para fijar la comprensión de los conceptos.

En las sesiones prácticas se utilizan programas informáticos para estudiar casos prácticos más complejos que los presentados en la pizarra, donde es necesaria para su resolución cierta potencia de cálculo. También existe la posibilidad de que se realicen visitas a instalaciones reales donde podremos ver aplicaciones de conceptos explicados en clase y simulados con el ordenador en las sesiones prácticas.

4.2. Actividades de aprendizaje

Con objeto de que los alumnos alcancen los resultados de aprendizaje descritos anteriormente y adquieran las competencias diseñadas para esta asignatura, se proponen las siguientes actividades formativas:

  • A01 Clase magistral (6 horas): exposición de contenidos por parte del profesorado o de expertos externos a todos los alumnos de la asignatura.
  • A02 Resolución de problemas y casos (15 horas): realización de ejercicios prácticos con todos los alumnos de la asignatura.
  • A03 Prácticas de laboratorio (8 horas): realización de ejercicios prácticos en grupos reducidos de alumnos de la asignatura.
  • A05 Trabajos de aplicación o investigación prácticos (15 horas)
  • A06 Tutela personalizada profesor-alumno (5 horas)
  • A07 Estudio (15 horas).
  • A08 Pruebas de evaluación (5 horas).

Las horas indicadas son de carácter orientativo y serán ajustadas dependiendo del calendario académico del curso.

A principio de curso se informará del calendario de sesiones prácticas, que se fijará según el avance del programa y la disponibilidad de laboratorios y salas informáticas.

4.3. Programa

Los contenidos de esta asignatura se detallan a continuación:

  1. Introducción
  2. Análisis exploratorio de datos
  3. Técnicas de aprendizaje automático. Supervisado y no supervisado
  4. Aplicaciones en energías renovables

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

La asignatura se imparte en el cuatrimestre de primavera con tres horas por semana, en las que se alternarán las sesiones de teoría y prácticas.

Al comienzo del cuatrimestre, los profesores informarán de la planificación de las actividades docentes, las fechas clave de entrega de ejercicios y de la prueba final de evaluación de la asignatura.