Procedimiento para determinar índices de consumo de ...
Transcript of Procedimiento para determinar índices de consumo de ...
Universidad Central “Marta Abreu” de Las Villas Facultad de Ingeniería Eléctrica
Centro de Estudios de Electrónica y Tecnologías de la Información
Procedimiento para determinar índices de consumo de energía
eléctrica en función de la temperatura ambiental.
Tesis para optar por el grado científico de
Máster en Ingeniería Eléctrica
Autor: Ing. Angel Gálvez Moya
Tutor: DrC. Ignacio Pérez Abril
Santa Clara
2013
"Año del 55 aniversario del triunfo de la Revolución"
Universidad Central “Marta Abreu” de Las Villas Facultad de Ingeniería Eléctrica
Centro de Estudios de Electrónica y Tecnologías de la Información
Procedimiento para determinar índices de consumo de energía
eléctrica en función de la temperatura ambiental.
Tesis para optar por el grado científico de
Máster en Ingeniería Eléctrica
Autor: Ing. Angel Gálvez Moya
Ingeniero Electricista
Gerencia Territorial de ETECSA, Villa Clara
E-mail: [email protected]
Tutor: DrC. Ignacio Pérez Abril
Profesor titular e investigador titular
Facultad de Ingeniería Eléctrica, UCLV
E-mail: [email protected]
Santa Clara
2013
"Año del 55 aniversario del triunfo de la Revolución"
Hago constar que el presente trabajo de investigación fue realizado en la Universidad Central “Marta Abreu” de Las Villas, como parte de la culminación de estudios del primer diplomado de la maestría en Energía Eléctrica, autorizando a que el mismo sea utilizado por la Institución, para los fines que estime conveniente, tanto de forma parcial como total y que además no podrá ser presentado en eventos, ni publicados sin autorización de la Universidad.
Firma del Autor Los abajo firmantes certificamos que el presente trabajo ha sido realizado según acuerdo de la dirección de nuestro centro y el mismo cumple con los requisitos que debe tener un trabajo de esta envergadura referido a la temática señalada.
Firma del Autor Firma del Jefe de Departamento donde se
defiende el trabajo
Firma del Responsable de Información Científico-Técnica
Resumen i
RESUMEN:
En este trabajo se ha analizado la influencia de la temperatura ambiente respecto al
consumo de energía eléctrica en los centros de ETECSA VC, usando series de
datos correspondientes a los meses del año 2012, con el objetivo de determinar el
índice de consumo energético de los Centros Telefónicos de la provincia Villa Clara.
Se utilizó el Método de Regresión Lineal Simple para determinar la correlación y
forma de la relación entre las variables estudiadas que garantizan la aplicación del
método grados–energía. Se logra distribuir equitativamente, de la forma más
racional, la energía a consumir por cada provincia y municipios, además brinda las
medidas a tomar para dar cumplimiento en función de la distribución previa de la
energía. Se muestran las aplicaciones del procedimiento utilizando el método de
grados-energía para establecer una línea base energética. Posteriormente se
evalúa la efectividad de su funcionamiento. Se logra que los centros telefónicos de
ETECSA de Villa Clara cuenten con un índice energético de consumo. El índice
obtenido permite reconocer aquellos centros que reportaron un comportamiento
irregular en el consumo de energía y se pueden detectar las causas de las mismas.
Se elaboró una hoja de cálculo mediante la aplicación Microsoft Excel sobre la que
se realizan todos los análisis y cálculos que se derivan del procedimiento propuesto.
Introducción ii
TABLA DE CONTENIDOS
INTRODUCCIÓN ........................................................................................................... iv
Planteamiento del problema científico. ..................................................................... vii
Objetivo General: ......................................................................................................... vii
Objetivos Específicos: ................................................................................................. vii
Capítulo I. Eficiencia Energética. ................................................................................. 1
1.1 Consumo de energía eléctrica en Cuba. ........................................................ 3
1.3 Política energética ................................................................................................... 8
1.2 Evolución de la intensidad energética de electricidad ................................. 9
1.2.1 Índices Energéticos en ETECSA. .............................................................. 11
1.2.2 Intensidad energética en ETECSA ............................................................ 14
1.3 . Eficiencia energética. .................................................................................... 15
1.3.1 Eficiencia energética en el mundo. ........................................................... 15
1.3.2 Eficiencia energética en Cuba ................................................................... 16
1.4 Desempeño energético. Norma NC ISO 50001:2011. ........................... 18
1.5 Factores que influyen en el consumo de energía de los edificios. .......... 19
1.5.1 Eficiencia energética de edificios. ............................................................. 22
1.9 Teoría de la refrigeración evaporativa. .......................................................... 23
1.10. Revisión Energética. .......................................................................................... 24
1.11 Analizar el uso y consumo de la energía. .................................................... 25
Capitulo II. Materiales y Métodos. ............................................................................. 26
2.2 Definición de las variables. .................................................................................. 26
2.3 Áreas de uso significativo de la energía. ........................................................... 27
2.4 Línea base energética. ......................................................................................... 29
2.5 Modelos matemáticos ........................................................................................... 30
2.5.1 Método de los Grados-día (GD) .................................................................. 31
2.5.2 Método de Correlación .................................................................................. 32
2.5.3 Método de Regresión Lineal Simple ........................................................... 34
2.5.3.1 Modelo probabilístico que describe la relación entre las variables: ........... 35
2.5.3.2 Análisis de los residuos ......................................................................... 36
2.5.3.3 Predicción ................................................................................................ 37
Introducción iii
Capítulo III. Resultados y discusión. ......................................................................... 64
3.1 Determinación de la energía mensual demandada por un clima .................. 64
3.1.1Variables externas que determinan el valor del coeficiente de utilización. .................................................................................................................. 65
3.2 Determinación del coeficiente de utilización para un clima una vez obtenido el modelo de regresión lineal simple. ....................................................... 68
3.3 ¿Cómo influye un grado de temperatura en la energía mensual demandada por un clima?. ......................................................................................... 69
3.4 Cálculo del Índice de consumo con levantamiento de carga. ........................ 70
3.5. Levantamiento de cargas. ................................................................................... 71
3.6 Determinación de la energía mensual demandada por un centro. ............... 72
3.6.1 Cálculo del indicador de consumo del CTSC mediante el método de regresión lineal. ................................................................................................... 72
3.6.2. Determinación del índice de consumo de un centro a partir del modelo de regresión lineal obtenido. .................................................................... 73
3.6.3 Cálculo de indicador histórico de consumo del CTSC aplicando el método grados- energía. ......................................................................................... 75
3.8. Determinación de la energía mensual demandada por la DTVC. ................ 81
3.8.1 Cálculo del indicador de consumo energético de la DTVC mediante el método de regresión lineal. .............................................................. 81
3.9. Cálculo del indicador histórico de consumo del DTVC aplicando el método grados- energía. ............................................................................................. 82
3.10. Análisis de la línea base energética enero-julio DTVC 2013. ................. 84
3.11 Ajustes de la línea base energética. ................................................................ 86
3.13 Nivel de actividad del índice de consumo. ...................................................... 88
3.14. Valoración Económica ....................................................................................... 89
Conclusiones................................................................................................................. 81
Recomendaciones ....................................................................................................... 82
Bibliografía..................................................................................................................... 83
Anexo2 ........................................................................................................................... 86
Anexo 3 .......................................................................................................................... 87
Anexo 4 .......................................................................................................................... 88
Anexo 5 .......................................................................................................................... 89
Anexo 6 .......................................................................................................................... 90
Introducción iv
INTRODUCCIÓN
Los principales impulsores de las políticas de eficiencia energética a largo plazo
son la seguridad del suministro de la energía, la eficiencia de las economías
nacionales, las preocupaciones ambientales - incluye el calentamiento global -
y, en los países en desarrollo, las limitaciones de inversión en el sector de
oferta energética. El enorme potencial de mejoras de eficiencia energética en
todas las etapas de producción y el uso de la energía es ampliamente
reconocido, alcanzar este potencial sigue siendo un desafío casi mundial.
Mejorar la eficiencia energética, por ejemplo en el uso de la electricidad, tendrá
dos beneficios: proveer suministro a una mayor cantidad de consumidores con
la misma capacidad de producción de electricidad, lo cual a menudo es la
principal limitación en muchos países de África y Asia y hacer más lento el
crecimiento de la demanda de electricidad, y reducir la necesidad de inversión
para la expansión del sector eléctrico; esto es especialmente importante en
países con elevado crecimiento de la demanda. de electricidad, tales como
China y muchos países del sudeste asiático.[1]
En los Lineamientos de la Política Económica y Social de Cuba 233 se
establece: Perfeccionar el trabajo de planificación y control del uso de los
portadores energéticos, ampliando el espectro y la calidad de los indicadores
de eficiencia e índices de consumo establecidos.[2]
Para lograr un mayor control de los portadores energéticos el país, a través del
Ministerio de Economía y Planificación (MEP), todos los meses distribuye a
cada organismo el plan operativo de energía que está autorizado a consumir. El
cumplimiento de estos planes de energía es controlado mediante los gobiernos
y organizaciones designadas para esta tarea. La distribución del plan se realiza
según los indicadores de consumo que las empresas tienen implementados y
se analizan en los consejos energéticos semanales realizados con los
responsables donde se toman medidas según incumplimientos, identificados:
realizar autoapagones, o sea desconectar la entrada de corriente a la empresa
Introducción v
incumplidora, analizar a los energéticos y máximos directivos de la empresa, y
la devolución de la energía gastada en el próximo mes. Es de vital importancia
que las empresas tengan bien identificados los indicadores de consumo para
lograr una distribución eficiente de los planes operativos de energía.
En las empresas productivas resulta más sencillo establecer índices de
consumo porque se puede buscar una correlación entre la variable producción
y el consumo de energía. El mecanismo implementado se complica en el
momento de planificar la energía en empresas que son de servicio y un por
ciento grande de su consumo es la climatización, como es el caso de la
Empresa de Telecomunicaciones de Cuba S.A. (ETECSA), Turismo, Tiendas
Recaudadoras de Divisas (TRD), entre otros. En estas empresas no se han
establecido indicadores de consumo que permitan realizar un pronóstico
certero del mismo. Los planes de energía prácticamente son distribuidos a
ciegas. El método que más se aplica se basa en los consumos históricos
provocando un problema mucho mayor. Planificar la energía mediante un
histórico de consumo no es la forma más adecuada podría ser mal interpretado
y daría lugar al derroche de energía por lo que se contribuye a un gasto mucho
mayor sin lograr los objetivos deseados de mejorar la intensidad energética.
El hecho de distribuir energía por consumos históricos motiva a la aparición de
los llamados ¨derrochadores¨ y los ¨disciplinados¨. Los ¨derrochadores¨
consumen la totalidad del plan de energía asignado pero muchas veces el plan
operativo de energía está muy por encima de la necesidad real del local y el
responsable trata de consumir energía al máximo y derrochar todo lo que
pueda para tratar de mantenerse en el 100% de lo asignado y falsearía el
consumo real del local por lo que se estaría recogiendo datos falsos y alteraría
históricos de consumo, con grandes posibilidades de que el plan operativo del
próximo mes sea mayor. Por otro lado los ¨disciplinados¨ tratan de aplicar
rigurosamente todas las medidas de ahorro: apagado de aires a las horas
establecidas, apagar las luces encendidas innecesariamente, y se esfuerza por
terminar en un 80% del plan asignado. Por terminar con un por ciento tan bajo
de energía erróneamente se piensa que la distribución se ha realizado mal,
Introducción vi
por lo que en ese local no hace falta distribuir más energía para el próximo
mes, y se le puede asignar un poco más al derrochador por haber terminado al
100% de su plan. Teniendo en cuenta este criterio el próximo mes es asignado
al disciplinado mucho menos energía y su centro no podrá cumplir con ese
plan debido a que las medidas de ahorro aplicadas del mes anterior eran muy
severas. Esto trae consigo aplicación de medidas disciplinarias y al final es la
Empresa la que se involucra en incumplimientos.
Los sistemas de clima constituyen una de las cargas más representativas en
las instalaciones industriales, residenciales y de los servicios por sus altos
niveles de consumo.[3]
El consumo de los aires tecnológicos representa el 50% del consumo total. La
variación de la temperatura es el factor que más influye. [Datos de Archivos de
ETECSA]
Las condiciones climáticas, especialmente la temperatura, tienen una influencia
directa en el uso de los equipos domésticos, como aires acondicionados,
ventiladores [4]
La influencia de la temperatura en el consumo de energía eléctrica es de gran
interés para una amplia gama de agentes económicos, por motivos muy
diversos: para !as empresas encargadas de producirla, porque cambios
bruscos en la temperatura provocan importantes variaciones en el consumo a
muy corto plazo; para los analistas de la coyuntura, porque puede distorsionar
!as tasas de crecimiento hasta el punto de hacer que el consumo de
electricidad deje de ser un indicador útil para el seguimiento de la actividad
económica.
El 78% de las toneladas de combustible convencional se consumen en generar
energía eléctrica. En el año 2010 la Dirección Territorial de ETECSA de Villa
Clara (DTVC), pagó un total de 692 731 CUC a la Unión Nacional Eléctrica
(UNE) por consumo de energía eléctrica. Cada año el costo de kWh aumenta
debido a la gran crisis energética que atraviesa el mundo en estos momentos,
de ahí la inmensa importancia que se le concede al control y planificación
Introducción vii
equitativa de la energía que se realiza mediante el uso de un Sitio Web
nacional la cual pronostica la energía a consumir por cada uno de los centros
en dependencia de la temperatura ambiente. .[Datos de Archivos de ETECSA].
En el mes de enero de 2011 el precio del kWh se encontraba a 0,189 CUC y en
el mes de julio era de 0,232 CUC, o sea un aumento de 0.04 CUC en solo 7
meses. Cada 0.01 CUC de aumento representa 3 500 CUC de incremento a
pagar en un mes a la UNE, de aquí la importancia que se le concede a mejorar
cada vez más la Gestión Energética de las empresas. [Datos de Archivos de
ETECSA]
El consumo de los aires tecnológicos representa el 50% del consumo total. La
variación de la temperatura es el factor que más influye. [Datos de Archivos de
ETECSA].
Las direcciones territoriales del país necesitan de una herramienta capaz de
pronosticar el consumo de energía de los climas tecnológicos en dependencias
de las variaciones de la temperatura ambiente.
En estos momentos no existe una fórmula matemática sencilla y practica capaz
de relacionar el consumo de los climas tecnológicos de las centrales digitales
con la temperatura ambiente.
Planteamiento del problema científico.
¿Cómo pronosticar el consumo de energía eléctrica en la Dirección Territorial
Villa Clara?
Objetivo General:
Establecer un modelo matemático capaz de pronosticar el consumo de energía
eléctrica en la Dirección Territorial Villa Clara.
Objetivos Específicos:
1. Analizar el consumo de energía eléctrica en los centros de la provincia.
2. Determinar un modelo matemático para pronosticar el consumo de climas
tecnológicos.
Introducción viii
3. Establecer un índice energético para los centros de ETECSA.
4. Automatizar mediante una hoja de cálculo el procedimiento para
determinar índices de consumo energéticos
Capítulo I 1
Capítulo I. Eficiencia Energética.
La energía es imprescindible para la vida. Consumir energía se ha convertido en
sinónimo de actividad, transformación y progreso, hasta tal punto que la tasa de
consumo energético, es hoy en día un indicador del grado de desarrollo económico
de un país. El crecimiento demográfico y la actividad económica incidirán en el
comportamiento de los mercados del sector eléctrico, sobre todo en países en
desarrollo donde hay altas tasas de crecimiento poblacional. La innovación
tecnológica marca en gran parte el rumbo de la electricidad bajo un contexto
internacional, al definir su alcance y viabilidad. Dentro de las prioridades de los
países en desarrollo se encuentran, aumentar el número de usuarios con acceso al
servicio de electricidad y mejorar la calidad y eficiencia del sistema eléctrico. Este
objetivo requiere de una planeación anticipada por la naturaleza misma de la
industria eléctrica y de las inversiones que respaldan los programas elaborados.
Algunos países han optado por políticas energéticas que atraigan inversión
extranjera para satisfacer las necesidades en materia de electricidad y de esa
manera, electrificar sus zonas rurales y aumentar la calidad de vida de sus
habitantes.
Se espera que la demanda mundial de energía eléctrica en el período 2001-2015
presente un crecimiento del 2.4% anual. Los países en desarrollo serán los mayores
demandantes durante los próximos años debido a que estos presentan una tasa
esperada de crecimiento económico anual de 4.5% cabe destacar el papel de Asia,
donde se estima un crecimiento económico de 5.6% anual, que ubica a esta región
por encima del crecimiento económico mundial esperado (3.0%), (véase tabla #1).
Capítulo I 2
Tabla#1: Consumo de energía eléctrica, 2001-2015(TWH)
Norteamérica presenta la tasa de crecimiento más elevada en su demanda dentro
del bloque de los países industrializados, a pesar que Estados Unidos ha disminuido
su demanda debido a mejoras en eficiencia. Se estima que la economía de
Norteamérica crecerá a una Secretaría de Energía tasa anual de 3.1% mientras que
el resto de los países industrializados aumentarán alrededor de un 2.4%.[5]
Los pronósticos del Producto Interno Bruto (PIB) para Asia se mantienen dentro de
los más altos para los próximos años con una tasa promedio anual de 5.6 %, lo cual
se refleja en un 3.9 % de crecimiento para su demanda de energía eléctrica. De
manera similar, las estimaciones de demanda para los países de Centro y
Sudamérica registran un 2.9% de crecimiento anual, por lo que depende en gran
medida de fuentes renovables y de plantas hidroeléctricas para la generación de
electricidad. Ante esta dependencia, varias naciones actualmente buscan
alternativas para diversificar los combustibles utilizados para la generación de
energía eléctrica. El bloque europeo occidental muestra uno de los crecimientos
más bajos en la demanda de energía eléctrica (1.2%), obedece a la madurez que
alcanzó su infraestructura y a la prácticamente nula tasa de crecimiento de su
población, el cual se estima que para los próximos 15 años aumente en 0.1%,
notablemente inferior al promedio mundial esperado de 1.1%. En contraste, la
demanda por electricidad en Medio Oriente reflejará el impacto del crecimiento
Capítulo I 3
acelerado de su población (tasa anual de 1.9%). El consumo estimado se
incrementará para el período 2001-2015 en 247 TWh, con una tasa de crecimiento
anual de 3.0%.[5]
El sector eléctrico a nivel internacional muestra una diversidad de modelos de
mercado, desde los que son suministrados por particulares, hasta mercados
operados exclusivamente por el gobierno. Se estima que en los próximos diez años,
la demanda mundial de energía eléctrica aumente en 2.4% anual. Asimismo, se
espera que la participación en el consumo de energía eléctrica por parte de los
países industrializados disminuya en 6 puntos porcentuales en la próxima década.
La participación de los combustibles fósiles sigue siendo predominante con 68%
respecto al total y las fuentes renovables participan con el 22% de la generación
eléctrica. Se prevé que la participación del gas natural en la generación de energía
eléctrica aumente de 18.4% en 2001 a 21% en 2015.
La evolución del precio del carbón en 2009 y 2010 puede explicarse en parte por el
gran crecimiento de la demanda mundial, principalmente en los países no
Organización para la Cooperación y el Desarrollo Económico (OCDE), mientras que
la reducción del precio a partir de 2011 está asociada a la moderación de la
demanda debida a la reducción de los niveles de crecimiento. Esta última reducción
ha provocado un incremento en los inventarios de las compañías mineras, que les
ha llevado a emitir descuentos a sus principales compradores. Esto está en línea
con la desaceleración del producto interno bruto de las principales economías de
países no OCDE, China e India (Figura 1-a). En 2012 las exportaciones de
Colombia, EE.UU. Rusia y Sudáfrica se han incrementado considerablemente y
están inundando el mercado, con lo que también aumenta la presión a la baja sobre
los precios del carbón.[6]
1.1 Consumo de energía eléctrica en Cuba.
En Cuba, en el curso de la pasada década e inicios de la presente tuvieron lugar un
conjunto de eventos de diferentes signos, cuyo saldo resultó un cambio en la
estructura de la producción que favoreció al menos aparentemente la eficiencia
energética de la economía.
Capítulo I 4
Entre los eventos más importantes se citan:
La crisis económica en que se vio envuelto el país al interrumpirse los vínculos y las
condiciones de intercambio y suministro con su principal socio comercial hasta
entonces, repercutió inmediatamente en una sustancial reducción de la importación
de portadores energéticos y consecuentemente en una significativa disminución de
los niveles de actividad productiva y de servicios.
La combinación de factores estructurales (en la organización y producción sectorial),
y la maduración de una serie de medidas de ahorro energético, incidieron en
“aligerar” la intensidad energética de la economía cubana y su tendencia sostenida
a la reducción. Tal combinación trajo como resultado, en los primeros años de la
crisis, una brutal caída del consumo, como resultado de la contracción de los niveles
absolutos de producción y la imposibilidad de mantener los niveles de
abastecimientos de energía, lo cual condujo a un reacomodo “espontáneo” de la
intensidad energética agregada del producto, con un aporte negativo (en el sentido
de incremento de la energía gastada) de la estructura productiva, dado el hecho de
que en lo más álgido de la crisis, los principales ingresos por exportaciones de
bienes provenían de las actividades tradicionales como el azúcar, la minería (níquel
fundamentalmente) y otras actividades emergentes como fueron el acero y el
cemento, todas altas consumidoras de energía.
El llamado “período de recuperación” (1994-2000), se caracterizó por: I) paso a una
estructura energéticamente menos pesada como resultado de un modesto cambio
en la estructura del producto que ocurre en este período; y II) notable influencia de
las medidas de eficiencia, que comienzan a materializarse, sobre el consumo global
de la economía.
Finalmente, en el período 2000-04, en un marco de crecimiento del consumo
resultante de la expansión productiva, la economía salta hacia una estructura
energéticamente más ligera y a una franca mejoría de la eficiencia.
La evolución del consumo energético en los diversos sectores arroja indicios que
evidencian un proceso de desarrollo de la economía en que se observa una relación
no lineal entre los crecimientos respectivos del Producto Interno Bruto y la demanda
de energía comercial. Lo anterior se expresa en la marcada reducción de la
Capítulo I 5
intensidad energética del producto a medida que el mismo crece. Tal
comportamiento no es recogido por las especificaciones tradicionalmente utilizadas
(lineal logarítmicas con coeficientes constantes), lo cual está indicando la necesidad
de introducir directamente en el modelo un termino no lineal para capturar este
comportamiento. [7]
El desarrollo económico de Cuba ha estado marcado por la dependencia al uso del
petróleo y sus derivados, los cuales mayoritariamente deben ser importados, lo que
incorpora gastos en transportación y fletes; se agregan a esto el férreo bloqueo
impuesto por los Estados Unidos que imposibilita no solo las transacciones
económicas directas, sino que limita el comercio con terceros países.[8]
1.2. Máximos consumidores de la provincia.
El Centro Telefónico Santa Clara consume aproximadamente el 36% del total de la
Dirección Territorial de Villa Clara.
Figura #1: Representación de los centros más consumidores.
Corralillo
Qdo. Güines
Placetas
Sagua la
Grande
Encrucijada
Remedios
Camajuaní
Cifuentes
Santo
Domingo
Ranchuelo Santa
Clara
Manicaragua
Caibarién
CT Santa Clara
36%
CT La Salud
5%
CT Sagua
3%
Cayo Sta Maria
4%
Capítulo I 6
El 80% de toda la energía que se consume en ETECSA es completamente
tecnológica, el 10% es comercial y el 10 administrativo. [Datos de Archivos de
ETECSA]
Los portadores energéticos en el año 2011 y 2012 representaron el 12.27 % en la
estructura de gastos de la Dirección Territorial y el primer lugar en la estructura de
consumo lo ocupó la electricidad con el 84 %, según se muestra en la siguiente
figura. [Datos de Archivos de ETECSA]
Estructura de consumo
Energía
Eléctrica; 84,0
Diesel GEE;
1,1
Diesel
Automotor;
12,2
Combustible
Regular; 0,2
Combustible
Especial; 2,1
Combustible
EspecialCombustible
RegularDiesel
AutomotorDiesel GEE
Energía
Eléctrica
Gráfica #1: Estructura de consumo de los portadores energéticos de DTVC.
Los precios del petróleo están determinados sobre todo por los mercados de
futuros, en los que no negocia con barriles de petróleo sino por trozos de papel que
prometen la entrega de petróleo. Los operadores del futuro, muchos de los cuales
son especuladores financieros y nunca venderán o suministrarán verdadero
petróleo, desempeñan un papel fundamental en la determinación del precio final.
Capítulo I 7
Son los principales responsables de la racha inflacionista que disparó los precios del
petróleo hasta los casi 150$ por barril a mediados de 2008. [9]
La liberalización del mercado y las integraciones energéticas regionales han
causado una gran incertidumbre sobre la evolución de los precios debido a la gran
cantidad de factores que intervienen en el mercado[4], los cuales también han
aumentado la incertidumbre inherente al crecimiento de la demanda[10].
La gráfica #2 muestra la comparación del precio del kWh del año 2010 y el
incremento del mismo en el 2011 y 2012. En el mes de enero el precio del kWh se
encontraba a 0,189 y en el mes de julio a 0,232, o sea un aumento de 0.04 CUC en
solo 7 meses. Cada 0.01 CUC de aumento representa 3500 CUC de incremento a
pagar a la Unión Nacional Eléctrica, de aquí la importancia que se le concede a
mejorar cada ves más la Gestión Energética de las Empresas. [Datos de Archivos
de ETECSA]
$/kWh 2010, 2011, 2012 y 2013
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25
0,26
Ene
Feb Mar
Abr
May Ju
nJu
l
Ago
Sep O
ctNov
Dic
MES
CU
C
$/kWh 2010$/kWh 2011$/kWh2012$/kWh 2013
Gráfica #2: Costos mensuales del kWh en DTVC.
El mayor peso en el consumo de electricidad en la Dirección Territorial de ETECSA
en Villa Clara lo constituyen los equipos de climatización, que en el 2012
representaron el 60% del consumo de energía eléctrica total. Según se puede
Capítulo I 8
apreciar en la estratificación por tipo de equipos que se muestra en la siguiente
tabla. [Datos de Archivos de ETECSA]
Equipos Cantidad kWh % de energía
por equipos
Climas 372 223357 60,19
Rectificadores 163 111980 30,17
Alumbrado 3225 20281 5,47
Refrigerador 50 778 0,21
Bebederos 22 632 0,17
Ventilador 99 569 0,15
Computadoras 479 9515 2,56
Impresoras 153 1143 0,31
Bombas de agua 18 2748 0,74
Total 371107 100
Tabla #2: Estratificación por tipo de equipos de la DTVC
1.3 Política energética
Todas las organizaciones deben identificar los Indicadores de Desempeño
Energético (IDEns) apropiados para realizar el seguimiento y las mediciones de su
desempeño energético. La metodología para determinar y actualizar los IDEns debe
documentarse y revisarse regularmente. Los IDEns deben revisarse y compararse
con la línea de base energética de forma apropiada. Esto está bien explícito en el
lineamiento 233 de la política energética la cual indica “Perfeccionar el trabajo de
planificación y control del uso de los portadores energéticos, ampliando el espectro
y la calidad de los indicadores de eficiencia e índices de consumo establecidos.” [2]
La política energética es el impulsor de la implementación y la mejora del SGEn y
del desempeño energético de la organización dentro de su alcance y límites
definidos. La política puede ser una breve declaración que los miembros de la
organización pueden comprender fácilmente y aplicar en sus actividades laborales.
Capítulo I 9
La difusión de la política energética puede utilizarse como elemento propulsor para
gestionar el comportamiento de la organización. El lineamiento 234 muestra la
necesidad de propagar la política energética, al plantear: “Proyectar el sistema
educativo y los medios de difusión masiva en función de profundizar en la calidad e
integralidad de la política enfocada al ahorro y al uso eficiente y sustentable de la
energía”.[2]
1.2 Evolución de la intensidad energética de electricidad
Uno de los indicadores usados para identificar el comportamiento del uso de la
energía eléctrica es la intensidad energética. Ésta se define como la razón entre la
cantidad de energía eléctrica consumida y el PIB. Este indicador es útil debido a que
señala las necesidades de cada país o región en cuestión eléctrica. Los cambios
que el indicador pueda mostrar a lo largo del tiempo responden a diferentes factores
como: cambios en la estructura productiva del país, innovación tecnológica, factores
internacionales o cambios en la canasta de energéticos.
La intensidad energética indica cuánta energía ha sido necesaria para producir una
unidad de riqueza y sirve para evaluar la eficiencia que tiene un país para convertir
la energía en riqueza.
Parámetros como el clima del país o los niveles estándar de vida de este tienen un
efecto muy importante en la intensidad energética. En general, las economías más
avanzadas y eficientes tendrán una intensidad energética menor que las economías
emergentes ya que serán menos intensivas en el consumo de energía.[9]
La evolución en los últimos años de la intensidad eléctrica en el contexto
internacional indica una tendencia ascendente para las regiones de África, Asia (sin
considerar China) y América Latina. Este comportamiento señala que se requiere
cada vez más electricidad por unidad de PIB, con tendencia ascendente para cada
región mencionada, ha registrado a partir de 1997 un crecimiento promedio anual de
3.7%, 6.2% y 3.8% respectivamente, mientras que el consumo de energía eléctrica
durante el mismo período señala tasas de crecimiento anual de 3.8%, 7.2% y 6.0%
respectivamente. [5]
Capítulo I 10
Las regiones que muestran una tendencia constante son debidas a la estabilidad
que ha alcanzado su sector eléctrico y su infraestructura desarrollada. La OCDE y la
Unión Europea desde 1985 registran una tendencia constante, sin fluctuaciones
significativas a la baja o al alza. Los cambios que presentan son de manera lenta y
moderada. [5]
La eficiencia energética no es algo nuevo. Las primeras máquinas a vapor tenían
una eficiencia que no superaba el 3%. Desde los comienzos del maquinismo los
esfuerzos de los ingenieros estuvieron dirigidos a que las máquinas efectuaran más
trabajo con menor insumo. Con los límites impuestos por las leyes de la
termodinámica, ese esfuerzo ha sido uno de los movilizadores del cambio
tecnológico.
Desde la crisis del petróleo de 1973, lo que era una motivación profesional
restringida al campo de la ingeniería se convirtió en una necesidad general de la
sociedad frente a la percepción concreta de la eventual finitud de los recursos
energéticos baratos. Ante ello, aparecieron políticas de Estado en numerosos
países destinadas a incentivar el aumento progresivo de la eficiencia energética de
todos los sectores de la sociedad. [11]
Las políticas de eficiencia energética (PEE) dan lugar a un círculo virtuoso:
1) Hacen posible alcanzar la seguridad energética con menos inversiones en
expansión de capacidad
2) Racionalizan y optimizan la demanda, logrando un uso eficiente de los
recursos
3) Disminuyen la presión sobre las fuentes energéticas agotables
4) Evitan el deterioro del medio ambiente que la expansión de las fuentes
energéticas lleva consigo
5) Disminuyen la emisión de gases de efecto invernadero
6) Crean una nueva directriz tecnológica que incrementa la actividad económica
7) Mejoran el balance comercial al disminuir la importación de recursos
energéticos
El siguiente gráfico, compara, a nivel global, el consumo real de energía 1990-2008
con el consumo teórico si se hubiera mantenido constante el nivel de eficiencia
Capítulo I 11
energética del año 1990. La negaenergía, o sea aquella energía que se ahorró
debido a que la eficiencia energética mejoró, asume proporciones que no son
desdeñables.[11]
Gráfica #3: Consumo teórico a la intensidad energética de 1990.
1.2.1 Índices Energéticos en ETECSA.
El índice de consumo o consumo específico de energía se define como la cantidad
de energía por unidad de producción o servicios, medidos en términos físicos
(productos o servicios prestados). Relacionan la energía consumida (kWh, litros de
combustible, toneladas de Fuel Oil, toneladas equivalentes de petróleo) con
indicadores de la actividad expresados en unidades físicas (toneladas de acero
producidas, hectolitros de cerveza producidos, habitaciones-días ocupadas,
toneladas-kilómetros transportadas, m2-año de edificios climatizados).
El lineamento 233 de la política energética plantea que perfeccionar el trabajo de
planificación y control del uso de los portadores energéticos, ampliando el espectro
y la calidad de los indicadores de eficiencia e índices de consumo establecidos. La
mayoría de las empresas donde el consumo de clima representa un valor
considerable de la energía total, los índices que tienen establecidos no responden
con fidelidad a una correlación que debe existir entre el consumo de estas
Capítulo I 12
empresas. Esto provoca una mala planificación de energía y el no control de la
eficiencia energética.
En muchas de las empresas de servicios es muy difícil establecer un índice de
consumo. En el caso particular de ETECSA, se exigía por parte de los especialistas
del Uso Racional de la Energía (URE) la necesidad de establecer índices de
consumo. Existían índices por los cuales no existía la posibilidad de realizar ningún
tipo de análisis debido a que los resultados de las variables analizadas no contaban
con ningún tipo de correlación, como son:
Energía vs M.P (Miles de pesos)
Energía vs Tráfico
Energía vs Líneas Instaladas.
Este índice muestra como existe una variación del consumo de energía pero que
para nada depende de los ingresos en USD, un ejemplo de esto se puede analizar
en el mes de diciembre (ver gráfico 4), el consumo de energía disminuye sin
embargo en este mes aumentó la entrada de USD por la cantidad de llamadas que
se realizan en finales de año.
Gráfica #4: Energía eléctrica vs Miles de pesos (M.P) 2012.
Energía vs Líneas Instaladas. En el mes de agosto (ver figura 5) se instalaron un
total de 5000 líneas y sin embargo el consumo de energía no tuvo ningún tipo de
variación.
Energía Eléctrica VS M.P (Miles de Pesos) 2012
290
340
390
440
490
540
590
Ene
Feb Mar A
brM
ay Jun
Jul
Ago
Sep O
ctNov
Dic
MES
MW
h
1000,0
1050,0
1100,0
1150,0
1200,0
1250,0
1300,0
1350,0
1400,0
1450,0
M.P
ENERGIA
M.P
Capítulo I 13
Gráfica #5: Energía eléctrica vs Líneas instaladas.
El tráfico de llamadas tampoco influye en el consumo de energía, (ver figura 6) se
puede ver en el gráfico de energía vs tráfico que se muestra a continuación, que en
el mes de diciembre el consumo disminuye y sin embargo el tráfico de llamadas
aumenta debido a los días festivos del mes de diciembre demostrando que no existe
ningún tipo de correlación entre ambas variables.
Gráfica #6: Energía eléctrica vs tráfico de llamadas.
ENERGIA ELETRICA VS TRAFICO
200
220
240
260
280
300
320
340
360
Ene
Feb
Mar A
br
May Ju
nJu
l
Ago
Sep O
ctNov D
ic
MES
MW
h
16500
17000
17500
18000
18500
19000
UFMiles
ENERGIA ELECTRICA
TRAFICO
Energía Eléctrica vs Lineas
200
220
240
260
280
300
320
340
360
Ene
Feb
Mar
Abr
May Ju
nJu
l
Ago
Sep O
ctNov
Dic
MES
MW
h
69000
70000
71000
72000
73000
74000
75000
76000
UF
ENERGIA
LINEAS
Capítulo I 14
Existe una correlación en el índice de Energía vs Temperatura, este procedimiento
te permite establecer un índice energético teniendo en cuenta uno de los
parámetros principales, la temperatura.
1.2.2 Intensidad energética en ETECSA
Resulta muy complicado realizar un análisis mensual de la intensidad energética en
ETECSA debido a que el consumo de la energía esta muy influenciado por las
temperaturas ambientes. Debido a la variación de temperatura que existes entre
cada uno de los meses, se decide realizar el análisis de intensidad energética por
año teniendo en cuenta la probabilidad de que puede existir variaciones en la misma
por diferencias de temperaturas entre un año y otro que pueden afectar el análisis.
De los tres años que se muestran en la tabla se puede definir que el 2012 fue el de
mejor intensidad energética por solamente utilizar 0.085 tcc para producir una
unidad de miles de pesos. El año más crítico resultó ser el 2011 por utilizar 0,091 tcc
por cada mil pesos de ingresos.
Tabla #3: Intensidad energética DTVC.
Los indicadores son herramientas fiables y útiles, que necesitan que cuenten con el
respaldo de una base sólida de datos estadísticos, válidos y coherentes. Obtener
datos de confianza, exactos, completos y recientes exige un esfuerzo considerable.
Los indicadores se han estructurado para simplificar esta tarea al máximo. La
introducción de los indicadores energéticos del desarrollo sostenible (IEDS) a escala
nacional constituirá forzosamente una mejora en los procedimientos estadísticos y
en la capacidad de análisis.[12]
Año M.P tcc Intensidad
energética
2010 14657,8 1272,5 0,087
2011 14600,1 1332,7 0,091
2012 16412,5 1401,8 0,085
Total 51163,78 4450,23 0,087
Capítulo I 15
1.3 . Eficiencia energética.
Es una función de las conductas individuales y de la racionalidad con que los
consumidores utilizan la energía. De este modo, la eliminación de los consumos
innecesarios o la elección de equipos más apropiados para reducir el costo de la
energía, contribuye a disminuir el consumo individual sin disminuir la satisfacción
personal obtenida de los servicios que ella le presta.[13]
La eficiencia energética no es algo nuevo. Las primeras máquinas a vapor tenían
una eficiencia que no superaba el 3%. Desde los comienzos del maquinismo los
esfuerzos de los ingenieros estuvieron dirigidos a que las máquinas efectuaran más
trabajo con menor insumo. Con los límites impuestos por las leyes de la
termodinámica, ese esfuerzo ha sido uno de los movilizadores del cambio
tecnológico. [11]
1.3.1 Eficiencia energética en el mundo.
La eficiencia energética se refiere a todas las acciones que conlleven a una
reducción económicamente viable de la cantidad de energía necesaria para
satisfacer las necesidades energéticas de la sociedad, asegurando un nivel de
calidad igual o superior y una disminución de los impactos ambientales negativos
derivados de la generación, distribución y consumo de energía. Queda incluida
dentro de esta definición, la sustitución de fuentes no renovables de energía por
fuentes renovables de energía.[14]
La revista Forbes ha publicado una lista de diez países con mayor eficiencia
energética. Japón encabeza el grupo y le siguen Dinamarca, Suiza, Hong Kong en
la República Popular China, e Irlanda, el elenco continúa con el Reino Unido, Israel,
Italia, Alemania y Austria. Los japoneses emplean solo 0,83 bep para producir mil
dólares de su PIB y los austriacos 1,37 bep. Fue en Austria donde se acordó, en
1998, celebrar el 5 de marzo el Día Mundial de la Eficiencia Energética, para
promover un uso más responsable. [15]
Capítulo I 16
Entre 2005 y 2007 la producción mundial de lámparas fluorescentes compactas
(LFC) creció 70 por ciento, llegando a unos 3 500 millones de unidades. En ello
influyó el programa de masificación de las LFC emprendido por Cuba y llevado a
otros 16 países, que introdujo 116 millones de unidades. Varios países han
expresado su propósito de eliminar los bombillos incandescentes y China, que
produce el 70 por ciento de estos en el mundo, se propone dejar de fabricarlos.
Como en la mayoría de los países, en China queda mucho por hacer en materia de
eficiencia energética. Sin embargo, hoy esa nación emplea 3,77 bep para producir
mil dólares, 60 por ciento menos que en 1990. Según Amory Lovins experto en
eficiencia energética, Estados Unidos ha recortado en 40 por ciento su intensidad
energética desde 1975. Agrega que ese país podría ahorrar la mitad de su consumo
de petróleo sin sacrificar el confort de los usuarios, aumentando la eficiencia de los
medios de transporte. Datos curiosos sobre la nación norteña exponen que los
ciudadanos enviaron a los basureros de 1990 al año 2000, tantas latas de aluminio
como para reemplazar la flota mundial de aviones 25 veces; 86 mil millones de
envases plásticos y de vidrio también acaban en los basureros de ese
industrializado país cada año. Llama la atención el estado de California, cuyo
consumo de energía ha variado muy poco en los últimos 30 años, mientras que el
país ha aumentado 60 por ciento. [15]
Por sectores, el consumo de energía en forma histórica y de proyección se puede
observar en la figura 5, Obsérvese que los edificios consumen el 40% de la energía
del total de producción de energía primaria mundial, entendiéndose que para la
construcción de los edificios se requiere; cemento, acero, hierro, aluminio, vidrio,
ladrillos, bloques, arena, entre otros, y en aquellos países donde exista mayor
población serán quienes requieran más energía. [16]
1.3.2 Eficiencia energética en Cuba
La Agencia Internacional de Energía (AIE) reconoce en el informe emitido en abril
de 2010, que Cuba fue el primer país en eliminar los bombillos incandescentes.
Entre 2005 y el 2006 reemplazó y desactivó más de nueve millones de estas
luminarias, al tiempo que se reguló su importación y se prohibió su comercialización.
Capítulo I 17
Hoy solo se comercializan luminarias fluorescentes, a diferencia del sector estatal,
donde se recuperan las lámparas fluorescentes tubulares, no existe un programa
para su disposición segura en el sector residencial una vez que llegan al final de su
vida útil, por lo que el mercurio que contienen se emite al entorno, cuando las
lámparas se convierten en residuos sólidos.
La Revolución Energética de Cuba ha sido el proyecto de eficiencia energética más
integral que haya llevado a cabo país alguno en el mundo. Abarca todos los ámbitos
de la energía: la extracción de portadores fósiles, las fuentes renovables, la
generación, transmisión, distribución y uso final de la electricidad, así como la
educación y la cooperación internacional.
Se introdujeron el modelo de Generación Distribuida y tecnologías más eficientes
para el uso final de la energía. Se impulsa una concepción integral con el fin de
masificar el empleo de las fuentes renovables de energía y se conoce el potencial
nacional.
Las medidas de eficiencia energética implementadas en Cuba entre 2006 y 2008,
permitieron ahorrar 2 365 000 toneladas de petróleo, por lo que se evitó emitir a la
atmósfera unos cinco millones toneladas de gas efecto invernadero (GEI).
De haberse vinculado a proyectos del Mecanismo de Desarrollo Limpio, estas
acciones habrían sido una fuente adicional de ingresos para el país.
Cuba ha reducido su intensidad energética, entendida como el suministro total de
energía primaria por unidad de producto interno bruto (PIB), desde unos nueve
barriles equivalentes de petróleo (bep) para producir mil dólares de PIB en la
década de 1970, hasta 1,66 bep en 2008. Estudios de la Dirección de Uso Racional
de la Energía de la Unión Eléctrica, indican que se podría ahorrar casi la cuarta
parte de la electricidad que se usa en el país. Para lograrlo se prevé aplicar diversas
medidas en el sector estatal, y en los hogares se evalúa el uso de lámparas
tubulares con diodos electroluminiscentes y balastro electrónico, así como emplear
cocinas de inducción. [15]
Capítulo I 18
1.4 Desempeño energético. Norma NC ISO 50001:2011.
La Organización Internacional de Normalización (ISO por sus siglas en inglés) es el
desarrollador y promotor de normas internacionales más grande del mundo. ISO
50001 es el marco designado por la ISO para servir como proyecto, o establecer
estrategias estandarizadas, para asistir a las organizaciones en mejorar las formas
en que gestionan sus recursos energéticos. Proporciona beneficios medibles tanto a
las organizaciones públicas como privadas en todo el mundo, y muchos expertos
están de acuerdo en que tendrá una influencia dramática en el uso de la energía en
el mundo y por consecuencia beneficiará a la sociedad.
Proporciona herramientas a los negocios, gobiernos y sociedad para el desarrollo
económico, ambiental y social. Cada norma internacional se desarrolla por expertos
de los respectivos sectores industriales, técnicos y de negocios; y representa un
consenso global en la materia particular de la norma.
Permite a las organizaciones establecer los sistemas y procesos necesarios para
mejorar el desempeño energético, incluyendo la eficiencia energética, el uso y el
consumo. La meta de esta norma es crear un sistema de gestión de la energía
(SGEn) dentro de una organización que conduce a una reducción en las emisiones
de gases de efecto invernadero y otros impactos nocivos al ambiente mientras se
controlan los costos de la energía.
Esta norma internacional establece las mejores prácticas para gestionar la energía.
Aquellos que adoptan la ISO 50001 experimentarán ahorros económicos, mejora en
la calidad y mitigación de riesgos, también sirve como un soporte funcional para los
programas de sustentabilidad de las organizaciones. Esta norma internacional se
basa en los elementos comunes de otras normas de sistemas de gestión ISO,
asegurando un alto nivel de compatibilidad con los sistemas ISO 9000 de gestión de
la calidad adoptados por la mayoría de las organizaciones industriales así como con
los sistemas ISO 14001 de gestión ambiental.[17]
► Planificar: realizar la revisión y establecer la línea base de la energía, indicadores
de rendimiento energético, objetivos, metas y planes de acción necesarios para
conseguir resultados de acuerdo con las oportunidades para mejorar la eficiencia
energética y la política de energía de la organización.
Capítulo I 19
► Hacer: poner en práctica los planes de acción de la gestión de la energía.
► Verificar: monitorear y medir los procesos y las características claves de sus
operaciones que determinan el rendimiento de la energía con respecto a la política
energética y los objetivos e informar los resultados.
► Actuar: tomar acciones para mejorar continuamente la eficiencia energética y el
SGEn.[17]
La base de este enfoque se muestra en la Figura 2
Figura #2: Modelo de sistema de gestión.
Según el ciclo de mejoramiento continuo que propone la ISO a través de sus
estándares, se presentan a continuación los requerimientos de la norma ISO 50001,
los que sólo para efectos de esta guía se clasifican en requerimientos medulares y
requerimientos estructurales, con el fin de facilitar la futura implementación.
Los requerimientos medulares corresponden a los procedimientos esenciales para
observar y mejorar el desempeño energético. Los requerimientos estructurales,
como su nombre lo indica, son aquellos que provén la estructura en torno a los
requerimientos medulares y que convierten a la gestión de la energía en un proceso
sistemático y controlado.[18]
1.5 Factores que influyen en el consumo de energía de los edificios.
Todos los factores, tales como: variables climatologicas, socioeconómicas y
demográficas, actúan directa o indirectamente sobre el patrón de la demanda de
Capítulo I 20
energía eléctrica. Algunos de estos factores reflejan cambios importantes en su
consumo y en su producción; por lo tanto, la demanda de energía eléctrica se ve
influenciado por esos factores, ejemplo de estas variables, se tiene: la temperatura,
la humedad relativa, la velocidad del viento, las nevadas, el nivel de radiación solar,
duración del brillo del sol, el índice de la comodidad, número de consumidores
conectados, crecimiento de la población y el producto interno bruto.[19],[20]
Los edificios proporcionan un entorno de vida y de trabajo a los seres humanos. Las
personas pasan más del 80% de su vida en el interior de los edificios, por eso se le
debe prestar atención a la calidad del ambiente interior durante su etapa de diseño y
la evaluación de su performance energético-ambiental (Liu et a l., 2010). La visión
premonitoria del arquitecto Buckminster Fuller, sobre la finitud de los recursos
mundiales se remonta a sus notas de finales de 1920 (Behling, 2002). Fue recién en
1973, con altos precios del petróleo, cuando las estrategias de conservación de
energía irrumpieron en la agenda ambiental. El sector de los edificios está
particularmente bajo presión: aproximadamente la mitad de los recursos mundiales
son empleados para acondicionar el ambiente interior. El sector de la construcción
es uno de los principales protagonistas de los problemas ambientales debido a la
explotación de los recursos no renovables, el uso del suelo y el consumo de energía
durante el ciclo de vida completo de un edificio. Urge-Vorsatz y Novikova (2006)
afirman que durante el año 2004 sólo los edificios agotaron casi el 37% de la
energía del mundo y esta cifra se prevé que alcance el 42 % en 2030. [21]
No todas las edificaciones consumen lo mismo ni en su fase de producción ni,
posteriormente, en su uso. Sus consumos serán variables en función de su
localización, de la forma en que fue construida la edificación y de cómo se usa: el
sistema de construcción empleado, los sistemas de procesado de los materiales y la
distancia de su lugar de origen a la obra, la adecuación de la edificación para los
usos a los que está destinada, la gestión energética a lo largo de su vida útil, la
durabilidad de los materiales y de los sistemas que la componen, las estrategias de
mantenimiento y los tratamientos necesarios para la eliminación de sus
componentes una vez finalizada su vida. [22]
Capítulo I 21
Los principales factores que influyen en el consumo de energía y la eficiencia
energética de los edificios son:
• El clima: la temperatura exterior, la radiación solar, el número de horas de sol, etc.
• La envolvente del edificio: las características térmicas de los cerramientos que
constituyen la capa envolvente del edificio, como son las fachadas, ventanas,
cubierta y suelo.
• Las condiciones de operación y funcionamiento del edificio: las que incluyen las
funciones para las que está destinado el edificio, las condiciones de confort que hay
que mantener en su interior, el horario de funcionamiento, el número de ocupantes,
la variabilidad de estos en el tiempo, los hábitos de los ocupantes, etc.
• El rendimiento de las instalaciones térmicas y de la iluminación: los rendimientos
parciales de los equipos y los sistemas y la fuente de energía utilizada.[16]
La temperatura ambiente es el factor principal en la influencia del consumo en las
edificaciones.[23],[24],[25],[26]
Según trabajo realizado en la Escuela Técnica Superior de Ingeniería de Madrid
expone que en el caso de factores climáticos el principal elemento de importancia es
la temperatura, que puede afectar a la demanda teórica hasta en un 12%. El uso del
aire acondicionado en verano o la calefacción en invierno incrementa de manera
significativa el volumen de energía eléctrica demandado, por poner un ejemplo.[27]
Fan and Hyndman además de estimar la elasticidad de la demanda en Australia del
Sur, resume la revisión bibliográfica incluyendo estudios de años más recientes en
diferentes regiones y sistemas, clasificando la elasticidad calculada según los
sectores donde se ha observado para cada estudio, y presenta un modelo de
demanda eléctrica donde influyen efectos como la temperatura, la época del año y
variables demográficas y económicas.[28]
Otro análisis muy interesante sobre la demanda residencial en España por
Blázquez, Boogen y Filippini utiliza datos agregados de consumo de electricidad,
profundizando en la influencia de los factores climáticos de manera muy detallada,
pero presenta un modelo demasiado complejo para ser tomado como punto de
partida.[29]
Capítulo I 22
Según trabajo similares de informan que de acuerdo con Lloyd’s (1999), un
incremento de tres grados en la temperatura provoca una variación de la demanda
de energía del 10%. El mismo concluye que la pauta más clara de influencia de la
climatología en el consumo aparece en el caso de la temperatura. Para reafirmar
aún más la relación entre la demanda de electricidad y la temperatura, señalar que
en el verano de 2003, la ola de calor provocó incrementos muy importantes en la
demanda de electricidad en España. [30]
El clima en la Tierra presenta una variabilidad natural. El último período glacial
acabó hace unos 10.000 años, y desde entonces la temperatura se ha mantenido
estable, permitiendo que se desarrollara aquello que entendemos como civilización.
Las observaciones de las últimas décadas, apuntan a que la temperatura terrestre
ha cambiado de comportamiento, escapando de cualquier ciclo natural conocido.
Pese a ser un proceso descrito hace casi dos siglos, y advertido desde hace más de
50 años, el cambio climático continúa siendo percibido por una gran parte de la
población como un fenómeno incierto, lejano, y de una trascendencia
cuestionable.[31]
1.5.1 Eficiencia energética de edificios.
Según la Directiva de Eficiencia Energética de los Edificios (2002/91/CE) la
eficiencia energética de un edificio de define como: la cantidad de energía
consumida realmente o que se estime necesaria para satisfacer las distintas
necesidades asociadas a un uso estándar del edificio, que podrá incluir, entre otras
cosas, la calefacción, el calentamiento del agua, la refrigeración, la ventilación y la
iluminación.
Dicha magnitud deberá quedar reflejada en uno o más indicadores cuantitativos
calculados teniendo en cuenta el aislamiento, las características técnicas y de la
instalación, el diseño y la orientación, en relación con los aspectos climáticos, la
exposición solar y la influencia de construcciones próximas, la generación de
energía propia y otros factores, incluidas las condiciones ambientales interiores, que
influyan en la demanda de energía.[16]
Capítulo I 23
En el caso de edificios las mejoras energéticas consisten en actuar sobre cada
problema concreto, por ejemplo, controlar los niveles de trabajo de los equipos o
set-point de operación, verificar los flujos de aire y agua, analizar la posición de los
sensores ambientales, optimizar los consumos mejorando las operaciones de
manutención, como la limpieza de los filtros, control del estado de funcionamiento
de los equipos, circulación del aire o agua. En muchos casos se trata de problemas
por una mala ejecución, como la poca circulación del aire o subdimensionamiento
de los equipos, que requieren para su solución, la ejecución de trabajos y de
nuevas inversiones.[32]
1.9 Teoría de la refrigeración evaporativa.
El enfriamiento evaporativo es un proceso de transferencia de calor y masa basado
en la conversión del calor sensible en latente. El aire no saturado se enfría,
proporcionando el calor sensible que se convertirá en latente para que se produzca
la evaporación del agua. Si el proceso ocurre en condiciones adiabáticas la
temperatura seca del aire disminuye a medida que su calor sensible se transforma
en latente aumentando su humedad. Este intercambio de calor sensible y latente
tiene lugar hasta que el aire se satura y la temperatura del aire y el agua se igualan,
alcanzando un valor denominado temperatura de saturación adiabática (y que es
prácticamente igual a la temperatura húmeda del aire), mientras el proceso es
conocido como saturación adiabática.
Se define como temperatura de saturación adiabática Tsat.ad a la temperatura que
alcanza el aire a la salida del túnel, cuando se aporta el agua que se evapora a
dicha temperatura de saturación adiabática.
En la figura #3 se presenta un ciclo ideal de saturación adiabática de aire a una
temperatura elevada (35 °C) y baja humedad (20%) para mostrar cual podría ser el
grado de enfriamiento teórico que se conseguiría en un proceso de saturación
adiabática ideal. Se observa que la temperatura mínima que se puede conseguir es
de 19 °C.
Capítulo I 24
Figura #3: Ciclo ideal de saturación adiabática de aire.
Para que el agua cambie de líquido a vapor a 100ºC, es decir, el calor latente de
vaporización del agua, a temperatura ambiente, es aproximadamente de 2.400
kJ/kg.
Si en una fuente se evapora 1 litro de agua cada hora, esto representa una potencia
de enfriamiento de:
Pe =1(kg) x2.400 (kJ/kg) /3.600 (s) =0.666 kW.[33]
1.10. Revisión Energética.
El primer paso para establecer una revisión energética, es realizar una recopilación
de datos de los consumos energéticos para posteriormente hacer un análisis
preliminar de los mismos. Estos datos son recogidos diariamente por cada uno de
los centros de ETECSA y se realiza una conciliación mensual con la factura eléctrica
verificando así la efectividad de las mediciones. Se tomaron registros históricos
desde los años 2010 al 2013.
Para una buena revisión energética las unidades deben contar con registros y
mediciones históricas mensuales de consumo y un levantamiento de todas las
cargas para verificar si este consumo histórico corresponde a un uso eficiente de la
energía y evitar realizar una distribución errónea del plan de energía. Si después de
Capítulo I 25
realizado el levantamiento de todos los equipos nos percatamos que los resultados
de registros históricos de consumo son mucho mayores entonces estamos muy
cerca de determinar potenciales de ahorro y demostrar que no se esta haciendo un
uso ineficiente de la energía.
1.11 Analizar el uso y consumo de la energía.
El análisis preliminar abarca la información de las fuentes y consumos de portadores
energéticos, del proceso productivo, distribución general de costos, indicadores
globales de eficiencia y productividad.
El mismo permite establecer la línea base, conduce a conocer el comportamiento y
significación de los costos de las funciones o servicios energéticos, a la
caracterización del comportamiento energético de la empresa y sus tendencias en
los últimos años, a la identificación de las áreas claves y de las principales
oportunidades de ahorro, y posibilita la conformación de la estrategia general para la
implantación del sistema de gestión energética en la empresa.[34]
El objetivo fundamental del diagnóstico es la identificación de medidas de ahorro de
energía económicamente rentables. El diagnóstico permite conocer la situación
energética de un determinado equipo, instalación o planta de producción, además
permite establecer las bases para la toma de decisiones sobre la implementación de
proyectos de mejora. En esta fase es donde se realiza la recolección de datos sobre
consumos energéticos, se determinan los puntos críticos, se realizan cálculos
energéticos y es posible establecer las medidas de ahorro prioritarias.[35]
Capítulo II Materiales y Métodos 26
Capitulo II. Materiales y Métodos.
En este capitulo se exponen los métodos de cómo establecer una línea base
energética teniendo el indicador de consumo utilizando el procedimiento de
pronósticos de climas para realizar el levantamiento de cargas pronosticando el
consumo de los centros. Se muestran las aplicaciones del procedimiento utilizando
el método de grados- energía y regresiones lineales.
2.2 Definición de las variables.
En el transcurso del año 2012 con el analizador de redes marca Chawuin se
estuvieron realizando mediciones del consumo del clima situado en el local
Tecnológico del CT Salud. La potencia nominal de 5,56 Kw, de 3 ton. Los resultados
de los registros obtenidos en cada una de las horas fueron promediados para
obtener el consumo promedio de cada uno de los días estudiados. Los valores de
comportamiento de la potencia promedio se encontraban entre 2,1 kW min y 3,6 kW
máximo.
Paralelamente se tomaron los promedios de temperaturas diarias que fueron
obtenidas en la estación meteorología de Yabú.
En el período estudiado se registraron valores promedios diarios de temperatura
ambiente de 21,03 0C min y 27,25 0C como máximo.
Se tomaron los registros históricos de la DTVC de temperatura ambiente promedio y
el consumo de cada uno de los meses del año 2012 y parte del 2013, constituyendo
estas las variables del estudio de la investigación. Los valores de temperaturas
promedio mínimos y máximo mensuales en este período fueron de 20,6 0C y 26,2
0C. Los registros mínimos y máximos de consumo de la DTVC fueron 291 MWh y
409 MWh.
Para realizar un análisis de la correlación hay que partir de que cada uno de los
climas está diseñado para vencer la carga térmica de los locales en los parámetros
de temperatura estandarizados de nuestro país. En muchos lugares se realiza una
mala selección del clima según el local donde se colocarán y ocurre que a
temperaturas ambientes altas nunca se logra vencer la carga térmica
Capítulo II Materiales y Métodos 27
permaneciendo en este período encendido constantemente el compresor del clima
por lo que la temperatura ambiente no influirá en el consumo.
El procedimiento se puede aplicar siempre que la temperatura ambiente se
encuentre entre los valores permisibles, a muy bajas o muy altas temperaturas no
se cumple la correlación entre el consumo y la temperatura ambiente promedio por
lo que no se puede aplicar la regresión lineal. El clima de Cuba permite
perfectamente aplicar el procedimiento estudiado porque históricamente nunca se
ha llegado a valores de temperatura promedios en un mes por debajo de los 16 0C o
superior a los 30 0C.
Para temperatura ambiente promedio menor de 16 0C, no va a existir una
correlación con el consumo del clima promedio debido a que si se registraran
valores tan bajos de temperatura el termostato de los climas no activaran el
compresor y solamente estarán trabajando los ventiladores y los mismos tiene un
consumo constante que no depende de la temperatura ambiente.
Simulando temperaturas máximas promedio muy por encima a las que realmente
existen en Cuba (30 0C), provocarán una carga térmica tan grande que los climas
no podrán vencer el calor de los interiores y el compresor se encontrará trabajando
constantemente sin poder apagarse alcanzando sus potencias nominales y de esta
forma no existe correlación con la temperatura ambiente.
Por lo que este estudio se ha limitado a pronosticar el consumo de energía a partir
de aquellas temperaturas diarias promedios que se encuentren entre 16 0C y 30 0C.
2.3 Áreas de uso significativo de la energía.
Como se puede observar en la tabla #4, el 81% del consumo total de ETECSA es
prácticamente tecnológico el 8% comercial y el 11% administrativo.
Carga %
Tecnologica 81%
Comercial 8%
Administrativa 11%
Tabla # 4: Representación del por ciento de carga de la DTVC.
Capítulo II Materiales y Métodos 28
La estratificación: es el método de agrupar datos asociados por puntos o
características comunes pasando de lo general a lo particular. Pueden ser
estratificados los gráficos de control, los diagramas de Pareto, los diagramas de
dispersión, los histogramas y otras herramientas de descripción de efectos.[34]
El mayor peso en el consumo de electricidad en la Dirección Territorial de ETECSA
en Villa Clara lo constituyen los equipos de climatización, que en el 2012
representaron el 60% del consumo de energía eléctrica total. Según se puede
apreciar en la estratificación por tipo de equipos que se muestra en la Tabla #5.
Equipos Cantidad kWh % de energ por equipos
Clima 372 223357 60,19
Rectificadores 163 111980 30,17
alumbrado 3225 20281 5,47
Refrigerador 50 778 0,21
Bebederos 22 632 0,17
Ventilador 99 569 0,15
Computadoras 479 9515 2,56
Impresoras 153 1143 0,31
Bombas de agua 18 2748 0,74
Total 371107 100
Tabla #5: Estratificación del consumo de cargas de los equipos de la DTVC
Del consumo eléctrico total de climas el 80% es consumido por los climas
tecnológicos, un 10% por climas administrativos y el 10% restante por climas
comerciales. Tabla #6
Climas Cantidad kWh % de energ por tipo de clima
Climas Tecnológicos 193 177738 80
Climas Comerciales 57 23829 10
Climas Administrativos 122 21791 10
Total 372 223357 100 Tabla #6: Estratificación del consumo de climas de los equipos de la DTVC
Capítulo II Materiales y Métodos 29
2.4 Línea base energética.
El problema de pronóstico de demanda de energía eléctrica surge en la necesidad
de conocer, en forma aproximada, los valores de una cierta variable o índice, para
con este valor tomar las medidas necesarias que sean aproximadas de acuerdo con
el crecimiento del sistema. Los valores estimados se determinan tomando
información archivo historio y procesando adecuadamente los datos, determinando
así los patrones o funciones de comportamiento para proyectarlos a futuro.[36]
La linea base energética es la referencia cuantitativa que proporciona la
comparación del desempeño energético.
Una línea base energética refleja un período específico.
Una línea base energética puede normalizarse utilizando variables que
afecten al uso y al consumo de la energía, por ejemplo, nivel de producción,
grados- energía (temperatura ambiente), etc.
La línea de base energética también se utiliza para calcular los ahorros
energéticos, como una referencia antes y después de implementar las
acciones de mejora del desempeño energético.
La organización debe establecer una línea de base energética utilizando la
información de la revisión energética inicial y considerando un período para la
recolección de datos adecuado al uso y al consumo de energía de la organización.
Los cambios en el desempeño energético deben medirse en relación a la línea de
base energética.
Para determinar la línea base energética en cada una de las direcciones territoriales
es necesario seleccionar un período adecuado de uso de consumo de energía de
todos los centros que la conforman. Se identifica el indicador de consumo para cada
uno de las unidades permitiendo establecer una línea base donde la suma de todos
estos indicadores nos permitirán llegar al indicador de cada una de las direcciones
territoriales. La línea base energética será el patrón guía en el momento de
planificar la energía a consumir, también nos permitirá calcular los ahorros
Capítulo II Materiales y Métodos 30
energéticos, como una referencia antes y después de implementar las acciones de
mejora del desempeño energético.
Solo deben realizarse ajustes en las líneas de base cuando se den una o más de las
siguientes situaciones:
Los IDEns ya no reflejan el uso y los consumos de energía de la
organización.
Se hayan realizado cambios importantes en los procesos, patrones de
operación, o sistemas de energía.[18]
2.5 Modelos matemáticos
Los principales modelos utilizados desde mediados de la década anterior para la
determinación de las demandas de energía en edificios, se pueden clasificar en:
Modelos que consideran un estado energético dinámico y los modelos de estado
energético estacionario.
Estos últimos modelos se utilizan para hacer aproximaciones de demanda de
energía en los edificios siempre y cuando el comportamiento interno de las zonas
sea constante, es decir no varíe las condiciones térmicas internas a lo largo del
tiempo. Si el comportamiento es variable entonces los errores pueden ser muy
grandes en la predicción.[37]
Habitualmente son utilizados en edificios residenciales en zonas frías, para
determinar demandas de calefacción. Basan sus métodos a partir de la temperatura
exterior ya sea como promedio mensual, promedio diario o temperatura horaria. En
la literatura especializada como así también en los estudios realizados por distintas
consultoras, existen diversas maneras de relacionar el consumo con la temperatura.
En particular es usual encontrar trabajos que usan la temperatura media, otros que
emplean el concepto de Deficiencia Grado Día (DGD) para explicar las variaciones
de consumo con la temperatura. Dada la necesidad de establecer un lenguaje
común y evaluar las conclusiones e implicancias prácticas de las diversas
aproximaciones a este problema, en esta sección se realiza un estudio comparativo
de los distintos modelos.
Capítulo II Materiales y Métodos 31
Han sido publicados diferentes modelos matemáticos en los que se han utilizado
diversas técnicas y métodos y que responden a las necesidades de los
investigadores, que de una menar u otra han servido para el pronóstico del consumo
de energía, entre estos métodos podemos citar:
Minería de datos.
Redes neuronales.
Análisis de Series Temporales: Modelos ARIMA.
Método de los Grados-día (GD).
Método de Correlación.
Método de Regresión lineal múltiple.
A continuación se explican los métodos utilizados en este trabajo.
2.5.1 Método de los Grados-día (GD)
A mitad del siglo XX [Thom, 1966], notó la necesidad de introducir un parámetro que
permitiera relacionar de manera práctica el sistema energía-clima con la
temperatura ambiente. En la actualidad es conocido como método de GD, es
utilizado a la hora de hacer pronósticos simplificados del consumo de energía para
propósitos de calefacción y aplicaciones de aire acondicionado, principalmente en el
sector residencial. Este método se utiliza cuando la eficiencia de los equipos de
climatización y aire acondicionado se considera constante. [37].Generalmente se
utiliza en calefacción, y no así en refrigeración.
En refrigeración la incertidumbre de los resultados es más grande, porque el método
no contabiliza el aporte por radiación por tanto la acumulación de energía en la
zona. Ésta variable varía a lo largo del tiempo y eso hace que el método posea
incertidumbres en el cálculo.
Es evidente por lo tanto la influencia del clima y de otros factores externos a la hora
de determinar el plan de energía eléctrica, produciéndose una oscilación de los
consumos entre las diferentes estaciones y entre las diferentes horas del día. Esta
variación de la demanda afecta tanto a los ingresos de las empresas productoras de
energía eléctrica como a los costes que tienen que pagar los consumidores finales y
es necesario disponer de herramientas que permitan predecir o anticipar estas
Capítulo II Materiales y Métodos 32
variaciones de energía para optimizar el funcionamiento de distintos equipos
relacionados y maximizar los beneficios. [38]
Por otra parte, en los últimos tiempos han surgido nuevas técnicas de simulación
que permiten el tratamiento de datos históricos como información base en el
proceso de simulación, aunque se desconozca exactamente la dinámica interna del
proceso. Se trata de los sistemas de inteligencia artificial, concretamente de las
redes neuronales, que presentan la particularidad de aprender a partir de ejemplos
reales y permiten la predicción de comportamientos a partir de una serie de valores
de entrada. No obstante, un estudio en detalle del funcionamiento interno del
sistema lleva consigo una mejora considerable en el funcionamiento del simulador.
Este análisis puede realizarse utilizando como herramienta las propias redes
neuronales. [38]
2.5.2 Método de Correlación
La correlación y la regresión constituyen las técnicas estadísticas utilizadas para
investigar este tipo de relaciones, las que si bien están relacionadas, tienen
propósitos diferentes. La correlación es útil para medir si la relación que existe entre
las variables es aproximadamente lineal o no; mientras que la regresión sirve para
buscar la ecuación matemática que mejor describe la relación entre las variables.
Ambas técnicas deben su origen al científico inglés Sir Francis Galton (1822-1911),
aclaró los conceptos de regresión en los informes de sus investigaciones sobre la
herencia, primero en los guisantes y posteriormente, en la estatura humana.
Describió una tendencia del hijo adulto, que tiene padres bajos o altos, de regresar
hacia la estatura promedio de la población objeto de estudio.
La correlación es un método estadístico con el que se pretende conocer si dos
variables están asociadas y medir hasta qué punto los cambios de una variable
pueden explicar los cambios que ocurren en la otra.
Para estudiar esta relación lo primero que se hace y que sin duda es de mucho
provecho es graficar a través de un diagrama de dispersión la relación, llamado así
porque se muestra la dispersión de los pares de valores (xi,yi).
Capítulo II Materiales y Métodos 33
Este diagrama de dispersión se construye fácilmente, marcando en un par de ejes
cartesianos los distintos puntos (x1,y1); (x2,y2);...; (xn,yn), resultantes de
observaciones de dichas variables. De esta forma podemos conocer si hay relación
o no entre las variables X e Y, y si esta relación está próxima o no a la relación
lineal, es decir, si se puede explicar mediante el empleo de una línea recta.
El coeficiente de correlación entre dos variables xt e yt, ½xy, mide el grado de
asociación lineal entre ambas variables y se define como:
Este coeficiente no tiene unidades por definición y toma valores
no existe relación lineal entre x e y. Si , existe
relación lineal perfecta y positiva entre x e y. Si , existe relación lineal
perfecta y negativa entre x e y.
En la mayoría de las situaciones no es posible calcular, ya que no se conocen los
parámetros que intervienen en éstas y por tanto se hace necesario estimarlos.
Si se tiene una muestra de tamaño n para los valores correspondientes a estas dos
v.a; digamos (x1,y1); (x2,y2) ;...;(xn,yn) un estimador para viene dado por r:
n
i
n
i
n
iii
yyxx
yyxx
ii
r
1 1
22
1
__
__
Para hacer el cálculo más simple se ha desarrollado la expresión siguiente
Capítulo II Materiales y Métodos 34
nn
ii
nn
ii
n
r
yyxx
yxyx
n
ii
n
ii
n
ii
n
ii
n
iii
11
2
1
2
2
1
2
111
El valor de r expresa en qué grado los sujetos tienen el mismo orden en las
variables X e Y. Si la correlación es perfecta (r = 1) el orden de los sujetos en ambas
variables es el mismo y el diagrama de dispersión coincidirá con una recta (la recta
de regresión).
La siguiente tabla muestra cómo se debe interpretar el valor del coeficiente de
correlación lineal simple.
Figura # 4 Grado e correlación.
El valor de R2 expresa la proporción de variación conjunta (varianza común).[39]
Esta medida parte del supuesto de que X e Y son variables aleatorias y que la
distribución de valores (x,y) es una distribución normal bidimensional o bivariada.
2.5.3 Método de Regresión Lineal Simple
2.5.3.1 Regresión: Método o técnica estadística que nos permite buscar la
ecuación matemática que mejor describe la relación que existe entre las variables.
Consiste en cuantificar la relación que existe entre las variables con el fin de
Capítulo II Materiales y Métodos 35
predecir cuáles serán los valores de una variable cuando se conocen los valores de
la otra.
2.5.3.1 Modelo probabilístico que describe la relación entre las variables:
y = 0 + 1X + E
donde:
0 y 1 son coeficientes o parámetros de la función desconocida, siendo:
0 el intercepto con el eje Y cuando X toma el valor 0.
1 simboliza la pendiente en la población, y es el coeficiente de regresión
lineal simple o dependiente, que mide la unidad de cambio en promedio de la
variable Y por cada unidad de cambio de la variable independiente.
E es el error aleatorio, representa el incremento para el cual, cualquier valor
particular de Y cae fuera de la recta de regresión.
En el modelo de regresión lineal simple clásico deben cumplirse los siguientes
supuestos:
1. La variable X (independiente) es cuantitativa, controlable por el investigador
se supone que es medida sin error (el error en la medición de X se considera
despreciable). Aunque el análisis de regresión también puede llevarse a
cabo sobre datos en los cuales X es una variable aleatoria.
2. La variable Y (dependiente) es cuantitativa continua.
3. Normalidad: Cada población de Y/X sigue una distribución normal. Se supone
además que estas son poblaciones normales independientes.
4. Homocedasticidad: Las varianzas de Y/X son iguales.
5. Linealidad: Las medias de las poblaciones Y/X están situadas sobre una línea
recta, o sea, que los valores medios de Y que correspondan a varios valores
Capítulo II Materiales y Métodos 36
de X caigan sobre una línea recta.
Y/X = 0 + 1X
donde: Y/X = E(Y)
E(Y): Valor promedio de Y
Utilizando el método de mínimos cuadrados, se estiman los coeficientes de la
ecuación de regresión, llegando a la siguiente expresión.
Y = b0 + b1X, donde
)X-X(
)Y-Y)(X-X(
=b2
i
n
1=i
ii
n
1=i
n
xb-y=b
Xb-Y=b
ii0
0
2.5.3.2 Análisis de los residuos
Una vez ajustado el modelo y antes de usarlo para nuevas predicciones, conviene
asegurarse de que no se violen las hipótesis sobre las que se soporta. La
información más relevante la aportan los residuos. Así, bajo las suposiciones
anteriores, los residuos habrán de tener una distribución normal con media cero y
varianza constante. Esto se logra verificar graficando los residuos frente a la
variable dependiente Y.
Se puede complementar este análisis mediante gráficos de probabilidad y tests de
normalidad para los residuos, como el de Kolmogorov-Smirnov. Así mismo, la
independencia de las observaciones puede estudiarse mediante gráficos de
autocorrelación y contrastes de independencia como el de Durban-Wartson.[39]
Capítulo II Materiales y Métodos 37
2.5.3.3 Predicción
Cuando de verifican las hipótesis sobre las que se asienta el modelo, le recta de
regresión puede ser utilizada para predecir el valor medio de la variable Y para cada
valor concreto de la variable X.
2.6. Herramienta computacional utilizada.
Los datos de los valores de las temperaturas y del consumo de los diferentes climas
que fueron incluidos en este estudio, fueron recogidos en ficheros de datos
utilizando la aplicación Microsoft Excel. Estos fueron analizados para obtener un
modelo matemático capaz de pronosticar el consumo de un clima, de un centro y el
de toda la provincia. Para obtener el modelo matemático pronóstico se utilizó el
Paquete de Programas Estadísticos SPSS (System Package for the Social
Sciencies) versión 15.0 para Windows, determinándose las pruebas de Normalidad
de las variables a partir de la prueba estadística no paramétrica de Kolmogorov-
Smirnov, resultando significativa si el valor del estadígrafo de la prueba es mayor
que 5% (p > 0.05). Además se realizó el análisis de varianza para verificar la
validez de modelo obtenido, así como la prueba T de Student para la significación
de los coeficientes de la regresión. Estas pruebas resultan significativas si el valor
del estadígrafo de cada prueba resulta ser inferior al 5% (p < 0.05).
Para facilitar el cálculo del índice de consumo energético a cada nivel se propone
una hoja de cálculo elaborada con la aplicación Microsoft Excel.
Capitulo III . Resultados y discusión 64
Capítulo III. Resultados y discusión.
En este capitulo se exponen los modelos matemáticos obtenidos para un clima, para
un centro y para toda la provincia que permiten establecer el índice de consumo
energético para cada nivel.
3.1 Determinación de la energía mensual demandada por un clima
El acondicionador de aire o clima toma aire del interior de una recamara pasando
por tubos que están a bajas temperaturas estos están enfriados por medio de un
líquido que a su vez se enfría por medio del compresor, parte del aire se devuelve a
una temperatura menor y parte sale expulsada por el panel trasero del aparato, el
termómetro está en el panel frontal para cuando pase el aire calcule la temperatura
a la que se encuentra el ambiente dentro de la recamara y así regulando que tan frío
y que tanto debe trabajar el compresor y el condensador, como es lógico el
consumo va a depender en gran medida de la temperatura ambiente promedio. La
relación de este consumo con la temperatura ambiente promedio se puede obtener
para todos los aires, sin importar las características de los locales, la eficiencia de
los mismos, etc.
Teniendo en cuenta que la eficiencia está determinada por el consumo que a su
vez tiene relación con la temperatura ambiente promedio, podemos establecer la
siguiente expresión:
)1.3(
)(tU : Porcentaje de carga.
)(tC : Consumo según temperatura promedio ambiente.
uK : Coeficiente de utilización.
Existen características particulares que no tienen por qué variar de un mes a otro,
)(tU será afectado por una constante unitaria que será un valor particular para cada
clima, a ese coeficiente que dependerá de estos factores constante se le llama,
coeficiente de utilización.
uKtCtU )()(
Capitulo III . Resultados y discusión 65
De estas variables existen unas que son parámetros constantes y otras que
cambian su valor con el tiempo. El coeficiente de utilización ( uK ) es un valor
constante y la variable )(tC que depende de la temperatura promedio ambiente. La
multiplicación de estos dos coeficientes determina el porcentaje de carga ( )(tU ).
El valor del consumo energético según la temperatura ambiente promedio es
determinado por la ecuación lineal simple entre estas variables.
3.1.1Variables externas que determinan el valor del coeficiente de utilización.
Tamaño del local.
Transmisión muros, piso y techo.
Ganancia de calor de equipos eléctricos.
Ganancia de calor por ocupantes.
Ganancia de calor por iluminación.
Eficiencia del clima.
La expresión matemática de la relación entre el consumo y la temperatura ambiente
diaria promedio está en dependencia de la forma de la relación entre estas variables
y se obtiene al aplicar el método de Regresión Lineal Simple.
La energía consumida por una carga determinada se puede calcular multiplicando
su potencia nominal por las horas de trabajo, pero en el caso de los climas esta
potencia nominal no siempre será la misma en el período de tiempo que se deseé
calcular su energía debido a que en determinado momento el compresor del equipo
se encuentra apagado por encontrarse el local con una temperatura inferior a la
censada por el termómetro.
Fue seleccionado el clima tecnológico ubicado en el centro ¨Salud¨ donde se
determinó el consumo promedio de días y las temperaturas ambientes promedio
para obtener el modelo matemático mediante la regresión lineal simple que
relacionan estas variables.
Para poder realizar un análisis de regresión lineal simple se necesita comprobar un
conjunto de supuestos que se muestran a continuación:
Capitulo III . Resultados y discusión 66
Primeramente se hace necesario comprobar la normalidad de las variables en el
estudio y al analizar el resultado de la prueba estadística de Kolmogorov-Smirnov
para la bondad de ajuste a la distribución Normal, se determinó que las variables en
el estudio siguen una distribución Normal (p > 0.05) como se muestra en la tabla 1
del anexo 1.
Evidentemente para determinar la posible correlación entre la temperatura diaria
promedio y el consumo se determinó el coeficiente de correlación lineal de Pearson
el cual demuestra que entre estas variables existe una fuerte correlación lineal y
positiva (r=0.946). Además, se puede concluir que esta asociación es fuerte lineal y
positiva (p=0.000) en la población de donde se extrajeron los datos. tabla 2 anexo 1.
El 89 % de la variabilidad de la variable dependiente es explicada por el modelo de
regresión. tabla 1 anexo 2
Para tener la seguridad de que el modelo de regresión lineal es válido se realizó el
análisis de varianza asociado a la regresión como se muestra en la tabla #2 del
enexo 2. Se observa que la significación asociada al estadígrafo F de la prueba
resultó ser igual a 0.000, indicando esto la validez del modelo pues la variable
independiente es capaz de explicar toda la variabilidad de la variable dependiente,
es decir que la temperatura diaria promedio explica la variabilidad del consumo
promedio diario del clima mediante una ecuación de regresión.
Una vez comprobado que este modelo lineal es válido se procedió a encontrar la
forma de la ecuación de regresión o modelo lineal propuesto como se observa en la
tabla 3 del anexo 2, de la cual se obtiene la siguiente expresión matemática para
determinar la energía de cada uno de los equipos en un mes:
)2.3(
Una vez obtenido el modelo lineal ( )(tC ), se determina el por ciento de carga que
depende del coeficiente de utilización Ku.
548.0050.0)( TemptC
Capitulo III . Resultados y discusión 67
Suponiendo que la temperatura ambiente promedio en un día fue de 24 oC, para un
clima del centro de Salud, se puede determinar el por ciento de carga a partir de un
coeficiente de utilización de 0,8 establecido previamente, como sigue:
)3.3(
)4.3(
Es decir que a una temperatura de 24 oC el clima trabajará al 52% de su potencia
nominal.
Una vez determinado el por ciento de carga demandada se puede calcular la
energía demandada por un clima en un mes de trabajo ( dmesE ), la cual depende de
la energía diaria promedio demandada y de los días de funcionamiento como se
muestra a continuación:
)5.3(
díaE : Energía demandada por un clima en un día.
)6.3( , donde P representa la potencia promedio.
)7.3( , equipo del nominal potencia la representa nPdonde
La energía mensual demandada por un clima se puede determinar utilizando la
siguiente expresión:
)8.3(
Por lo que si determinamos la energía mensual demandada por el clima del centro
Salud, obtendríamos la siguiente expresión:
)9.3(
diasEE díadmes
horasPEdía
horasdíasPKtCE nudmes )(
uKtCtU )()(
)(tUPP n
5216,08,0)548.024050.0()( tU
kWhEdmes 06,2088243056,55216,0
Capitulo III . Resultados y discusión 68
3.2 Determinación del coeficiente de utilización para un clima una vez
obtenido el modelo de regresión lineal simple.
Para determinar el coeficiente de utilización de cualquier clima, es necesario
determinar el porcentaje de carga mediante el analizador de redes y el valor del
consumo según temperatura ambiente diaria promedio mediante el modelo lineal
obtenido ( )(tC ) como se muestra a continuación.
)10.3(
El valor registrado de Ku sería constante para un aire si no se registra ningún
cambio en las variables externas, expresadas con anterioridad, que determinan en
el valor este coeficiente.
A modo de ejemplo, si se quiere determinar el coeficiente de utilización de un clima
de 4,1 kW del local tecnológico ubicado en el CT Zona Industrial. Las mediciones se
realizaron los días 16 al 19 de junio del 2012. Se tomaron los consumos promedio
diarios P de los 4 días del clima con un analizador de redes obteniendo de esta
forma con la potencia nominal ( )(tU ), según temperatura ambiente diaria promedio
mediante el modelo lineal obtenido ( )(tC ) obtenemos el Ku de cada uno de los días
siendo el promedio de 0,695 para el clima de CT Zona Industrial.
día
P real (kW) U(t) C(t) Temp. Ku
U(t) teórico P teórico (Kw)
16 2,13 0,518 0,741 25,8 0,699 0,515 2,11
17 2,07 0,504 0,714 25,2 0,706 0,496 2,03
18 2,19 0,534 0,770 26,4 0,693 0,535 2,19
19 2,32 0,565 0,829 27,5 0,681 0,576 2,36
Promedio 2,17 0,530 0,764 26,23 0,695 0,531 2,18
Tabla # 7: Valores obtenidos de Ku.
)()(
tCtU
Ku Pn
PtU )(
Capitulo III . Resultados y discusión 69
Una vez determinado el valor de coeficiente de utilización podemos pronosticar el
consumo de este clima con un % pequeño de error.
Existen otros mecanismos para pronosticar el consumo de un clima que son muy
complejos debido a que hay que realizar una gran cantidad de cálculos para
determinar la carga térmica o también carga de enfriamiento que no es más que la
cantidad de energía que se requiere vencer en un área para mantener determinadas
condiciones de temperatura.[40]
3.3 ¿Cómo influye un grado de temperatura en la energía mensual demandada
por un clima?.
Mediante la ecuación de regresión lineal C(t) se puede calcular la influencia de un
grado Celsius en el consumo de un clima, como se muestra a continuación.
Modelo Lineal de (C(t))
C(t) = 0,050*Ta - 0,548
R2 = 0,8951
0,50
0,55
0,60
0,65
0,70
0,75
0,80
0,85
21,00 22,00 23,00 24,00 25,00 26,00 27,00
Temperatura
Po
rcen
taje
de c
arg
a C
(t)
Consumo
Lineal (Consumo)
0,04
Gráfico # 7 Modelo lineal C(t)
Para determinar la influencia de un grado de temperatura en el consumo de un clima
se sustituirá en la )11.3( simulando 24 C0 y luego por 25 C0, el resultado de ambas
Capitulo III . Resultados y discusión 70
simulaciones nos dirá la influencia de un grado de temperatura en el consumo de un
clima.
)11.3(
Estos resultados indican que un grado de temperatura ambiente influye
aproximadamente en un 4% de su consumo nominal del clima, es decir, si el clima
es de 5560 watt, la variación por cada grado sería 224 watt. Este procedimiento
permitió determinar un índice de consumo de )(tU = 0,04 por cada grado Celsius de
temperatura.
3.4 Cálculo del Índice de consumo con levantamiento de carga.
Después de realizado el levantamiento de cargas podemos obtener la cantidad de
energía total teórica que necesita cada centro en dependencia de la temperatura
pronosticada. Todos los climas van a reportar su consumo teórico con la ayuda de
los coeficientes anteriormente explicados. El valor de energía total dividido entre la
cantidad de días de un mes determinado será la energía promedio demandada en
un día dE , este valor lo dividimos entre la temperatura anteriormente mencionada
para determinar la cantidad de kWh de consumo como promedio en un día por cada
grado de temperatura cI .
Con el levantamiento de carga de todo el centro podemos realizar una distribución
de energía en función con la temperatura ambiente diaria promedio y determinar
cuánto consume cada centro por cada grado Celsius de temperatura. De esta forma
uKtCtU )()(
527,08,0240504,0)24( U
567,08,0250504,0)25( U
04,0527,0567,0 difU
)25()24( UUUdif
Capitulo III . Resultados y discusión 71
se puede determinar el índice de consumo de cada centro e identificar la línea base
energética. Simulando el consumo promedio de cada día se divide entre la cantidad
de grados a planificarse en ese mes y se obtiene el indicador de cantidad de kWh
de consumo como promedio en un día por cada grado de temperatura.
A continuación mostramos los cálculos del procedimiento.
)12.3(
)13.3(
dE - Energía demandada diaria promedio (kWh)
tmE - Energía total del mes (kWh)
D - Cantidad de días del mes
cI - Índice de consumo diario promedio (kWh/día x 0C)
aT - Temperatura ambiente diaria promedio(0C)
3.5. Levantamiento de cargas.
Es necesario realizar el levantamiento de la carga instalada teniendo los datos de la
potencia nominal de los equipos, identificar si pertenecen a un área tecnológica,
comercial o administrativa, esto permite establecer un nivel de prioridad en el
momento de clasificar la energía, las áreas claves con prioridad #1 son las
tecnológicas, #2 áreas comerciales, #3 áreas administrativas. Estas cargas por sus
características particulares tienen distintas horas de consumo en el día, este es otro
de los valores a tener en cuenta para realizar el levantamiento así como las horas
del día que trabaja cada una de ellas. Otro parámetro importante es la cantidad de
días que trabajan las cargas en el mes ya que todos los meses no tienen la misma
D
EE tm
d
a
dc
T
EI
Capitulo III . Resultados y discusión 72
cantidad de días y las áreas por sus características particulares no trabajan la
misma cantidad de días en un mes.
Resulta muy complicado pronosticar el consumo de un clima, el mismo tiene un
consumo muy variable que depende de otros factores. Debido a este problema fue
necesario la creación de un procedimiento matemático utilizando el método de
regresión lineal para lograr pronosticar el consumo de un clima determinado.
El consumo mensual de cada uno de los equipos consumidores se determina
mediante la ecuación.
)14.3(
3.6 Determinación de la energía mensual demandada por un centro. 3.6.1 Cálculo del indicador de consumo del CTSC mediante el método de
regresión lineal. En el CTSC se analizó el consumo según la temperatura para todos los mese del
año 2012. Al comprobar la normalidad de las variables en el estudio y al analizar el
resultado de la prueba estadística de Kolmogorov-Smirnov para la bondad de ajuste
a la distribución Normal, se determinó que las variables en el estudio siguen una
distribución Normal (p > 0.05) como se muestra en la tabla 1 del anexo 3.
Para determinar la posible correlación entre la temperatura diaria promedio y el
consumo del CTSC, se determinó el coeficiente de correlación lineal de Pearson el
cual demuestra que entre estas variables existe una fuerte correlación lineal y
positiva (r=0.946). Además, se puede concluir que esta asociación es fuerte lineal y
positiva (p=0.000) en la población de donde se extrajeron los datos. tabla 2 anexo 3
El 89 % de la variabilidad de la variable dependiente es explicada por el modelo de
regresión. tabla 1 anexo 4.
Para tener la seguridad de que el modelo de regresión lineal es válido se realizó el
análisis de varianza asociado a la regresión como se muestra en la tabla #2 del
enexo 4. Se observa que la significación asociada al estadígrafo F de la prueba
horasdíasPnKutCEdmes )(
Capitulo III . Resultados y discusión 73
resultó ser igual a 0.000, indicando esto la validez del modelo pues la variable
independiente es capaz de explicar toda la variabilidad de la variable dependiente,
es decir que la temperatura diaria promedio explica la variabilidad del consumo
promedio diario del clima mediante una ecuación de regresión.
Una vez comprobado que este modelo lineal es válido se procedió a encontrar la
forma de la ecuación de regresión o modelo lineal propuesto como se observa en la
tabla 3 del anexo 4, de la cual se obtiene la siguiente expresión matemática para
determinar la energía de cada uno de los equipos en un mes:
Regresión con el consumo promedio del día y la temperatura
ambiente CTSC 2012
y = 149,66x + 527,75
3400
3600
3800
4000
4200
4400
4600
4800
20,00 21,00 22,00 23,00 24,00 25,00 26,00 27,00
Temperatura
Co
nsu
mo
kW
h
Consumo
promedio día
CT Sta Clara
Lineal
(Consumo
promedio día
CT Sta Clara)
Gráfico # 8 Regresión con el consumo promedio del día y la temperatura ambiente.
3.6.2. Determinación del índice de consumo de un centro a partir del modelo
de regresión lineal obtenido.
La energía demandada promedio de un día se puede pronosticar mediante el
método de regresión lineal expresado con el modelo que muestra la ecuación
)15.3( . Para llegar a un valor de índice de consumo es necesario dividir la energía
75,52766,149 TempEd
Capitulo III . Resultados y discusión 74
calculada entre la temperatura ambiente promedio aT para obtener la cantidad de
kWh que se necesita por cada grado de temperatura.
El intersecto de la ecuación de regresión determina el valor del índice de consumo
en cada uno de los meses, es decir si este valor está muy alejado del origen de
coordenadas entonces el índice de consumo mostrará una variabilidad mayor en su
valor. Teniendo en cuenta que la temperatura no es constante en los meses
estudiados, es necesario establecer un índice de consumo para cada mes del año.
Utilizando los registros del año 2012, como se muestra en la siguiente tabla, con
una selección de centros a los cuales se les determinó la ecuación de regresión de
mejor ajuste para determinar el consumo de energía según temperatura ambiente
promedio. Se observa cómo en el caso del centro de Camajuaní la variación del
índice se mantiene constante debido a que el intersecto toma valor cero.
)15.3(
Tabla · 8. Índices de consumo según temperatura ambiente
Centro R2
Pendiente intersección 19 20 21 22 23 24 25 26 27
CTRO TELEFONICO CORRALILLO 0,88 7,0 -13 6,3 6,4 6,4 6,4 6,5 6,5 6,5 6,5 6,6
CTRO TELEFONICO MANACAS 0,87 5,3 -48 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,4 3,5
CTRO TELEFONICO RODRIGO 0,91 2,9 -30 1,3 1,4 1,4 1,5 1,6 1,6 1,7 1,7 1,8
CTRO TELEFONICO STO DGO 0,92 7,0 -33 5,3 5,4 5,4 5,5 5,6 5,6 5,7 5,7 5,8
ETEC.SA CTRO.TELEFONICO STA.C 0,89 149,7 528 177,5 176,1 174,8 173,7 172,6 171,7 170,8 170,0 169,2
ETECSA . CTRO TELEFONICO ISABELA 0,83 4,2 -9 3,7 3,7 3,7 3,7 3,8 3,8 3,8 3,8 3,8
ETECSA C/TELEFONICO CIFUENTES 0,93 5,7 -46 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0 4,0
ETECSA CAMAJUANI 0,78 7,7 0 7,7 7,7 7,7 7,7 7,7 7,7 7,7 7,7 7,7
ETECSA CTRO TELEF REMEDIOS 0,88 1,8 9 2,3 2,3 2,2 2,2 2,2 2,2 2,2 2,1 2,1
ETECSA CTRO TELEFONICO QUEMADO 0,83 2,8 23 4,0 3,9 3,9 3,8 3,8 3,7 3,7 3,7 3,6
ETECSA LA SIERRA 0,83 2,8 -40 0,7 0,8 0,9 1,0 1,1 1,1 1,2 1,3 1,3
ETECSA MANICARAGUA 0,95 10,0 -93 5,1 5,4 5,6 5,8 6,0 6,2 6,3 6,5 6,6
ETECSA PARQUEO 0,82 9,3 -124 2,8 3,1 3,4 3,7 4,0 4,2 4,4 4,6 4,8
ETECSA TECORREO RANCHUELO 0,84 8,3 -54 5,4 5,6 5,7 5,8 5,9 6,0 6,1 6,2 6,3
ETECSA: CTRO TELEFONICO SAGUA 0,81 25,1 -172 16,1 16,5 16,9 17,3 17,6 17,9 18,2 18,5 18,7
Temperatura ambiente
a
ac
T
ntercesiónTpendienteI
i
ntercesiónTpendienteE ad i
a
dc
T
EI
Capitulo III . Resultados y discusión 75
3.6.3 Cálculo de indicador histórico de consumo del CTSC aplicando el
método grados- energía.
Para determinar el índice de consumo histórico de cada centro se tomó como
referencia el año 2012. Teniendo los consumos reales de cada mes y las
temperaturas promedio se calculan los índices de consumo de cada uno de los
meses y se determina el promedio del índice de consumo en el año determinando
así el índice de consumo base de energía. Este valor se debe comparar con los
valores teóricos de consumo para determinar si realmente el centro consumió esos
valores históricos de forma eficiente y no planificar falsos indicadores que permitan
malgastar la energía estableciendo líneas bases energéticas erróneas. Con la
ayuda de este índice se crea en todos los centros una línea de base energética que
deben mantenerse y registrarse.
Se tomaron los datos del período de consumo del año 2012, se tomó de cada mes
el consumo total, la temperatura promedio y la cantidad de días.
Dividiendo la cantidad total de energía entre la cantidad de días de un mes
obtenemos el promedio de consumo diario del centro en cada uno de los meses.
Los resultados se muestran en la tabla.#7
El consumo promedio diario se divide con el valor de la temperatura promedio
obteniendo el consumo de cantidad de kWh de consumo como promedio en un día
por cada grado de temperatura. El valor del indicador de CTSC es de 172
)( 0CdíakWh . Como se muestra en la tabla. Por cada grado de temperatura el
CTSC consumirá 172 kWh en un día. Si el día es fresco o estamos en presencia de
algún frente frio el responsable del centro deberá apagar los climas para poder
cumplir con el indicador, por cada grado de temperatura ambiente que disminuya el
centro deberá disminuir 172 kWh de consumo del día. Anteriormente los centros se
fijaban por el plan operativo del día y si las temperaturas disminuían no importaba
porque ellos aun teniendo frescos los locales continuaban con los climas
encendidos debido a que se guiaban por la línea base del plan operativo y no por la
línea base del indicador de consumo.
Capitulo III . Resultados y discusión 76
Ejemplo del cálculo en el mes de enero. La energía total es dividida entre la
cantidad de días del mes obteniendo el consumo promedio de un día.
)16.3(
Dividiendo la energía promedio del día (Epd) entre los grados Celsius de temperatura
ambiente podemos determinar el índice de consumo del mes de enero. Este mes no
se cumple con la línea base energética por consumirse 180 kWh por cada grado
Celsius de temperatura siendo el índice patrón de 172( ver tabla #7). Para lograr
cumplir con el indicador energético los centros deben aprovechar las bajas
temperaturas debido a los frentes fríos que se caracterizan en esta época del año y
no encender los aires innecesariamente mantener una temperatura agradable en los
locales con la ayuda del exterior y no guiarse por el plan operativo.
)17.3(
Mes Temp
Consumo
del mes
(kWh)
Días
del
mes
Consumo
promedio diario
(kWh)
Ic
CTSC
Enero 20,61 115264 31 3718 180
Febrero 22,39 109808 29 3786 169
Marzo 23,04 121028 31 3904 169
Abril 23,50 120667 30 4022 171
Mayo 24,81 133151 31 4295 173
Junio 26,01 138974 30 4632 178
Julio 26,13 135524 31 4372 167
Agosto 26,24 140138 31 4521 172
Septiembre 26,03 129649 30 4322 166
Octubre 24,39 127386 31 4109 168
Noviembre 20,90 113091 30 3770 180
Diciembre 21,96 114640 31 3698 168
Promedio 23,83 124943,33 30,5 4096 172 Tabla # 9 Índices de consumo de CTSC
3.6.4. Análisis del comportamiento del índice de consumo del CTSC en el año
2012.
El comportamiento de los índices de consumo reales en el año 2012 se encuentran
en los intervalos de ± 5% respecto al índice de consumo patrón, demostrando así el
diaskWh
DEtmE d 3718
31115264
CdiaskWh
TaEIc d
enero 180
6,203718
Capitulo III . Resultados y discusión 77
grado de precisión de la aplicación de los índices, esto se puede apreciar mediante
la gráfica 9
Análisis de índices de consumo de CTSC 2012
160
165
170
175
180
185
Ene
ro
Febrer
o
Mar
zoAbr
il
May
o
Junio
Julio
Ago
sto
Sep
tiem
bre
Octubr
e
Nov
iem
bre
Diciem
bre
Mes
Índ
ices d
e c
on
su
mo
Ic real
Ic max
Ic min
Gráfico # 9 Análisis de índices de consumo CTSC 2012
3.6.5. Detección de comportamiento irregular del consumo de energía eléctrica
de un CT.
El 78% del consumo de los centro presentan una correlación positiva fuerte entre
consumo de energía y temperatura ambiente. Hay que tener en cuenta que existen
centros que no se encuentran por encima del 80% debido a muchas causas como
puede ser errores de lecturas en el contador o ajustes de consumo que realiza la
empresa eléctrica o aires con problemas en los termostatos, que por determinada
situación se realizaron trabajos constructivos en determinado centro que provocaron
aumentos considerables de consumo. Un ejemplo es el caso del CT Cayo Santa
María. El mismo es el 4 centro más consumidor de la DTVC. La correlación de este
centro se encuentra con un valor de 0.25 y es debido a muchos errores en la lectura
del contador. En el mes de abril, por error de lectura, se informó mucho menos de lo
pronosticado, ya que de las tres lecturas consumo, consumo pico, consumo
madrugada y consumo día, solo se informó la del consumo día, representando una
95,0min
05,1max
realIcIc
realIcIc
Capitulo III . Resultados y discusión 78
diferencia en la factura de la Empresa Eléctrica. En el mes de diciembre 2012 en el
centro se realizaron trabajos constructivos que influyeron en el incremento del
consumo, superando los valores de consumo promedio diario. Según el índice de
consumo del centro, se debió consumir 358 kWh como promedio. Esto es un
ejemplo de los análisis que se pueden realizar con los índices de consumo. Siempre
que exista una desviación en la correlación se deben realizar análisis para conocer
el por qué de lo ocurrido.
Mes Temp
Días
del
mes
Consumo
real(kWh)Ic real Ic Max Ic min
Consumo real
promedio día
Consumo
teórico
promedio día
Enero 20,61 31 9256 14 17 15 299 326
Febrero 22,39 29 10455 16 17 15 361 354
Marzo 23,04 31 11058 15 17 15 357 364
Abril 23,50 30 8298 12 17 15 277 372
Mayo 24,81 31 12967 17 17 15 418 392
Junio 26,01 30 10825 14 17 15 361 411
Julio 26,13 31 13755 17 17 15 444 413
Agosto 26,24 31 12766 16 17 15 412 415
Septiembre 26,03 30 12375 16 17 15 413 412
Octubre 24,39 31 12117 16 17 15 391 386
Noviembre 20,90 30 10243 16 17 15 341 331
Diciembre 21,96 31 13849 20 17 15 447 347
Promedio 23,83 30,5 11497 16 17 15 377 377
Tabla # 10 Índices de consumo del CT Cayo Santa Maria.
Análisis de índices de consumo de DT Cayo Sta Maria 2012
11,0
12,0
13,0
14,0
15,0
16,0
17,0
18,0
19,0
20,0
21,0
Ene
ro
Febrer
o
Mar
zoAbr
il
May
o
Junio
Julio
Ago
sto
Sep
tiem
bre
Octubr
e
Nov
iem
bre
Diciem
bre
Mes
Índ
ices d
e c
on
su
mo
Ic real
Ic plan operativo
Ic max
Ic min
Gráfico # 10 Análisis de índices de consumo CT Cayo Santa Maria 2012
Capitulo III . Resultados y discusión 79
3.7. Análisis del comportamiento de los índices de consumo del CTSC en el primer semestre 2013.
La grafica #11 muestra el comportamiento del índice del CTSC en cada uno de los
meses del primer semestre del 2013. En el mes de enero el centro terminó con un
índice de 176 )( 0CdíakWh , o sea el centro utiliza 176 kWh como promedio por
cada 0C temperatura ambiente en un día, en este mes fue necesario realizar un
ajuste en el plan operativo de este centro debido a que el plan operativo de energía
entregado fue solamente de 168 )( 0CdíakWh . Las temperaturas del mes de
marzo disminuyeron en 2 0C lo que se había planificado provocando de esta forma
un aumento en el índice de consumo hasta el punto de pasarse de la línea base
máxima del 5%. Este es un ejemplo típico de consumo ineficiente de la energía
eléctrica, el personal que atiende la energía en los centros se guía solamente por el
plan que se implantó a principios de mes, cumplen con el plan operativo pero no con
el índice base energético. Se da el caso de que las personas se encuentran en los
locales con abrigos puestos y el clima encendido. Realizando este tipo de análisis el
personal que atiende la energía en los centro una vez que se percate de que las
temperaturas están bajas sabrá que disminuirá el consumo permitido del mes y
tomará medidas para evitar los usos ineficientes como el ejemplo expuesto con
anterioridad.
Análisis de índices de consumo de CTSC enero-julio 2013
176174
184
170
175 175173
192
199
213
197198
195
190
160
170
180
190
200
210
220
Enero Febrero Marzo Abril Mayo Junio JulioMes
Índ
ices d
e c
on
su
mo
Ic real
Ic plan operativo
Ic max
Ic min
Gráfico # 11 Análisis de índices de consumo CTSC enero-julio 2012
Capitulo III . Resultados y discusión 80
3.7.1. Resultados del pronóstico de consumo CTSC 2013.
En la tabla # 9 se observan los resultados de la efectividad del procedimiento de
pronosticar el consumo con el índice de )( 0CdíakWh , en la misma se muestra el
consumo real de la CTSC. Teniendo los registros reales del promedio de
temperatura ambiente se puede pronosticar el consumo teórico y comparar así con
los consumos reales, se puede observar que las diferencias entre lo pronosticado y
el real son mínimas enmarcándose el consumo real en los parámetros de ± 5%
respecto a lo pronosticado.
mes
Consumo
pronosticado
Consumo
real LBE Max LBE MIN
enero 121 123 127 115
febrero 109 110 115 104
marzo 109 116 115 104
abril 128 126 134 122
mayo 133 134 139 126
junio 136 138 143 130
julio 140 140 147 133
Tabla # 11 Consumo pronosticado CTSC 2013
Resultados del pronóstico de consumo 2013 CTSC
121
109 109
128
133
136
140
123
110
116
126
134
138140
100
105
110
115
120
125
130
135
140
145
150
enero febrero marzo abril mayo junio julioMes
Co
ns
um
os
de
en
erg
ía (
MW
H)
consumo pronosticado
consumo real
IBE MAX
LBE MIN
Gráfico # 12 Resultados del pronóstico de consumo CTSC 2013
Capitulo III . Resultados y discusión 81
3.8. Determinación de la energía mensual demandada por la DTVC. 3.8.1 Cálculo del indicador de consumo energético de la DTVC mediante el
método de regresión lineal. En la DTVC se analizó el consumo según la temperatura para todos los meses del
año 2012. Al comprobar la normalidad de las variables en el estudio y al analizar el
resultado de la prueba estadística de Kolmogorov-Smirnov para la bondad de ajuste
a la distribución Normal, se determinó que las variables en el estudio siguen una
distribución Normal (p > 0.05) como se muestra en la tabla 1 del anexo 5.
Para determinar la posible correlación entre la temperatura diaria promedio y el
consumo del CTSC, se determinó el coeficiente de correlación lineal de Pearson el
cual demuestra que entre estas variables existe una fuerte correlación lineal y
positiva (r=0,979). Además, se puede concluir que esta asociación es fuerte lineal y
positiva (p=0.000) en la población de donde se extrajeron los datos. tabla 2 anexo 5
El 96 % de la variabilidad de la variable dependiente es explicada por el modelo de
regresión. tabla 1 anexo 6.
Al determinar si el modelo lineal obtenido resultó válido mediante el análisis de
varianza asociado a la regresión como se muestra en la tabla #2 del anexo 6, se
observó que la significación asociada al estadígrafo F de la prueba resultó ser igual
a 0.000, indicando esto la validez del modelo pues la variable independiente es
capaz de explicar toda la variabilidad de la variable dependiente, es decir que la
temperatura diaria promedio explica la variabilidad del consumo promedio diario del
clima mediante una ecuación de regresión.
Una vez comprobado los supuestos anteriores para la aplicación de la regresión, se
procedió a encontrar la forma de la ecuación de regresión o modelo lineal propuesto
como se observa en la tabla 3 del anexo 6, de la cual se obtiene la siguiente
expresión matemática para determinar la energía de cada uno de los equipos en un
mes:
)18.3( 55,13067,464 TempEd
Capitulo III . Resultados y discusión 82
En la grafica # 13 se puede observar claramente la influencia en el consumo
promedio del día que tiene un grado de temperatura, aplicando parte del método de
grados- energía se calculan los valores de dE para 24 0C y 25 0C los mismos son
restados y el resultado es 464,7 )( 0CdíakWh siendo este la cantidad de energía
que necesita la DTVC en un día por cada un 0C de temperatura ambiente.
Regresión con el consumo promedio del día y la temperatura
DTVC Ēd = 464,7*Ta - 130,55
R2 = 0,959
9000
9500
10000
10500
11000
11500
12000
12500
20,00 21,00 22,00 23,00 24,00 25,00 26,00 27,00
Temperatura
Co
nsu
mo
kW
h
Consumo promedio
dia DTVC
Lineal (Consumo
promedio dia
DTVC)
Gráfico # 13 Regresión con el consumo promedio del día y la temperatura ambiente
3.9. Cálculo del indicador histórico de consumo del DTVC aplicando el método
grados- energía.
Evaluando la ecuación 3.16 se determinó el indicador histórico de consumo para el
año 2012 en la DTVC, obteniéndose que, como promedio, consumió 459 kWh por
cada grado Celsius de temperatura en un día.
Capitulo III . Resultados y discusión 83
Mes
Consumo
del mes
(kWh) Temp
Días
del
mes
Cons total
prom por
día (kWh) Ic Real
Enero 296341 20,61 31 9559 464
Febrero 291556 22,39 29 10054 449
Marzo 321299 23,04 31 10364 450
Abril 323054 23,50 30 10768 458
Mayo 348954 24,81 31 11257 454
Junio 365499 26,01 30 12183 468
Julio 364369 26,13 31 11754 450
Agosto 382171 26,24 31 12328 470
Septiembre 360358 26,03 30 12012 461
Octubre 348858 24,39 31 11253 461
Noviembre 296845 20,90 30 9895 474
Diciembre 308178 21,96 31 9941 453
Promedio 333957 23,83 30,5 10947 459
Tabla # 12 Comportamiento del índice de consumo DTVC año 2012
Los índices de consumó nunca deben sobrepasar los valores de ± 5% con respecto
a su índice de consumo patrón. Se puede determinar con el plan operativo de
energía asignado a cada uno de los meses del año 2012 un índice de consumo plan
operativo, el mismo se encuentra identificado con color rojo en la gráfica #14 . Como
se puede observar en ninguno de los meses, nuestro índice real representado con la
línea azul sobrepasó el plan operativo. Las líneas verdes muestran los rangos de
índice de consumo, entre los cuales puede oscilar el índice de consumo real
teniendo en cuenta los valores de ± 5 % respecto al índice base energético que en
este año fue, como promedio, 459 )( 0CdíakWh . Puede darse el caso que un
índice de consumo no sobrepase el índice consumo operativo y sin embargo
sobrepase las líneas base energéticas, lo cual es un indicador que ha incurrido en
violaciones del consumo eléctrico.
Capitulo III . Resultados y discusión 84
Análisis de índices de consumo de DTVC 2012
400
420
440
460
480
500
520
540
560
580
600
Enero
Febre
ro
Mar
zoAbr
il
May
o
Junio
Julio
Agosto
Septie
mbr
e
Octub
re
Nov
iem
bre
Diciem
bre
Mes
Índ
ice
s d
e c
on
su
mo
Ic real
Ic plan operativo
Ic max
Ic min
Gráfico # 14 Análisis del índice de consumo de la DTVC 2012
3.10. Análisis de la línea base energética enero-julio DTVC 2013. En el mes de enero cumplimos con el indicador base energética disminuyendo en
11 )( 0CdíakWh alcanzando un valor de 453,63 )( 0CdíakWh siendo el patrón
464,7 )( 0CdíakWh como se puede observar en el gráfico # 15. Este resultado
está muy influenciado por 22 0C de temperatura promedio en el mes de enero que
no se comportaron como se esperaban con valores de 2 grados por encima del
promedio planificado. Un incremento de un grado en el mes de enero influye en
14405 kWh. El indicador de consumo depende de la temperatura y si la misma en
un mes determinado aumenta su valor, la energía planificada a consumir va a
aumentar por cada grado en 14405 kWh, como el ejemplo mostrado en el mes de
enero.
TaDIcpEtm
kWhEtm 144051317,464
Capitulo III . Resultados y discusión 85
El plan operativo para los meses fríos es pequeño y puede pasar que como el clima
es tan variable aumente la temperatura más de lo planificado y no cumple con el
plan operativo y sin embargo, si se cumple con el plan base energético.
Gráfico de entre Ic base y Ic real de la DTVC 2013
454
463
481
467
478
482 480
450
455
460
465
470
475
480
485
enero febrero marzo abril mayo junio julio
meses
Ind
ice
s
Ic real
Ic base
Gráfico # 15 Gráfico entre Ic base y Lc real de la DTVC 2013 Ic base- Índice de consumo base del mes.
Ic real- Índice de consumo real del mes.
En el mes de marzo ocurrió lo contrario al mes de enero debido a que Cuba fue
afectada por constantes frentes fríos, las temperatura en el mes de marzo bajaron 2
grados de lo planificado y como los centros se guían por un plan operativo, pues se
pudo observar que muchas veces habían locales donde los trabajadores se
encontraban con abrigos en el interior y con los aires acondicionados encendidos no
cumpliendo así con el indicador energético pero sí con el plan operativo del mes
como se muestra en el gráfico # 16.
Capitulo III . Resultados y discusión 86
Análisis de índices de consumo de DTVC enero-julio 2013
454
463
481
467
478482 480
508
527
563
523528
521
510
435
455
475
495
515
535
555
Enero Febrero Marzo Abril Mayo Junio JulioMes
Índ
ices d
e c
on
su
mo
Ic real
Ic plan operativo
Ic max
Ic min
Gráfico # 16 Análisis de índices de consumo de la DTVC enero-julio 2013 En marzo 2013 por realizar los análisis con índices de consumo falsos la empresa a
nivel nacional se le afectó el plan operativo de energía y debido a este problema no
se está entregando la energía necesaria para trabajar. Se han estado adoptando
medidas extremas de apagar en muchos lugares todos los climas administrativos y
si se continúa sin poder cumplir el plan operativo se procede a apagar climas
comerciales afectando de esta forma la atención al cliente y al trabajador, no
cumpliendo de esta forma con la eficiencia energética que no es más que disminuir
el consumo individual sin disminuir la satisfacción personal obtenida de los servicios
que ella le presta.
3.11 Ajustes de la línea base energética. Sumando los índices de consumo de los 86 centros, obtenemos el índice de
consumo base o índice de consumo energético de la DTVC. El año 2013 comenzó
con un índice de de 464,8 )( 0CdíakWh y en el mes de julio se encuentra en 479,5
)( 0CdíakWh debido al incremento de centros y nuevos ajustes de cargas.
Deben realizarse ajustes en las líneas de base cuando los indicadores ya no reflejen
el uso y consumo de energía de la organización, también si se han realzado
Capitulo III . Resultados y discusión 87
cambios importantes en los procesos, patrones de operación. Las líneas bases
energéticas deben mantenerse y registrarse.
3.12. Pronóstico de consumo DTVC para el año 2013. Se decidió dejar los primeros siete meses del año 2013 para validar el modelo
obtenido con el fin de pronosticar el consumo correspondiente a esos meses y se
obtuvo que los valores pronosticados por el modelo estuvieron muy próximos a los
valores de consumo que realmente se registraron y, como se observa en la tabla #
11, el por ciento de error estuvo por debajo del 5 %.
mes
Consumo
pronosticado(MWH)
Consumo
real(MWH) Dif % error
enero 324 316 8 2,43
febrero 292 291 1 0,40
marzo 294 304 -10 -3,45
abril 343 345 -1 -0,37
mayo 357 366 -9 -2,35
junio 368 380 -12 -3,22
julio 380 388 -8 -2,00
Tabla # 14 Consumo pronosticados y % de error
Para lograr una mejor comprensión de lo discutido con anterioridad, el gráfico # 17
muestra el comportamiento del consumo durante esos meses del año.
Resultados del pronóstico de consumo 2013 DTVC
324
292 294
343
357
368
380
316
291
304
345
366
380
388
270
290
310
330
350
370
390
410
enero febrero marzo abril mayo junio julioMes
Co
ns
um
os
de
en
erg
ía (
MW
H)
consumo pronosticado
consumo real
IBE MAX
LBE MIN
Gráfico # 17 Resultados de los pronósticos 2013 DTVC
Capitulo III . Resultados y discusión 88
3.13 Nivel de actividad del índice de consumo. El nivel de actividad o volumen de producción es el grado de uso de la capacidad de
producción. Se le suele medir como un porcentaje de uso de dicha capacidad.
También se usan magnitudes absolutas, como unidades producidas, horas de
servicios insumidas, cantidad de servicios realizados, etc.
El nivel de actividad real o resultante, o histórico es aquel efectivamente alcanzado.
Pero también puede trabajarse con niveles hipotéticos, estándar, esperados, etc.
Los niveles esperados, a modo de ejemplo, determinarán la magnitud de
ciertos costes fijos al elaborar el presupuesto anual.
El estudio de los niveles de actividad es fundamental para la gestión empresarial y
más aun en aquellos casos en que existen grandes variaciones estaciónales
durante el año, como en actividades turísticas.
Una fábrica de zapatos tiene un nivel de actividad dado en dependencia de la
cantidad de zapatos que vaya a producir, si aumenta la producción de zapatos así
consumirá más energía. O sea al dividir el consumo de energía entre el nivel de
actividad el valor resultante será el índice de consumo que debe permanecer
constante en cada uno de los meses debido a que existe una variable externa que
va a influir en el consumo de energía que será determinada cantidad de kWh por
zapatos.
En los locales climatizados es similar, existe una variable externa que es la
temperatura que influye en gran medida en el consumo de energía como se
demostró en los análisis anteriores. Con un aumento de la temperatura los climas
tienen que realizar un mayor trabajo para extraer toda la carga térmica del interior
de los locales producidos por las temperatura ambiente, como mismo ocurre en el
ejemplo anterior al incrementar la producción de zapatos. El nivel de actividad
presentado para estos lugares con altas cargas de clima es: ( )# 0Cdías . Este
índice debe permanecer constante para cada uno de los meses así aumente o
disminuya la temperatura como mismo sucede en el ejemplo anterior con un
aumento o disminución de la producción de zapatos.
Capitulo III . Resultados y discusión 89
)18.3(
)19.3(
3.14. Valoración Económica
De haberse implementado este procedimiento en el año 2012, la empresa hubiera
ahorrado un total de 418 008 kWh, que representa un gasto de 100 322 CUC debido
al costo de kWh que oscila dentro de los 0.24 CUC/kWh.
Este procedimiento permite supervisar medidas de ahorra y verificar el cumplimiento
de las mismas, el establecimiento de una línea base energética posibilita que cada
centro consuma la energía de forma eficiente, de establecer este procedimiento en
el año 2012 nuestra empresa pudo ahorrarse 100 000 CUC aproximadamente, la
Mes
Consumo
real (kWh)
Consumo
teórico
(kWh) Dif kWh
Enero 4754694 4660422 94272
Febrero 4754703 4735452 19251
Marzo 5078435 5209882 -131447
Abril 5098350 5156732 -58382
Mayo 5526112 5608370 -82258
Junio 5683207 5689872 -6665
Julio 5763131 5906848 -143717
Agosto 6002227 5932557 69670
Septiembre 5721717 5695889 25828
Octubre 5534486 5514924 19562
Noviembre 4761600 4572173 189427
Diciembre 4921358 4965191 -43833
Gasto 418008 kWh
Dinero 100322 CUC
actividaddeNivel
Energía
Zapatos
EdIc
#
Cdias
Ed
actividaddeNivel
EnergíaIc
#
CdíasactividaddeNivel 0#
Capitulo III . Resultados y discusión 90
aplicación de este método tiene un costo muy bajo por tiempo y salarios, casi nulo
en comparación con los ahorros.
Una distribución eficiente de energía evita tomar la medida de apagar climas
comerciales que afecta la calidad del servicio provocando un daño a nuestros
clientes. En muchos casos se llegaron a apagar los aires tecnológicos para
cumplir con el plan de energía, violando lo establecido y poniendo en riesgo
la técnica instalada. Claro que estos métodos bajan los consumos, pero no
constituyen ahorros. Porque el ahorro es… “¡gastar lo necesario sin
derroche!”.
El ahorro de energía, si bien no representa una fuente de energía en sí, se
acostumbra a considerarla como tal, ya que ofrece la posibilidad de satisfacer
más servicios energéticos, lo que es equivalente a disponer de más energía y
más combustible para otras cosas. El incremento de la eficiencia energética
tiene un beneficio ambiental inmediato y directo, ya que implica una
reducción en el uso de recursos naturales y en la emisión de contaminantes,
incluido el CO2. Sin lugar a dudas, el incremento de energía más limpio es la
energía ahorrada.
Conclusiones 81
Conclusiones Se realizó el análisis del consumo de energía eléctrica en los CT de la provincia de Villa Clara. Se determinó un modelo matemático para pronosticar el consumo energético de climas. Existe una correlación lineal entre la temperatura y el consumo que permite establecer un índice de consumo mediante el método de grados- energía. Los centros telefónicos de ETECSA de Villa Clara cuentan con un índice energético de consumo. Obtener un índice de consumo de energía permitió reconocer aquellos centros que reportaron un comportamiento irregular y poder detectar las causas de las irregularidades. Todos los análisis y cálculos que se derivan del procedimiento propuesto, se realizan a través de una hoja de cálculo mediante la aplicación Microsoft Excel.
Recomendaciones 82
Recomendaciones
1. Se extienda a las Direcciones Territoriales de ETECSA de todo el país y a
otras empresas con similares características toda la metodología expuesta en
este estudio.
2. Certificar a la DTVC con norma 50001 de Gestión Energética.
3. Suplementar un sistema de estadísticas de acceso publico de temperaturas.
Bibliografía 83
Bibliografía
[1] Consejo Mundial de la Energía, “Eficiencia Energética: Estudio Mundial,” 2004.
[2] “Lineamientos de la Política Económica y Social.” 2010.
[3] M. S. J. Lucio Da Silva and M. S. J. Cabral Leite, “MEJORAMIENTO DE LOS
INDICES DE EFICIENCIA ENERGETICA EN SISTEMAS DE CLIMATIZACION EN
EL TERRITORIO DE MANAUS.” 2008.
[4] J. D. Velásquez Henao and I. Dyner Resonsew, “¿Por qué es tan difícil obtener
buenos pronósticos de los precios de la electricidad en mercados competitivos?”
2007.
[5] F. ELIZONDO BARRAGÁN, “Prospectiva del sector eléctrico.” 2004.
[6] REPSOL, “Eficiencia energética e intensidad de emisiones de gases de efecto
invernadero en España y la UE-15 2012.” 2012.
[7] J. Somoza Cabrera, “Estimación de la demanda de energía. Cuba en el
contexto de América Latina y el Caribe,” 2009.
[8] Oficina Nacional de Estadisticas, “INDICADORES SELECCIONADOS DE
ENERGÍA.” .
[9] N. Fernández-Cuesta Peñafiel, “Análisis de los mercados de energía eléctrica
en EEUU, Brasil, Polonia y otros 5 países. Estudio de correlaciones con los
principales ratios macroeconómicos.” 2012.
[10] P. P and H. W, “Forecasting regional electricity load based on recurrent support
vector machines with genetic algorithms. Electric Power Systems Research.” 2005.
[11] D. J. P. A. Ing. Patricia L. Arnera, “EFICIENCIA ENERGÉTICA Situación actual
y recomendaciones Un enfoque de política pública.” 2012.
[12] ORGANISMO INTERNACIONAL DE ENERGÍA ATÓMICA, “INDICADORES
ENERGÉTICOS DEL DESARROLLO SOSTENIBLE DIRECTRICES Y
METODOLOGÍAS.” 2008.
[13] Programa de Estudios e Investigaciones en Energía, “Estudio de las
Relaciones entre la Eficiencia Energética y el Desarrollo Económico Preparado por.”
2010.
[14] J. A. Meade Kuribreña, “ESTRATEGIA NACIONAL PARA LA TRANSICIÓN
Bibliografía 84
ENERGÉTICA Y EL APROVECHAMIENTO SUSTENTABLE DE LA ENERGÍA
2011.” 2011.
[15] especialista de CUBAENERGÍA y miembro de CUBASOLAR., “Mayor
eficiencia energética,” 2010.
[16] RED CYTED 711RT0415 - GESTIÓN Y EFICIENCIA ENERGETICA PARA UN
DESARROLLO SOSTENIBLE, “EFICIENCIA ENERGÉTICA EN EDIFICIOS.” 2011.
[17] “Gana el desafío de la energía con ISO 50001.” 2011.
[18] Agencia Chilena de Eficiencia Energética (AChEE), “GUÍA DE
IMPLEMENTACIÓN ISO 50001.” 2012.
[19] A.-A. Saleh M and Syyed M.Islam, “Principles of Electricity Demand
Forecasting.” 1996.
[20] C.W.Gellins, “DEMANDA FORECASTING FORNELECTRIC UTILITIES.” 1992.
[21] Avances en Energías Renovables y Medio Ambiente, “COMPORTAMIENTO
TERMICO DE VERANO DE VIVIENDAS UNIFAMILIARES COMPACTAS EN
CONDICIONES REALES DE USO EN CLIMA TEMPLADO EN ARGENTINA.” 2010.
[22] E. Granados Menéndez, “Rehabilitación energética de edificios.” 2010.
[23] C. Senabre, S. Valero, and A. Gabaldón, “Predicción de la Demanda Total de
Energía Eléctrica Española Utilizando Mapas Auto-organizados como Modelo de
Red Neuronal.” 2009.
[24] M. Samarasinghe and W. Al-Hawani, “Short-term Forecasting of Electricity
Consumption using Gaussian Processes.” 2012.
[25] M. MARGUIE, “RTE publishes its forecast analysis of the electricity supply-
demand balance for summer 2013.” 2013.
[26] M. FISCHER, “MODELLING AND FORECASTING ENERGY DEMAND:
PRINCIPLES AND DIFFICULTIES.” 2010.
[27] A. Antuña Molina, “DESARROLLO DE UN MODELO DE PREVISIÓN DE LA
DEMANDA ELÉCTRICA MINORISTA.” 2013.
[28] R. Pérez Domínguez, “ANÁLISIS DE LA DEMANDA ELÉCTRICA
ESPAÑOLA.” 2013.
[29] L. Blázquez, N. Boogen, and M. Filippini, “Residential electricity demand for
Spain new empirical evidence using.” 2012.
Bibliografía 85
[30] J. M. López Zafra and L. J. Sánchez de Tembleque, “IMPACTOS SOBRE EL
SECTOR ENERGÉTICO.” 2007.
[31] J. Nogueras Raig, “ENERGÍA Y CLIMA DESCUBRIENDO LOS LÍMITES.”
2012.
[32] I. N. Quadri, “CONCEPTOS BASICOS PARA EL AHORRO ENERGETICO EN
INSTALACIONES DE AIRE ACONDICIONADO.” 2012.
[33] La presente guía ha sido redactada por la Asociación Técnica Española de
Climatización y Refrigeración (ATECYR), “Ahorro y recuperación de energía en
instalaciones de climatización.” 2010.
[34] Centro de Estudios de Energía y Medio Ambiente Universidad de Cienfuegos,
“GESTIÓN ENERGÉTICA EN EL SECTOR PRODUCTIVO Y LOS SERVICIOS.”
2007.
[35] D. G. PADRÓN MONTILVA and S. P. MORALES FERNÁNDEZ,
“ALTERNATIVAS PARA EL MEJORAMIENTO DE LA GESTIÓN ENERGÉTICA
DEL HOSPITAL SANTA CLARA E.S.E. BOGOTÁ D.C.– COLOMBIA.” 2011.
[36] E. E. Ramirez Jimenez, “PRONOSTICO DE DEMANDA DE ENERGIA
ELECTRICA UTILIZANDO REGRESION LINEAL.” 2008.
[37] Edwin Víctor Lamas Sivila, “ANÁLISIS Y PROPUESTA DE UN NUEVO
MÉTODO DE SIMULACIÓN ABREVIADO PARA LA CERTIFICACIÓN
ENERGÉTICA EN EDIFICIOS RESIDENCIALES,” Valencia - España, 2011.
[38] R. G. Luis M. Romeo and A. G. Alberto Monzón, “LAS REDES NEURONALES
COMO HERRAMIENTA PARA PREDECIR EL PRECIO DE LA ENERGÍA
ELÉCTRICA.” 2009.
[39] P. Morales Vallejo, “Correlación y regresión, simple y múltiple.” 2012.
[40] P. M. Trejo Garcia and H. Reyes Abundis, “CALCULO Y SELECCION DEL
EQUIPO DE UN SISTEMA DE AIRE ACONDICIONADO PARA UN TEATRO EN
PUERTO VALLARTA, JALISCO,” 2009.
Anexo 85
Anexo1
Prueba de Kolmogorov-Smirnov para una muestra Temp C(t)
N 63 63
Parámetros normales(a,b)
Media 23,94476 ,65602
Desviación típica 1,414862 ,075239
Diferencias más extremas Absoluta ,073 ,054
Positiva ,053 ,054
Negativa -,073 -,044
Z de Kolmogorov-Smirnov ,580 ,431
Sig. asintót. (bilateral) ,890 ,992
Sig. exacta (bilateral) ,866 ,987
Probabilidad en el punto ,000 ,000
a La distribución de contraste es la Normal. b Se han calculado a partir de los datos.
Tabla # 1: Prueba de Kolmogorov-Smirnov para una muestra.
Correlaciones
C(t) Temperatura
Correlación de Pearson C(T) 1,000 ,946
Temp ,946 1,000
Sig. (unilateral) C(T) . ,000
Temp ,000 .
N C(T) 63 63
Temp 63 63
Tabla # 2: Correlaciones.
Anexo 86
Anexo2
Resumen del modelo (b)
Modelo R R cuadrado R cuadrado corregida
Error típ. de la estimación
Durbin-Watson
1 ,946(a) ,895 ,893 ,024604 1,086
a Variables predictoras: (Constante), Temp b Variable dependiente: C(t) Tabla #1 : Resumen del modelo.
ANOVA(b)
Modelo
Suma de cuadrado
s gl
Media cuadrátic
a F Sig.
1 Regresión
,314 1 ,314 518,770 ,000(a)
Residual ,037 61 ,001 Total ,351 62
a Variables predictoras: (Constante), Temp b Variable dependiente: C(t) Tabla # 2: ANOVA.
Coeficientes(a)
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados
t Sig.
Intervalo de confianza para B
al 95%
B Error típ. Beta
Límite inferior
Límite superio
r
1 (Constante)
-,548 ,053 -10,354 ,000 -,654 -,443
Temp ,050 ,002 ,946 22,777 ,000 ,046 ,055
a Variable dependiente: C(t) Tabla # 3: Coeficientes.
Anexo 87
Anexo 3
Prueba de Kolmogorov-Smirnov para una muestra
Temperatura diaria
promedio
Consumo diario
promedio
N 12 12
Parámetros normales(a,b)
Media 23,840 10947,333
Desviación típica 2,070 982,794
Diferencias más extremas
Absoluta ,186 ,152
Positiva ,123 ,152
Negativa -,186 -,127
Z de Kolmogorov-Smirnov ,644 ,525
Sig. asintót. (bilateral) ,801 ,945
Sig. exacta (bilateral) ,736 ,907
Probabilidad en el punto ,000 ,000
a La distribución de contraste es la Normal. b Se han calculado a partir de los datos.
Tabla # 1: Prueba de Kolmogorov-Smirnov para una muestra.
Correlaciones
Consumod
ia Temp
Correlación de Pearson
Consumodia
1,000 ,946
Temp ,946 1,000 Sig. (unilateral) Consumod
ia . ,000
Temp ,000 . N Consumod
ia 12 12
Temp 12 12
Tabla # 2: Correlaciones.
Anexo 88
Anexo 4 Resumen del modelo(b)
a Variables predictoras: (Constante), Temp b Variable dependiente: Consumodia Tabla #1 : Resumen del modelo. ANOVA(b)
Modelo
Suma de cuadrado
s gl
Media cuadrátic
a F Sig.
1 Regresión
1056776,318
1 1056776,
318 85,107 ,000(a)
Residual 124169,932
10 12416,99
3
Total 1180946,250
11
a Variables predictoras: (Constante), Temp b Variable dependiente: Consumodia Tabla #2 : ANOVA. Coeficientes(a)
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados t Sig.
Intervalo de confianza para B al
95%
B Error típ. Beta
Límite inferior
Límite superior B Error típ.
1 (Constante)
527,754 388,095 1,360 ,204 -336,975 1392,4
84 Temp
149,664 16,223 ,946 9,225 ,000 113,517 185,81
2
a Variable dependiente: Consumo día Tabla #3 : Coeficientes
Modelo R
R cuadra
do
R cuadra
do corregi
da
Error típ. de la
estimación Estadísticos de cambio
Durbin-Watson
Cambio en R cuadrado
Cambio en F gl1 gl2
Sig. del cambio
en F
Cambio en R cuadra
do
Cambio en
F gl1 gl2 Sig. del
cambio en F
1 ,946(a)
,895 ,884 111,431
56 ,895 85,107 1 10 ,000 2,291
Anexo 89
Anexo 5 Prueba de Kolmogorov-Smirnov para una muestra
Temp Consumod
ia
N 12 12
Parámetros normales(a,b)
Media 23,8400 4095,7500 Desviación típica
2,07099 327,65645
Diferencias más extremas
Absoluta ,186 ,161 Positiva ,123 ,161 Negativa -,186 -,145
Z de Kolmogorov-Smirnov ,644 ,558 Sig. asintót. (bilateral) ,801 ,915 Sig. exacta (bilateral) ,736 ,867 Probabilidad en el punto ,000 ,000
a La distribución de contraste es la Normal. b Se han calculado a partir de los datos.
Correlaciones
Consum
o Temp
Correlación de Pearson
Consumo
1,000 ,979
Temp ,979 1,000 Sig. (unilateral) Consum
o . ,000
Temp ,000 . N Consum
o 12 12
Temp 12 12
Anexo 90
Anexo 6
Resumen del modelo(b)
Modelo R
R cuadrado
R cuadrado corregida
Error típ. de la
estimación Estadísticos de cambio Durbin-Watson
Cambio en R
cuadrado
Cambio en F gl1 gl2
Sig. del cambio en
F
Cambio en R
cuadrado Cambio en F
gl1 gl2
Sig. del cambio
en F
1 ,979(a) ,959 ,955 209,20836 ,959 232,750 1 10
,000
2,522
a Variables predictoras: (Constante), Temp b Variable dependiente: Consumo
ANOVA(b)
Modelo
Suma de cuadrado
s gl
Media cuadrátic
a F Sig.
1 Regresión
10187047,307
1 1018704
7,307 232,750 ,000(a)
Residual 437681,360
10 43768,13
6
Total 10624728,667
11
a Variables predictoras: (Constante), Temp b Variable dependiente: Consumo Coeficientes(a)
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados t Sig.
Intervalo de confianza para B
al 95%
B Error típ. Beta
Límite inferior
Límite superior B
Error típ.
1 (Constante)
-130,555
728,633 -,179 ,861 -1754,050 1492,941
Temp 464,677 30,458 ,979 15,256 ,000 396,811
532,542
a Variable dependiente: Consumo