Latinoamérica. Los expertos invitados en el Webinar informativo de Acaire sobre Ahorro en sistemas HVAC a través de gestión energética y ciencia de datos, explicaron cómo a partir del análisis de la información es posible gestionar mejor estos sistemas, lo que se traduce en ahorro y disminución del impacto ambiental.
Alex Barraza, desarrollador de negocios energéticos y especialista HVAC&R, compartió un dato curioso para darle inicio al webinar. “Los grandes estudiosos de la ciencia de datos manifiestan que para el 2025 habrá 175.000 millones de terabytes en información” y señaló que es un dato relevante porque la generación de esta información implica a los diversos sectores industriales, incluidos los encargados de la fabricación y comercialización de los sistemas de climatización.
En ese sentido, apuntó que existe una relación profunda entre la transformación digital, el cambio climático, la transición y gestión energética, la descarbonización, los sistemas de climatización y el Big data. En general, esta charla se dividió en puntos clave que funcionaron a modo de núcleos temáticos, justamente para evidenciar esa relación y sostener la idea de que la ciencia de datos puede ser usada como estrategia para la gestión energética de los sistemas HVAC.
Gestión energética y ciencia de datos
Según la ISO 50001, un sistema de gestión de energía es “un conjunto de elementos interrelacionados mutuamente o que interactúan para establecer una política y objetivos energéticos, y los procesos y procedimientos necesarios para alcanzar dichos objetivo”. Sin embargo, para entenderlo a fondo, se debe sumar el concepto de eficiencia energética, que es el aprovechamiento planeado de dicho recurso. En ese sentido, la gestión energética es la administración eficiente del uso de la energía.
Alex explicó que, para lograrlo, hay ciertas actividades relevantes como identificar qué impacta en mi eficiencia energética, en qué forma puedo reducir el consumo, qué herramientas puedo usar para el monitoreo de esto y cómo puedo optimizar el consumo de energía de mis sistemas. También hizo hincapié en que justamente la ciencia de datos ayuda a responder a dichas incógnitas.
Ahora bien, según el Primer balance de Energía Útil para Colombia y Cuantificación de las Perdidas energéticas relacionadas y la brecha de eficiencia energética, presentado por la Unidad de Planeación Minero Energética (UPME) en 2019, el mayor gasto energético a nivel doméstico lo tienen los dispositivos como las neveras, congeladores y equipos de acondicionamiento de aire, con un 48 %. Mismo caso del sector de los servicios, donde llega al 32 %. Así pues, la gestión energética más que ser un tema de interés meramente ambiental, tiene un gran peso a nivel económico.
Por su parte, Carlos García, gestor energético y especialista estadístico, indicó que la ciencia de datos da respuesta a las necesidades de gestión de información en la industria, porque toma una gran cantidad de información (en apariencia desordenada) y desde ese punto encuentra patrones de interés, con salidas de uso y valor agregado que, gracias a la estadística, se pueden aplicar para hacer más eficientes los procesos, como sería el caso de la gestión energética.
Por lo tanto, aseguró que la aplicación de la ciencia de datos en la industria HVAC está enfocada en predecir fallas en los equipos, reducir las emisiones de CO2, hacer caracterización de desempeño energético de los sistemas e identificar modos de operación más eficientes, entre otros. Dicho de una forma más sencilla, toda la información que llega desde sensores y medidores, puede tener un uso final que favorezca a la compañía.
Entonces, para llevar a cabo una intervención con ciencia de datos, Carlos explica que es preciso seguir un paso a paso, donde primero se hace una pregunta de investigación (que ayude a establecer cuál es la información que se desea conseguir), luego se clasifica la información y sus variables, seguidamente se hace un análisis de cada una de las variables que se categorizaron, luego se les pasa por algoritmos estadísticos y matemáticos, para a partir de allí tomar decisiones, que es donde se llega al valor agregado.
En palabras del especialista “así se llega a los modelos predictivos. Porque el modelamiento no es más que tener la forma de unos datos, a través de una ecuación o un modelo matemático, que nos permita predecir su comportamiento”.
Identificación de medidas de ahorro
Ahora bien, Carlos indicó que a partir de la gran variedad de datos que se pueden recoger de los procesos que realizan los sistemas de climatización y refrigeración, existe una manera de identificar las medidas de ahorro. “El nombre de esta manera es la técnica/operacional, que retoma la experiencia que se tiene el proceso, apoyada de la analítica de datos, que cuantifica qué tan acertado es el análisis que se realiza, a través de métricas estadísticas y representaciones gráficas”.
A lo cual agregó, que si bien “es relevante tener en cuenta que la experticia de las personas es un insumo sumamente valioso al momento de identificar oportunidades de ahorro. Ante la creciente demanda de información y el crecimiento exponencial de la misma, no podemos darnos el lujo de esperar a que una persona aprenda durante 5 o 6 años un proceso para que lo domine bien. Allí es donde entran las técnicas de Machine Learning, en las cuales le damos información a unos algoritmos y estos predicen comportamientos”. Es decir, para Carlos lo ideal es el apoyo entre el Machine Learning con la experiencia humana.
Así, las medidas de ahorro se pueden clasificar en 3: operacionales, que están asociadas a la implementación de controles para ajustes de frecuencia, regulación de flujo de agua y todos aquellos cambios dentro de la operación cotidiana; las de mantenimiento, que se relacionan con el cuidado del equipo, su limpieza, alineaciones y cambio de partes; finalmente están las medidas tecnológicas, que se refieren al cambio de los equipos e implementación de tecnologías para hacer más eficientes los procesos, como los variadores de velocidad.
Posterior a explicar estas tres clasificaciones, Carlos dio varios ejemplos del uso de la analítica de datos con una línea de regresión como modelo predictivo. De estos en el caso operativo concluyó cómo identificar un posible ahorro de hasta el 15 %, en un caso concreto de un sistema HVAC, donde el objetivo final fue lograr reducir el consumo para las mismas condiciones de refrigeración (90 toneladas), teniendo en cuenta la temperatura a la cual se controla el equipo.
En el caso de mantenimiento identificó un posible ahorro, con relaciones a los valores de la temperatura de condensación, donde la tendencia es que si la temperatura aumenta se causa un sobre consumo. Aquí la solución fue controlar la temperatura de condensación. Finalmente, en la identificación de medidas tecnológicas, Carlos expuso en un gráfico como el aumento de años de un equipo, en relación con la carga de refrigeración que procesa, aumenta el consumo energético también, indicador que puede informar a tiempo cuándo hacer un cambio, entendiendo el aumento de los costos operativos.
Indicadores del desempeño energético (IDEn)
Sebastián Consuegra, ingeniero de datos y especialista en soluciones IoT, indicó en su intervención que, para lograr a identificación de metas de ahorro se deben tener en cuenta los indicadores de desempeño energético, los cuales deben ser apropiados para la medición y el seguimiento del desempeño energético. “Debemos garantizar por medio de identificadores que la calidad de los datos sea fiable y cuantificar, al mismo tiempo, que el desempeño energético del proceso permita demostrar una mejora”. De ahí que los IDEn puedan ser clasificados por su relevancia operacional o productiva.
El ingeniero concluyó que la importancia de la Big data es que entrega mayor conocimiento sobre los procesos, lo que otorga mayor poder en la toma de decisiones. Del mismo modo, apunto que en caso de la industria 4.0, la optimización de los recursos conlleva a beneficios ambientales, además de los amplios beneficios económicos.
