Organiza: Apoyo Institucional:
Lara Pérez Dueñas
GNARUM
E
NERGÍA
I
NTELIGENTE
EN
E
DIFICIOS
:
Grupo GNERA
2005
Representante
en el mercado
eléctrico. Ofrece servicios de
representación, trading,
consultoría y optimización
energética.
GNARUM
2012
Soluciones tecnológicas
para
la
gestión,
predicción,
monitorización
energética,
soluciones personalizadas de
SAP
para
renovables,
aplicaciones de sistemas para
el
mercado
eléctrico
y
soluciones IT para el coche
eléctrico.
ENARA
2010
Comercializadora
de electricidad
renovable
y
proveedor
de
electricidad para puntos de
recarga de
vehículos eléctricos
.
Potenciar la
producción e integración
de nuevas formas de
energía en el mercado eléctrico y
soluciones integrales de
gestión
para empresas del sector energético y particulares
3 años (Junio 2011-Junio 2014)
5 países
11 empresas
6.368.737 € de presupuesto
Proyecto
ARTEMIS
financiado por:
ENCOURAGE: Embedded iNtelligent Controls for
bUildings with Renewable generAtion and storaGE
Embedded
iNtelligent
COntrols
for
bUildings
with
Renewable
generAtion
and storaGE
El concepto Encourage: control inteligente de
demanda, generación y almacenamiento a nivel de
distrito
ENCOURAGE resuelve los principales retos de la
optimización energética en edificios
•
Comportamiento versus automatización
•
Multitud de sistemas (interoperabilidad)
•
Grandes cantidades de datos
•
Dificultad de análisis
•
Velocidad
•
Planificación:
•
Predicción del consumo
•
Variabilidad fuentes renovables
•
Almacenamiento
•
Ocupación
•
Nivel de confort
Una arquitectura modular para el intercambio rápido
de datos y la inserción de cualquier sistema
Supervisory
Control
strategies
for
large
subsystems
and numerous
devices
Virtual sub-metering
(non-intrusive)
for
advanced monitoring
and diagnostics
Event-based
middleware
for
integration
of
heterogeneous data
coming from sensors
and submeters
networks
Brokerage
: Inter-building
energy exchange
Predicción del consumo energético mediante redes
neuronales para una correcta planificación
Parámetros de entrada:
- Temperatura externa
- Ocupación (tipo de día)
- Consumo horario 2 días previos
Wn
S
W1W2
BUSINESS INTELLIGENCE
El módulo de “Business Intelligence” transforma el
gran volumen de datos en información entendible
para la acción
Energy Manager
201302180000 72,4 NEST0142 KWH E-ELEC 201302180015 86 NEST0142 KWH E-ELEC 201302180030 72 NEST0142 KWH E-ELEC 201302180045 77,6 NEST0142 KWH E-ELEC 201302180100 74 NEST0142 KWH E-ELEC 201302180115 80,8 NEST0142 KWH E-ELEC 201302180130 76,8 NEST0142 KWH E-ELEC 201302180145 68,4 NEST0142 KWH E-ELEC 201302180200 80,8 NEST0142 KWH E-ELEC 201302180245 68 NEST0142 KWH E-ELEC 201302180300 85,6 NEST0142 KWH E-ELEC 201302180315 69,6 NEST0142 KWH E-ELEC 201302180330 77,2 NEST0142 KWH E-ELEC 201302180345 71,6 NEST0142 KWH E-ELEC 201302180400 84,4 NEST0142 KWH E-ELEC 201302180415 68,4 NEST0142 KWH E-ELEC 201301010000 W-DD 14 C DKD 201301020000 W-DD 11 C DKD 201301030000 W-DD 9 C DKD 201301040000 W-DD 11 C DKD 201301050000 W-DD 12 C DKD 201301060000 W-DD 12 C DKD 201301070000 W-DD 12 C DKD 201301080000 W-DD 11 C DKD 201301090000 W-DD 14 C DKD 201301100000 W-DD 17 C DKD 201301110000 W-DD 18 C DKD 201301120000 W-DD 19 C DKD 201301130000 W-DD 18 C DKD 201301140000 W-DD 20 C DKD 201301150000 W-DD 20 C DKD 201301160000 W-DD 20 C DKDBUSINESS INTELLIGENCE
El módulo de “Business Intelligence” transforma el
gran volumen de datos en información entendible
para la acción
Energy Manager
201302180000 72,4 NEST0142 KWH E-ELEC 201302180015 86 NEST0142 KWH E-ELEC 201302180030 72 NEST0142 KWH E-ELEC 201302180045 77,6 NEST0142 KWH E-ELEC 201302180100 74 NEST0142 KWH E-ELEC 201302180115 80,8 NEST0142 KWH E-ELEC 201302180130 76,8 NEST0142 KWH E-ELEC 201302180145 68,4 NEST0142 KWH E-ELEC 201302180200 80,8 NEST0142 KWH E-ELEC 201302180245 68 NEST0142 KWH E-ELEC 201302180300 85,6 NEST0142 KWH E-ELEC 201302180315 69,6 NEST0142 KWH E-ELEC 201302180330 77,2 NEST0142 KWH E-ELEC 201302180345 71,6 NEST0142 KWH E-ELEC 201302180400 84,4 NEST0142 KWH E-ELEC 201302180415 68,4 NEST0142 KWH E-ELEC 201301010000 W-DD 14 C DKD 201301020000 W-DD 11 C DKD 201301030000 W-DD 9 C DKD 201301040000 W-DD 11 C DKD 201301050000 W-DD 12 C DKD 201301060000 W-DD 12 C DKD 201301070000 W-DD 12 C DKD 201301080000 W-DD 11 C DKD 201301090000 W-DD 14 C DKD 201301100000 W-DD 17 C DKD 201301110000 W-DD 18 C DKD 201301120000 W-DD 19 C DKD 201301130000 W-DD 18 C DKD 201301140000 W-DD 20 C DKD 201301150000 W-DD 20 C DKD 201301160000 W-DD 20 C DKDConvertir esto
En esto
Los cuadros de mando permiten el análisis eficiente
de datos al gestor energético
1. Terrassa School of Industrial and
Aeronautical Engineering (TR5
Building)
2. Students’ hall of residence
3. Lecturer’s apartment
TR5 B
UILDING
S
TUDENT
H
ALL
OF
R
ESIDENCE
L
ECTURER
’
S
A
PARTMENT
- Three-storey building
devoted to academic uses
- Five-storey building
- 200 accommodation places
- Fifth floor of a 5 flats
building
Lecture room (3.1)
Lecturer’s Office
(3.10; 3.12)
Computers room
(PC7)
CONTROL
Primeros resultados
•
Eliminación del Stand-by
en sala de PCs ≈0,5 kWh
35%
de la energía consumida en Sala PC (=6% del edificio)
•
Optimización del uso
de la sala PC:
Prioridad de uso a los ordenadores cerca de la ventana en horas de luz
10-15%
•
Concienciación usuario
mediante información
9%
CONTROL
Próximas implementaciones
•
Optimización del uso de la sala PC
En función de si hay clase o no, de la luz exterior y de la
ocupación actual se abren y cierran lineas de ordenadores
•
Optimización uso luces del pasillo
Según ocupación prevista, ocupación real y luz exterior
=> Problemática de la sensación de seguridad?
•
Control de calefacción y clima
en despachos y salas de clases
Sondas TAC (sensor de temperatura + control de
climatización)
Control en función de T de referencia, ocupación prevista y
ocupación real
Valor añadido ENCOURAGE: integración de
sistemas en una plataforma única y potente
Organiza: Apoyo Institucional: