Comunicación presentada al II Congreso Ciudades Inteligentes:
Autores
- Rubén Cánovas Mas, Manager Everismart, Everis
- Miguel Fontela Martínez, Manager Energy Department, Exeleria
- Eduard Benasques Borau, Project Leader, Everis
- Adriana Anguera Jordà, Solutions Analyst, Everis
Resumen
El proyecto ‘District of Future’ ofrece una solución que permite gestionar la energía en los edificios de las ciudades optimizando los sistemas del flujo de la energía y mejorando la eficiencia energética a través de tecnologías de la información y comunicación innovadoras y avanzadas mediante fuentes de energía renovables. El mantenimiento de los edificios se puede controlar a través de una plataforma cloud basada en FIWARE que permite recoger, registrar, monitorizar los datos y reportar incidencias tanto en tiempo real como históricos. Gracias al uso de las TIC, la solución es escalable a nivel de ciudad. Todo ello contribuye a una reducción entre el 30 y el 40% del consumo energético y de las emisiones de CO2, además proporciona sistemas de control para dar soporte a las autoridades y a los propios ciudadanos en la toma de decisiones. Aplicando la estrategia del DoF a otras ciudades a nivel europeo, el proyecto contribuirá a los objetivos de energía y cambio climático de la Comunidad Europea para el año 2020.
Contexto
Recientemente las ciudades están atravesando por un proceso de transformación en el que se establecen como el centro de actividad de los negocios y el núcleo socio-económico de los ciudadanos en los países europeos. En este contexto, surge la necesidad de adaptarnos a esta nueva era en la que una mejora en la organización y una optimización de los recursos mundiales, escasos por definición, se ha convertido en una tarea esencial. Es por ello que, concienciados con el medio ambiente y la conservación de nuestro planeta, junto con los objetivos de Europa en cuanto a reducción del consumo energético y emisiones de CO2, aparece la idea del District of Future. Esta iniciativa propone soluciones efectivas y sostenibles a la situación actual, atacando el problema desde la unidad más pequeña de una ciudad, los distritos, para luego irse expandiendo a nivel de ciudad.
Solución propuesta
Con el fin de proponer una solución que se ajuste tanto a las necesidades de los ciudadanos como a los objetivos marcados por la Comisión Europea, se ha diseñado un proyecto de investigación y desarrollo, innovador, que hace uso de las tecnologías de la información y la comunicación para reducir tanto el consumo energético como las emisiones de CO2 entre un 30 y un 40%, además de contribuir en la reducción de los gastos asociados al consumo energético de los edificios.
Se ha definido unos casos de uso en tres ciudades piloto donde se demuestra la solución propuesta por el proyecto DoF. Estas tres ciudades son Sabadell (España), Orleans (Francia) y Corby (Reino Unido). El hecho de escoger ciudades medianas implica una contribución mayor a Europa ya que la mayoría de los ciudadanos vive en ciudades de este tamaño, y no en grandes ciudades.
¿En qué consiste la solución?
En este apartado se encuentra una descripción de la solución propuesta por el proyecto de District of Future con el fin de disminuir el consumo energético, las emisiones de CO2 e incrementar el ahorro en cuanto al consumo energético en las ciudades. Se ha diseñado una plataforma con el objetivo de recoger los datos que provienen de los medidores de consumo, procesarlos y optimizarlos. En la Figura 1 se muestra un esquema de la arquitectura del sistema diseñado.
A continuación se detalla una descripción de las funciones de la arquitectura dividida en tres bloques:
- City Facilities: los edificios y las instalaciones son monitoreadas. La información puede ser de cualquier tipo y provenir de cualquier sistema, es decir, datos de consumo de energía, datos de generación de energía, datos de transporte de energía, entre otros. Para medir estos datos se usan medidores eléctricos, analizadores de red, sistemas de gestión de edificios (BMS) y sistemas de Supervisión, Control y Adquisición de Datos (SCADA), así como estaciones meteorológicas. Este es un bloque bastante disperso y heterogéneo, no hay estandarización entre los edificios.
- DoF BDAC: Big Data Aggregation & Collection. El BDAC es un servicio de software que gestiona la recolección de datos que provienen de distintas fuentes de información utilizando distintos protocolos de comunicación. Además tiene la funcionalidad de estandarizar el tratamiento de los datos y prepararlos para un procesado posterior realizado por los servicios del DoF en la nube. Gestiona la “impersonificación” y la agregación de los datos cuando es necesario y convierte los datos capturados en un formato adecuado para que puedan ser cargados y almacenados en el FIWARE. La comunicación con el FIWARE ha sido estandarizada haciéndola más fácil entre el mismo y sistemas ya existentes. De esta manera no es preciso que FIWARE conozca todos los protocolos y sistemas existentes en los edificios e instalaciones.
- DoF Services Cloud: Es el lugar donde se almacenan los datos de la plataforma y donde se ejecutan los servicios de optimización y simulación procesando los datos. Los resultados de dicha optimización y simulación pueden ser visualizados y/o almacenados en la nube.
Existen una serie de medidores que recogen la información del consumo tanto de agua como de electricidad. Dicha información es recogida en el BDAC donde se gestiona.
El flujo del funcionamiento de la solución es el siguiente:
- Captura automática de los datos de los sistemas fuente mediante BDAC.
- Gestión, tratamiento automático y registro automatizado de los datos en FIWARE.
- Los servicios de optimización y simulaciones cogen los datos de FIWARE de forma automática/semiautomática y realizan la optimización y simulación de los mismos.
- Los resultados serán presentados en pantalla mediante una aplicación de optimización que coge los datos de FIWARE.
- En caso del programa de simulación Apros, éste da resultados de simulación dentro de su software y se genera un informe al finalizar la simulación.
- Se interpretan los resultados obtenidos y se preparan consejos, acciones y estrategias a implementar por las ciudades.
- Una vez implementadas estas acciones, se hará un seguimiento de las acciones para comprobar que realmente generan el ahorro previsto.
- En caso de simulación del impacto en la eficiencia energética debido a un cambio de material de construcción, se simula qué impacto podría tener si todos los edificios de un distrito completo fueran construidos de esa manera.
Gracias a la construcción de esta plataforma DoF, se puede obtener información sobre la eficiencia energética de los edificios en tiempo real e histórico. Ello permite realizar un análisis, establecer unos patrones de comportamiento o determinar tiempos de uso, lo que ayuda a dibujar una estrategia a seguir con el fin de llegar a los objetivos marcados y contribuir en el desarrollo de una ciudad inteligente.
Herramientas de optimización
Se ha desarrollado distintas herramientas de optimización para alcanzar los objetivos de conseguir un ahorro energético entre un 30-40%.
1. Buildings and/or systems Energy Modelling Tool (Energy Baselines)
Utilizando los datos históricos de la plataforma DoF como fuente de datos, la herramienta desarrollará una ecuación matemática multivariable que describirá el comportamiento energético del edificio o sistema y cómo se relaciona con distintas variables (variables independientes). El modelo matemático se basa en el análisis estadístico y está alineado con las mejores prácticas relacionadas con la medida y verificación de ahorros energéticos siguiendo las metodologías de los protocolos internacionales: IPMVP EVO Protocol y ASHRAE Guidelines.
La fuente de datos energéticos de la herramienta se utilizará también para definir perfiles energéticos.
2. Energy Dashboard Tool (EDT)
Utilizando los datos históricos de la plataforma DoF como fuente de datos, la herramienta desarrollará un sistema agregado de datos energéticos visible a través de un cuadro de mando dinámico. Tiene una interfaz de usuario en tiempo real que ofrece una representación gráfica del estado actual e histórico de un sistema. De tal manera que como resultado se obtendrá un cuadro de mando con un informe energético. Dicho cuadro de mando ayudará a detectar patrones energéticos anormales, consumos fantasmas, comparar con otros edificios, entre otras cosas.
Las ventajas de esta herramienta son:
- Incremento en el ahorro energético, ya que actúa como fuente de información para controlar un proceso.
- Referencia para el cálculo y la facturación basada en el ahorro en el caso de la implementación de un sistema de gestión de energía.
- Mejora el diseño y la operación de las instalaciones, creando una base de datos con las condiciones operacionales de las instalaciones.
La herramienta está basada en el formato Microsoft Excel y presenta la información de una manera gráfica y visual, lo que facilita la lectura, el análisis y el entendimiento de la información para las ciudades y los usuarios. De esta forma, les permite tomar decisiones fundamentadas sobre cómo comportarse para reducir el consumo energético.
3. GHG Emissions Assessment Tool
Esta herramienta permite el cálculo de las emisiones de gases de efecto invernadero asociados con el ahorro energético basados en las reglas internacionales de cálculo: las Referencias Standards de ISO.
En base a estas herramientas de optimización y sus resultados, se desarrollará un informe de un Plan para la Eficiencia Energética a nivel de Distrito, el cual servirá como guía de buenas prácticas en el uso eficiente de la generación y el consumo de la energía.
Herramientas de simulación
Como parte del estudio del consumo energético a nivel de distrito, se han creado modelos de los casos de uso mediante el software de simulación APROS.
Para ello, primero se creó un modelo de referencia de un distrito. Posteriormente, se añadieron los modelos de nuestros casos de uso al modelo de referencia. Estos edificios consisten en una cubierta, ventilación, sistemas de calefacción y refrigeración y en un modelo de electricidad y calefacción en función de la presencia humana. Se han usado componentes solares para conectar la radiación a la cubierta de las casas así como placas fotovoltaicas y calderas de biomasa.
Tras el modelo de referencia, se implementan opciones de actualización energética en los modelos. Estas actualizaciones incluyen mejoras como recuperación de calor, aislamiento de la cubierta, toldos y/o persianas, bombas de calor, placas fotovoltaicas, calor solar, entre otros.
Una vez disponibles los resultados de simulación con los datos actualizados, éstos pueden ser comparados con distintas soluciones para encontrar la mejor opción.
Casos de uso
Tras el diseño de la plataforma DoF y el estudio de la solución propuesta, se ha implementado la solución en tres ciudades medianas europeas para tratar de probar y demostrar los resultados teóricos. Las ciudades escogidas han sido Sabadell, Orleans y Corby. Para el criterio de decisión se ha teniendo en cuenta las dimensiones de las tres ciudades (son de tamaño parecido), la ubicación de las mismas (tienen tres climas distintos a lo largo de las estaciones del año) y la diferencia cultural (distintos patrones de consumo). Sin embargo, las soluciones propuestas son distintas debido a pequeñas diferencias entre las características de los edificios seleccionados. Sabadell tiene un perfil más industrial, mientras que Corby está más enfocado a viviendas y Orléans a edificios públicos. Esto permite una gran escalabilidad por el territorio Europeo gracias a la diversidad de sectores en los que se hace foco.
A continuación se detalla la solución implantada en el edificio de las Casas Sociales de Sabadell.
Casas Sociales (Sabadell)
Poniendo foco en una solución en concreto, se presenta el caso de uso del edificio de Casas Sociales de la ciudad de Sabadell.
Es un edificio de reciente construcción. Cuenta con fuentes de energía renovables tales como producción centralizada a través de bombas de calor con intercambio geotermal y suministro de agua caliente (invierno) y fría (verano). Los apartamentos incluyen un sistema de monitorización del consumo energético a tiempo real que es traducido al consumo en euros (Leako).
Para el proyecto se ha aprovechado la disponibilidad de parámetros que actualmente ya se están registrando dentro de Leako. En particular se refiere a los parámetros del funcionamiento de la geotermia y los circuitos de calor y frío. Adicionalmente, se han instalado equipos que registran los consumos eléctricos de cada vivienda y también de la sala de producción geotermia. Los equipos que registran el consumo eléctrico están basados en OpenDomo.
El servicio middleware BDAC se conecta al sistema Leako para capturar los datos de la geotermia. Por otro lado, recibe paquetes de datos de los parámetros eléctricos de los equipos OpenDomo. El BDAC procesa y convierte de forma automática los datos crudos obtenidos y los reenvía como un bloque de datos hacia FIWARE. En este caso cada vivienda monitorizada tiene su propia estructura de datos.
El envío de datos hacia FIWARE se gestiona a través de 2 canales. Principalmente se utiliza el interfaz en línea con el ‘Data Mediator Service’ sobre el que pasan datos recientes. En caso de una desconexión temporal entre el BDAC y FIWARE se genera un buffer temporal de datos en el BDAC. Al reconectar a FIWARE se vuelcan los datos del buffer directamente dentro del ‘Data Storage Service’.
Una vez llegado el dato a FIWARE, el Data Storage Service de la plataforma dispone de un historial del perfil real de consumos por vivienda o tipo de instalación. Los datos disponibles en FIWARE se pueden consultar en un interface web o a través de un conector estándar. Este conector estándar permite que los servicios de optimización y simulación (Optimization and Simulation Services) puedan recoger los datos para alimentar los modelos de optimización y simulación. Estos servicios típicamente cogen un data set amplio con los datos históricos cuart-horarios almacenados en FIWARE y se ejecuta el proceso de optimización y simulación. Al finalizar este procesamiento, los servicios de optimización y simulación producirán resultados a través de un dashboard y un informe en la pantalla mostrando qué escenario y qué actuación podrá generar el ahorro basado en los datos reales. Todo el proceso de gestión de datos se ha estandarizado no sólo para las casas sociales de Sabadell, sino también para todos los edificios e instalaciones relevantes en el proyecto. El principal motivo es facilitar y estandarizar la forma de poder procesar, analizar y comparar los datos. De esta forma, los servicios de optimización y simulación solamente se pueden concentrar en sus tareas principales y el BDAC gestiona unificar distintos formatos de datos, poniéndolos en una estructura lógica entendible que permite reutilizar de forma fácil los datos. Los datos se han ‘independizado’ de la fuente original. Este funcionamiento se ilustra en la Figura 2 para el caso de una vivienda social de Sabadell.
Conclusiones
Gracias al software de simulación Apros y las herramientas de optimización diseñadas, podemos obtener con precisión el consumo de energía de las instalaciones. Ser conocedor de dicha información permite llevar a cabo acciones para tratar de reducir el consumo y así alcanzar el objetivo del proyecto de reducir el consumo energético y las emisiones de CO2 entre un 30-40% e ir alineados con los objetivos de la Comunidad Europea.
Agradecimientos
Este proyecto ha recibido subvención de la Unión Europea bajo el Séptimo Programa Marco con el Convenio de Subvención Núm. 608649.
Esta Comunicación sólo refleja la visión del autor y la Comisión no se hace responsable de cualquier uso de la información que contiene.
Referencias
- Programa de simulación Apros.
- D5.1 – Energy analysis of three case districts.
- Fiware overview.
- Fiware Conversion Gate.
- Fiware Cosmos Tech.
- D2.1a – Survey on the energy needs and architectural features of the EU building stock.
- Common Carbon Metric for Measuring Energy Use & Reporting Greenhouse Gas Emissions from Building Operations.
- Promaint Production & Maintenance.
- Open Domo Services.