Comunicación presentada al I Congreso Ciudades Inteligentes:
Autores
- Antonio Colino, Director de Operaciones, Fenie Energía, S.A.
- Juan José Sáez, Técnico Servicios de Ahorro Energético, Fenie Energía, S.A.
- Rodrigo López, Responsable de Gestión de la Energía, Fenie Energía, S.A.
- Mirko Presser, Head of Research and Innovation Smart City Lab, Alexandra Instituttet A/S
- Mikel Larrañaga, Project Manager, IK4-Tekniker.
Resumen
El proyecto URB-Grade, financiado por la Comisión Europea, está desarrollando una plataforma software que permitirá a autoridades municipales elegir acciones correctoras para aumentar la eficiencia energética de distritos sin repercutir en el confort y la seguridad del ciudadano. Comenzó en noviembre de 2012 y finalizará su validación en enero de 2016. Se está probando y validando en 3 localidades estudiando todas las variables energéticas que afectan al consumo: Eibar: Alumbrado público; Barcelona: Comercios; Kalundborg (Dinamarca): Edificios residenciales. La plataforma permitirá a su vez la implantación de diversos modelos de negocio teniendo en cuenta un gran número de actores (autoridades municipales, empresas de servicios energéticos, fabricantes, etc.).
Introducción
Las Smart Cities están en boga y conseguir la sostenibilidad y el desarrollo en el que se basan es esencial. Desde el punto de vista energético, para que esto se cumpla se deben tomar medidas, estudiar en base a estas, planificar y poner en marcha acciones encaminadas a la mejora de la eficiencia energética de las ciudades.
Las grandes ciudades pueden permitirse la contratación de una ESE (Empresa de Servicios Energéticos), o tener un departamento dedicado a la planificación y gestión energética de la ciudad con el fin de ahorrar en sus facturas energéticas, así como mejorar la calidad de vida de sus ciudadanos.
En cambio, las pequeñas ciudades no pueden permitirse proyectos de eficiencia energética o no están informadas sobre las distintas posibilidades para mejorar sus instalaciones. Disponen de un gran potencial de ahorro energético, pero el proceso existente a día de hoy para poder adoptar medidas de ahorro energético es complicado y caro.
Complicado debido a la existencia una gran variedad de campos donde puede ahorrarse energía, y el conocer todos los posibles es la mejor forma de dar con mejoras energéticas.
Caro porque, para implantar medidas de ahorro energético en una ciudad se debe realizar un proyecto de eficiencia energética, y para ello se requiere estudiar la ciudad, tomar medidas, detectar ineficiencias, proponer y seleccionar soluciones, planificar la ejecución y controlar su correcto resultado.
Es por esto, que existe una necesidad de dar con un proceso más accesible económicamente y menos complicado, ya que hoy en día, las pequeñas ciudades se encargan de los aspectos energéticos, campo en el que no están especializados, o no conocen las distintas posibilidades.
Descripción de la solución
El proyecto URB-Grade diseña, desarrolla y valida una Plataforma Software de Servicios (Plataforma DaaS) que ayudará a instituciones y organizaciones de las ciudades a ver de forma fácil como se produce el consumo de energía dentro de su territorio, incluso el consumo instalación a instalación. El objetivo es promover y elegir las acciones correctas para que un distrito sea más eficiente energética y económicamente, manteniendo o aumentando el confort de sus ciudadanos.
Para ello, se definen distintos ratios para normalizar el gasto de energía de consumidores con distintas características (Wh/m2, Wh/habitantes, Wh/Temperatura, etc.). De esta manera, la propia plataforma es capaz de detectar cuales son los consumidores que mejores ratios de consumo están mostrando. Así, se puede identificar el potencial de mejora para distintas soluciones en un distrito, basándose en estos KPIs de consumo, los costes de la solución (inversión, coste de la energía, etc.), potencial de desarrollo y mejoras de confort para los ciudadanos.
La plataforma apoya acciones destinadas a:
- Gestión de Instalaciones Públicas: Toma de decisiones en inversiones de ahorro energético
- Política de apoyo a instalaciones privadas: Toma de decisiones sobre políticas y campañas de sensibilización
Actualmente, esto se realiza mediante dos posibles enfoques:
- Enfoque teórico: análisis teórico en base a estadísticas y encuestas.
- Enfoque ESE: Toma de datos intensivas, analizando y definiendo las medidas de ahorro, implementándolas y validación.
El enfoque ESE, debido a la toma intensiva de datos en campo, tiene la mejor condición para la obtención de ahorro energético. Sin embargo, no es económicamente factible realizar mediciones intensivas a gran escala, como un distrito, o en base a una gran cantidad de datos heterogéneos.
La innovación de URB-Grade es mezclar los dos métodos para encontrar un término medio. La combinación de mediciones reales con los datos estadísticos y encuestas para obtener los beneficios de un enfoque ESE, manteniendo la viabilidad práctica y económica de un enfoque teórico.
El progreso más allá del estado de la técnica
District as a Service (DaaS)
URB-Grade sigue un enfoque District as a Service (DaaS). Esto significa que se interactúa con la plataforma a través de la nube desde cualquier dispositivo. Esto permite acceder a esta solución sin tener que invertir en una infraestructura consiguiendo una solución barata y fácil.
Visualización e Interfaces de usuario
El enfoque seguido para la visualización de datos (datos masivos y heterogéneos), se basa en:
- Investigación de nuevas e innovadoras formas de visualización de grandes volúmenes de datos
- Talleres y pruebas con los usuarios potenciales de la herramienta para entender cómo van a hacer uso de esta y cómo deber mostrarse la información de la mejor forma posible.
Recopilación de Datos
La disponibilidad de datos relevantes sobre el consumo de energía y los factores que afectan a este son cruciales para la toma de decisiones en el ámbito energético. URB-Grade ha desarrollado un método para la recopilación y almacenamiento común de datos de distintas fuentes heterogéneas y a diferentes escalas (encuestas, datos estadísticos, sensores, medidores inteligentes y controladores)
Procesamiento de Eventos Complejos (CEP)
La infraestructura de recopilación de datos diseñada seguirá la filosofía EDA (Event Driven Architecture – Arquitectura Dirigida por Eventos) y aplicará CEP (Complex Event Processing – Procesamiento Complejo de Eventos) para hacer el filtrado de datos sobre la marcha. De esta forma, se hace frente a las limitaciones de la Arquitectura Orientada a Servicios (SOA) (Bayer G, 2009). La plataforma se alimentará de información “refinada” en lugar de los datos “en crudo”.
Predicción para el Distrito
Hay dos tipos de métodos de predicción:
- Los métodos basados en modelos de función de transferencia utilizados por ESEs para predecir el ahorro de energía.
- Los métodos basados en modelos estadísticos utilizados por las empresas eléctricas para suministrar energía a sus clientes.
URB-Grade mejora el modelo ESE cambiando el enfoque de una única construcción o instalación hacia un enfoque de todo el distrito. Para lograr esto, el enfoque tradicional ESE no se puede abordar y tiene que ser complementada con métodos estadísticos basados en KPIs de los consumidores para extrapolar a partir de una muestra única (edificio o instalación) a todo el distrito.
Hardware y software de la DaaS Cloud Platform
La plataforma DaaS se basa en el concepto de SaaS y la arquitectura desarrollada se basa en servicios en la nube (Esta solución permite el desarrollo en paralelo de los diferentes módulos de la Plataforma DaaS). La plataforma está formada por dos componentes globales:
La Plataforma en la nube DaaS
Es la parte central de toda la arquitectura y que contiene los siguientes componentes:
- Bloques CORE de construcción: servicios horizontales para toda la plataforma incluida la seguridad y la orquestación entre otros.
- Bloques específicos de construcción: servicios de valor añadido que ofrece la plataforma y con una arquitectura escalable. Los módulos diseñados específicamente dentro de este proyecto son;
- Módulo de Perfilado ; Módulo de Cuantificación; Módulo de Predicción; Módulo de Análisis
Interfaces API (Application Programming Interface): interfaces de integración permiten la comunicación entre la plataforma y las ciudades.
Las Ciudades
Los datos obtenidos de diferentes elementos, como contadores eléctricos, medidores inteligentes o encuestas, son transformados y ordenados a través de diferentes procesos para ser enviados a la plataforma. Las ciudades tienen que hacerse cargo de estos procesos, permitiendo así que la herramienta obtenga información normalizada de diferentes ciudades. El siguiente diagrama resume este esquema:
Metodología
Marco de despliegue
La Plataforma DaaS recoge toda la información y datos necesarios a través de un “concentrador” o Gateway. El Gateway se recoge la información de fuentes heterogéneas, como sensores distribuidos (contadores eléctricos de compañía, medidores inteligentes, sondas térmicas, etc.), datos basados en encuestas y otras fuentes de datos abiertas. Estos datos se filtran y ordenan y una vez cargados en la plataforma, se procesan utilizando técnicas CEP para generar información relevante.
El marco de despliegue define los criterios para validar si las fuentes de datos disponibles en una ciudad son suficientes para cumplir con los requisitos y también, cómo implementar nuevas fuentes de datos para completar la información, si es necesario.
Metodología de perfilado
La metodología de perfilado empleada en URB-Grade se basa en criterios para clasificar en grupos los factores que afectan el consumo de energía de un distrito. El objetivo es formar entidades que se relacionan dentro de una estructura jerárquica como se muestra en la siguiente figura.
Este criterio de normalización es fundamental para realizar análisis. Además, la plataforma DaaS permite dos niveles de detalle en función de la disponibilidad de información y recursos de cada ciudad:
- Detalle general: Sólo los Distritos Energéticos y los Consumidores se definen.
- Detalle en profundidad: Todas las entidades están definidas.
El usuario final debe elegir hasta dónde quiere ir. Para llegar hasta el nivel de Producto Consumidor se requiere más trabajo y coste de despliegue, pero proporcionará información más específica.
Metodología de análisis y predicción
Esta metodología ha sido desarrollada para hacer comprender la información contenida en la plataforma DaaS a través de una interfaz de usuario y una fácil parametrización de datos, haciendo posible conocer la situación energética actual del distrito y obtener diferentes opciones para tomar decisiones en base a esta.
El principal impulsor de la metodología de análisis son los indicadores clave (KPI). Estos indicadores reflejan la eficiencia energética de las diferentes entidades energéticas haciendo posible la comparación y evaluación comparativa. El usuario final de la herramienta puede analizar el impacto de cada KPI en el consumo a través de distintas opciones añadiendo valor a la información obtenida:
- Datos mostrados en gráficas y geográficamente
- Opciones de filtro (indicadores clave, selección de entidades, selección de las fuentes, etc.)
- Benchmark de KPIs a través de rankings que permiten detectar las mejores y peores prácticas.
- Simular escenarios alternativos donde se prevén KPIs con el fin de comparar la situación actual con los escenarios futuros.
En definitiva, se podrá dar respuesta a preguntas como:
- ¿Qué consumidores tienen poco consumo eléctrico?
- ¿Qué soluciones han implantado para consumir tan poco?
- ¿Qué pasaría si el resto de consumidores adoptaran las mismas soluciones?
- ¿Cuánto les costaría y cuánto ahorrarían?
Resultados y datos obtenidos
El proyecto lleva 2 años en marcha y la plataforma está en fase de desarrollo. Los logros conseguidos son:
- Requerimientos de los Usuarios. Se han realizado talleres con los posibles usuarios finales de la herramienta para saber lo que querrían obtener de ella y para que adecuarla a su forma de trabajar buscando mostrar la máxima información posible pero de forma atractiva y fácil.
- Metodología de perfilado. Los distintos que afectan al consumo se han categorizado y se han asignado a las distintas entidades jerárquicas definidas en la metodología.
- Metodología de análisis y predicción. A través de diferentes opciones de selección y basándose en indicadores de consumo, se pueden analizar distintos usuarios y sus consumos y extraer mejores y peores prácticas, además de simularlas en escenarios alternativos.
- Diseño y Especificación de la plataforma. Se ha definido cada componente de la plataforma y especificado todos ellos para planificar el desarrollo de ésta. Los componentes han sido diseñados teniendo en cuenta los requerimientos de los usuarios y el plan de negocio.
- Implementación en las ciudades Piloto. Los 3 pilotos ya están en su fase última de despliegue de equipos y desarrollo del “concentrador” o Gateway para el volcado de datos a la plataforma.
Conclusiones
Ya existen herramientas sofisticadas para la gestión y planificación energética de una ciudad. Pero estas se enfocan a grandes ciudades y con mayor presupuesto. En cambio, La plataforma DaaS revolucionará el desarrollo de las pequeñas ciudades a medio largo plazo gracias a las siguientes características.
- Instalación fácil. Está basada en el enfoque SaaS. Se puede acceder desde cualquier dispositivo sin instalación ni compra de servidores u otros elementos para su funcionamiento.
- Solución Multi-tenancy. Gracias al procesamiento de eventos complejos y la implementación en la nube, múltiples usuarios y múltiples idiomas son compatibles.
- Diseño adaptable y escalable. La metodología de perfilado admite diferentes niveles de definición. Las ciudades pueden optar por un nivel de definición general (sin definir todos los niveles de las entidades energéticas) y, a medida que se van instalando medidores inteligentes y creando o apareciendo distintas fuentes de datos, dar el salto a un nivel de definición profundo.
- Se “alimenta” de distintas fuentes de datos heterogéneas. La información entra a esta herramienta a través del Gateway. De esta forma, distintas fuentes de datos, diferentes entre ciudades, pueden dar la misma información.
- Analizar, comparar y simular distintas posibles soluciones energéticas a nivel de distrito, dando valores como inversión inicial, retorno de la inversión, número de beneficiados por la solución, etc. Además, una vez implantadas las soluciones elegidas, se puede monitorizar el efecto de estas y realizar un seguimiento de los ahorros producidos.
Referencias
- Bayer G, 2009. Bayer G., Synergy of SOA, Event-Driven Architecture (EDA), and Complex Event Processing (CEP) International SOA 2009
- IDEA, 2011. Guía práctica de la energía, Consumo eficiente y responsable 2009
- ISO 50001:2001
Nota: Este artículo fue presentado y publicado en el Libro de Comunicaciones del I Congreso Ciudades Inteligentes.