Funcionalidades de DEXMA Detect

Seguir

Tal y como se describe en el artículo Descubre el nuevo Detect , esta herramienta se considera el primer paso en el flujo de la eficiencia energética: una herramienta de detección de ahorros. Determina qué edificios de tu cartera ofrecen el mayor potencial de ahorro y qué tecnologías/medidas de ahorro energético podrían adoptarse para que nuestros edificios/clientes sean más competitivos de forma recurrente.

Los cálculos/simulaciones realizadas por DEXMA Detect se basan en una combinación de modelos energéticos, de simulación y de inteligencia artificial (IA) que puede realizarse de forma masiva y sin necesidad de instalar contadores ni ningún tipo de hardware, reduciendo dichos costes.  Veamos el detalle técnico:

Arquitectura de DEXMA Detect

A continuación se puede ver una vista general de la infraestructura del sistema. En los siguientes puntos del documento encontrarás más detalles sobre los cálculos de datos efectuados por cada módulo.

Nota: Algunos de los módulos descritos aquí sólo están disponibles para determinados sectores y países.

mceclip0.png

Procesado de datos 

Una vez configurada la cuenta en la plataforma de DEXMA como se explica en el artículo Preparando la cuenta para usar DEXMA Detect, la API de DEXMA Detect recoge todos los inputs necesarios como datos de meteorología, el consumo de energía eléctrica y los metadatos necesarios(superficie*, precios, etiquetas, código postal, actividad...) 

*Si la superficie no está configurada, DEXMA Detect cuenta con un módulo llamado Imputador de Superficie  que estima la superficie de un edificio en base a un modelo/regresión lineal por actividad que ha sido entrenado con superficies reales de nuestra base de datos. 

Como parte de este procesamiento de datos, DEXMA Detect valida la calidad de los datos (huecos sin datos, consumos energéticos extremos, superficies y actividades no definidas) y descarta aquellas localizaciones que no cumplen con los criterios requeridos. La siguiente lista muestra los motivos descartados:

  • Si el consumo de 12 meses es inferior a 1500 kWh, el edificio se descarta si no se alcanza el umbral para ningún periodo de datos.
  • Si la puntuación relativa a la confianza de datos (% de días con datos por mes) de 12 meses es inferior al 50%, la localización se descarta si no se alcanza el umbral para ningún periodo de datos.
  • La localización se descarta si las coordenadas no están configuradas.
  • La localización se descarta porque no tiene ningún dispositivo de referencia y las sub-localizaciones tampoco.
  • La localización se descarta si no tiene lecturas de energía activa.
  • La localización se descarta porque no tiene superficie después de haber intentado imputarla con el módulo de imputación de superficie.
  • La localización se descarta porque tiene una superficie errónea después de que se calcule el módulo de imputación de superficie:
    • Inferior a 10 m².
  • La mediana del consumo mensual por metro cuadrado es superior a 200 kWh/m².
  • La ubicación se descarta porque el proveedor de geolocalización no puede obtener una dirección válida a partir de las coordenadas configuradas.

Patrones

El módulo de patrones clasifica los edificios según su patrón de consumo eléctrico, basándose en cómo -y en qué medida- está influido por las condiciones externas, como las fluctuaciones diarias de la temperatura. Este análisis arroja 68 patrones de consumo distintos, obtenidos mediante un proceso de análisis basado en datos y validado externamente por expertos en eficiencia energética. Esta primera clasificación aumenta en gran medida la precisión y la eficacia de los siguientes pasos en el proceso de DEXMA Detect.

mceclip1.png

Diagrama de dispersión de los valores de correlación entre el consumo eléctrico y las características meteorológicas (días-grado de refrigeración y días-grado de calefacción). Cada punto representa un edificio de uno de los conjuntos de datos de análisis de DEXMA.

En un paso posterior al procesado, estos patrones se estructuran mediante técnicas de agrupación aglomerativa para formar una estructura jerárquica basada en las similitudes entre patrones. De este modo, podemos analizar conjuntamente edificios de múltiples patrones simultáneamente, asegurando que su comportamiento de consumo eléctrico es comparable. 

Clustering

El módulo de agrupación analiza todos los edificios con el mismo patrón de consumo eléctrico para formar grupos bien definidos de edificios con un comportamiento de consumo similar.

DEXMA_Benchmarking.gif

Gráfico tridimensional de los resultados de la agrupación para un patrón de consumo determinado. El punto rojo representa un edificio, el color naranja representa edificios similares/vecinos de ese edificio y el azul representa otros edificios.

Utilizando algoritmos  de clustering y reducción de la dimensionalidad, este módulo nos permite tener en cuenta  hasta 100 edificios similares a la hora de agrupar y comparar su eficiencia energética. Para lograr un equilibrio adecuado entre la cantidad y la calidad de los datos, utilizamos la mencionada jerarquía de patrones de consumo para garantizar un número mínimo de edificios para cada análisis de clustering.

Rendimiento energético global/Benchmarking

El módulo de benchmarking estima la eficiencia energética y el potencial de ahorro de un edificio determinado, basándose en una comparación dentro del grupo de edificios similares obtenido en el módulo de clustering. 

A cada edificio se le asigna una puntuación de eficiencia energética que va de 0 a 100, donde 100 denota un edificio que ya está funcionando al máximo de eficiencia. Además, para cada edificio proporcionamos una tabla comparativa mensual de los valores de consumo energético con la media y el 10% de los edificios más altos de cada clúster. Esta comparación nos permite evaluar el potencial de ahorro de cada edificio, expresado de tres formas: energía (KW/h), ingresos y como porcentaje del consumo actual del edificio. 

Con esta información, el usuario puede identificar rápidamente los edificios con un alto margen de mejora, así como los edificios más eficientes desde el punto de vista energético, y proceder a Dexma Analyse para aplicar y validar cualquier otra solución de eficiencia.

mceclip7.png

Rendimiento energético global/ Resultados de la evaluación comparativa proporcionados por Detect

NILM /desagregación virtual*  para ciertos países y actividades

El módulo de desagregación virtual (NILM) desglosa el consumo de electricidad de un edificio en diferentes subconsumos, revelando de forma efectiva qué porcentaje del consumo total de un edificio es resultado de la iluminación, la calefacción, la refrigeración y otros dispositivos.

Este desglose se calcula sin utilizar ningún hardware, por lo que no se requiere ningún gastos en hardware por parte del cliente para empezar a ahorrar. DEXMA aprovecha su base de datos existente con decenas de miles de edificios para construir modelos estadísticos que luego se aplican para obtener una submedición virtual precisa del suministro principal de un edificio.

mceclip3.png

Resultados mensuales de la desagregación energética de la climatización y la iluminación para un periodo de dos años, calculados para un edificio a partir de uno de los conjuntos de datos de análisis de DEXMA. El consumo real se muestra en azul, mientras que el consumo previsto se muestra en naranja.

Esto no sólo aporta más información al cliente final sobre el consumo eléctrico de sus edificios, sino que también permite a Dexma Detect calcular recomendaciones basadas en la cantidad de energía consumida para cada grupo de desagregación (iluminación, HVAC, otros)* (para actividades y países seleccionados)

Medidas/recomendaciones de conservación de la energía y comportamiento energético

A partir de los datos del último mes de consumo energético horario, obtendrá métricas que analizan el comportamiento mensual del edificio, como las desviaciones del consumo medio y la severidad climática, el día y la hora del pico de consumo y las comparaciones mensuales. Esta información complementa la factura eléctrica y ayuda a conocer los hábitos de consumo y poder optimizarlos. Además de las métricas de comportamiento, se simulan virtualmente recomendaciones y consejos de eficiencia energética para el portfolio de edificios a nivel de implementación técnica y económica. Cada recomendación tiene un detalle de la simulación realizada y ha sido adaptada por país o zona climática. .

Para más detalle validar el artículo sobre Detect energy conservation measures.

mceclip8.png

Recomendaciones y consejos energéticos  de  DEXMA Detect en la interfaz de usuario

Informes e interfaz de usuario

Todos los resultados de DEXMA Detect se muestran a través de una interfaz dentro de la plataforma de DEXMA y además se pueden exportar de 3 maneras:

  • A través de un informe con el branding del usuario que incluirá exactamente los colores de branding definidos en la plataforma. Descubre como puedes utilizar tu branding en la plataforma.
  • A través de un archivo csv que muestra los detalles de los cálculos de Detect
  • A través de un archivo csv que muestra los detalles de las simulaciones de las medidas energéticas de Detect

mceclip5.png

Ejemplo del informe de Detect con el branding de DEXMA

Otros módulos clave

  • Modelizado energético de edificios* para ciertos sectores y países
    Con la ayuda de la modelización energética de edificios, podemos simular cómo podría comportarse teóricamente un edificio, y utilizar el modelo para desglosar su consumo energético, recomendar simulaciones y comparar escenarios.

mceclip6.png

Ejemplo de simulación BEM del consumo energético de una oficina frente al medido en invierno y verano.

  • Clasificación tipo calefacción y refrigeración* para ciertos sectores y países
    Con la ayuda de un algoritmo específico, Detect puede estimar cuál es la fuente de energía utilizada para los sistemas de calefacción/refrigeración, la lógica de ese algoritmo sigue una de las siguientes técnicas
    • Correlación entre el consumo y el clima y comprobación de si el tipo de calefacción o refrigeración es ELÉCTRICA en base a un umbral.
    • Cálculo de una regresión lineal utilizando el HDD como variable explicativa y el consumo de HVAC como objetivo y comprobar si el tipo de calefacción es ELÉCTRICA comparando la pendiente de la regresión con un umbral.
    • Utilizar un modelo de clasificación pre entrenado para decidir el tipo de calefacción y refrigeración. Este último método ha sido validado utilizando datos generados por la modelización energética de edificios.
  • Servicio de exportación * bajo petición del cliente
    Bajo petición, Detect es capaz de exportar todos los informes de cada ejecución a diferentes puntos, por ejemplo un SFTP externo, Salesforce.

¿Te pareció útil este artículo?