Medida

Indicadores de energía Hay indicadores generales para el consumo de energía en los hoteles - tenga cuidado, ya que podrían variar

Indicadores y puntos de referencia Distinguir entre categorías *** Localización geográfica (HDD, CDD) Ocupación Almacenaje de comida Piscina interior / exterior Lavandería Servicios adicionales (catering)

Indicadores de energía Estas cifras de consumo no te dicen mucho

Vista anualizada Este gráfico muestra los mismos datos que en la diapositiva 4 (anterior), pero ofrece un mejor panorama sobre el consumo en curso

Mensaje Tenemos que vincular el consumo de energía con las variables que tienen una influencia real Durante la noche HDD (CDD) Almacenaje de comida

Puntos de referencia Puntos de referencia típicos incluyen: Electricidad kWh/noche kWh/alamacenaje de comida kWh/kg lavandería Calor kWh/HDD (heat degree day) kWh/noche (agua caliente) Agua litros/noche CUIDADO CON: kWh/m2 litros/m2 €/facturación

Variables energéticas Esas cosas que hacen que el consumo energético varíe. La variable independiente es la conductora La variable dependiente es el consumo energético Necesidad de identificar y cuantificar estas variables Necesidad de desarrollara una relación matemática Normalmente más de una variable independiente

Ejemplo Noche (energía) kWh electricidad P1 4 100 P2 6 134 P3 2 83 P4   Noche (energía) kWh electricidad P1 4 100 P2 6 134 P3 2 83 P4 10 246 P5 12 280 P6 8 150

Variables energéticas   Overnight (driver) kWh electricity P1 4 100 P2 6 134 P3 2 83 P4 10 246 P5 12 280 P6 8 150

Linea de mejor ajuste = uso de energía esperado Esta linea con un R2 = 0.93 es un buen modelo de uso energético esperado Hacer clic derecho en un punto de datos y añadir línea de tendencia, seleccionar fórmula y R2.

Resultado del siguiente periodo:   Noche (Conductor) kWh electricidad P7 7.0 144 ¿Es bueno o malo? ¿Es menos o más de lo esperado?

Resultado del siguiente periodo: Usamos 10 unidades más de lo esperado Es un 6% más Necesitamos actuar para corregir esto y = 20,557x + 21,6 >> 20,557*7+21,60=165 Noche (conductor) kWh electricidad kWh electricidad esperado Diferencia Diferencia en porcentaje P7 7.0 175 165 10 6%

Resultado del siguiente periodo:

¿Por qué marca diferencia? noche kWh kWh/ P1 4 100 25,0 P2 6 134 22,3 P3 2 83 41,5 P4 10 246 24,6 P5 12 280 23,3 P6 8 150 18,8 P7 7 175

Notas Asegúrese de que los períodos de tiempo son consistentes, por ejemplo, mensual o diarios, para todos los parámetros Intercepción = carga base = residuos = C Pendiente = aumento por unidad del controlador Energía = conductor * pendiente + carga base Y=MX+C La línea es la base para la mejora del rendimiento Asegurarse de que las unidades son consistentes Las unidades pueden ser cambiadas fácilmente. Ej.: de kWh por mes a GJ por mes.

Fuentes de información Facturas Proveedor de datos online? Sub-Meters (local, manual, automático) Datos de producción Sistemas M&T Datos sobre el tiempo (degreedays.net) Ocupación (sistemas de acceso?) Otros instrumentos Temperatura, mapas, flujos, etc.

Carga base Cuantificarla Atacarla Analizarla Atacar todos y cada uno de los elementos Alcanzar 0 Atacarla de nuevo!

Consumo de gas en práctica Hotel en área montañosa No hay relación entre consumo energético y noches.

Consumo de electricidad en práctica Hotel en área montañosa

Análisis de regresión múltiple Más de una variable Normalemente noche + HDD Month overnight CDD elec (kWh/mth) Jan- 10 6.657 66 407.933 Feb- 10 6.233 98 385.662 Mar- 10 7.595 151 451.242 Apr- 10 6.210 252 414.584 May-10 7.440 357 457.326 Jun- 10 7.395 476 484.688 Jul- 10 7.891 647 580.617 Aug- 10 1.722 600 296.439 Sep- 10 7.163 450 487.311 Oct- 10 7.643 344 488.652 Nov- 10 7.341 233 448.820 Dec- 10 4.466 123 334.800

Análisis de regresión múltiple RESUMEN OUTPUT Regression Statistics Multiple R 0,983885743 R Square 0,968031156 Adjusted R Square 0,960926968 Standard Error 14963,72509 Observations 12 ANOVA   df SS MS F Significance F Regression 2 6,1E+10 3,05E+10 136,262 1,87E-07 Residual 9 2,02E+09 2,24E+08 Total 11 6,3E+10 Coefficients t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0% Intercept 124656,842 19378,89 6,432611 0,000121 80818,75 168494,9 overnight 39,23392046 2,566081 15,28943 9,55E-08 33,42904 45,0388 CDD 182,0677873 23,17466 7,856331 2,56E-05 129,6431 234,4925

Monitoreo y Orientación Gran concepto Poca implementación Pocos paquetes software Muchos are somplemente conducto sMany are merely conduits from meter to a spreadsheet Gran índice de fallo Poorly understood by consultants or final users A spreadsheet is probably the best M&T software available