Medida.

Presentación del tema: "Medida."— Transcripción de la presentación:

1 Medida

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

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

4 Indicadores de energía
Estas cifras de consumo no te dicen mucho

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

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

7 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

8 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

9 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

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

11 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.

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

13 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%

14 Resultado del siguiente periodo:

15 ¿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

16 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.

17 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.

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

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

20 Consumo de electricidad en práctica
Hotel en área montañosa

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

22 Análisis de regresión múltiple
RESUMEN OUTPUT Regression Statistics Multiple R 0, R Square 0, Adjusted R Square 0, 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, 2,566081 15,28943 9,55E-08 33,42904 45,0388 CDD 182, 23,17466 7,856331 2,56E-05 129,6431 234,4925

23 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