NOM emisiones CO2

Report
METODOLOGIA DE LA CONSTRUCCION DEL
ALGORITMO PARA EVALUAR EFICIENCIA
ENERGETICA EN EDIFICIOS APF
INSTITUTO NACIONAL DE ECOLOGIA Y CAMBIO
CLIMATICO
Marzo 14, 2013
ANTECEDENTES
• El INE ha estado trabajando desde 2010 en el establecimiento de
una línea base para la evaluación de la eficiencia energética de
los edificios.
• En una primera fase (INE y Odon de Buen, 2010 y 2011)
-
se identificó y seleccionó la metodología de evaluación,
se recopiló información de diferentes actores, y
se diseño una versión preliminar del portal
• En la segunda fase (INE, CONUEE y GIZ, 2012)
-
se reforzó la metodología
se diseño una herramienta más amigable al usuario
BASE DE DATOS SEGUNDA ETAPA
1. La primera base enviada por la CONUEE tenia 660 registros de edificios y
bancos de la Administración Publica Federal (APF), los cuales fueron revisados.
Consumo Total / Superficie (m2)
PC/PERSONA
1,400
8.00
7.00
1,200
6.00
1,000
5.00
800
4.00
600
3.00
400
2.00
1.00
200
0.00
0
0
100
200
300
400
500
600
700
0
100
200
300
400
500
600
2. La revisión fue a cargo de CONUEE, INECC y GIZ. Inicialmente se acuerda retirar
76 registros para una revisión más detallada por la CONUEE. Posteriormente se
retiran 29 registros más.
700
INFORMACION DISPONIBLE EN LA BASE DE
DATOS DE EDIFICIOS APF
1. Nombre del inmueble.
2. Dirección.
3. Número de personas que laboran en el mismo.
4. Número de computadoras instaladas.
5. Horario de trabajo.
6. Número de edificios comprendidos en el predio del inmueble.
7. Propiedad del inmueble. (Gobierno Federal/arrendado).
8. Uso genérico del inmueble y uso específico
9. Superficie total del terreno [m2].
10. Superficie total construida [m2].
11. Si cuenta o no con equipo central de aire acondicionado.
12. Tarifa(s) eléctrica(s)
13. Cuenta(s) eléctrica(s).
14. Facturación eléctrica en moneda nacional.
15. Consumos de energía eléctrica [kWh].
16. Demanda Máxima [kW].
4
17. Factor de potencia.
ESTADISTICAS DESCRIPTIVAS DE LAS VARIABLES
OBTENIDAS DE LA BASE DE DATOS
Variable
Descripción
Media
Mínimo
Máximo
Comp
Número de computadoras por cada 100
m2
4.46
0.00
55.85
Per
Número de empleados en el turno
principal por cada 100 m2
4.86
0.00
42.77
108.26
0
4000
1.5
1
3
8.23
6.84
12.93
57.41
35
120
1786.07
0
3828.63
2,734.87
258.02
7002.34
0
1
Capacidad del sistema de enfriamiento
en toneladas de refrigeración
Región del país donde se encuentra el
Reg
edificio
Logaritmo natural del área del edificio
LN m2
en m2
Horas operación a la semana
HrsOpn
La suma anual de la diferencia entre la
GDC
temperatura diaria y una temperatura
(Grados Días
menor a los 18oC en una localidad4
Calefacción)
La suma anual de la diferencia entre la
GDR
temperatura diaria y una temperatura
(Grados Días
mayor a los 18oC en una localidad1
Refrigeración)
Cuenta con sistema de aire
AA
acondicionado
Fuente: Elaboración propia.
TR
El mínimo de personas y computadoras es cercano a cero.
Estadísticas de la regresión
ANALISIS ECONOMETRICO
Coeficiente de
correlación múltiple
Coeficiente de
determinación R^2
0.608
0.370
R^2 ajustado
0.365
 1.- ConError585
registros5.122
como base se da inicio al análisis econométrico, usando
típico
585.000
como Observaciones
referencia la metodología
de Energy Star®. El primer modelo construido
fue:
Estadísticas de la regresión
ANÁLISIS DE VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio de los
cuadrados
F
Valor crítico de
F
Regresión
5.000
8921.453
1784.291
68.010
0.000
Residuos
579.000
15190.512
26.236
Total
584.000
24111.965
Coeficiente de
correlación múltiple
Coeficiente de
determinación R^2
0.608
0.370
R^2 ajustado
0.365
Error típico
5.122
Observaciones
585.000
Coeficientes
Error típico
Estadístico t
Probabilidad
Inferior 95%
-13.505
2.965
-4.555
0.000
-19.329
COMP/1000 FT2
0.380
0.118
3.230
0.001
0.149
0.611
Regresión
0.149
PER/1000FEET2
0.334
0.127
2.631
0.009
0.085
0.584
Residuos
0.085
579.000 0.584 15190.512
ANUAL CDD65
0.003
0.000
8.176
0.000
0.002
0.003
Total
0.002
584.000 0.003 24111.965
LN(FT2)
0.911
0.204
4.461
0.000
0.510
1.312
0.510
ANUAL HDD65
0.001
0.000
1.880
0.061
0.000
0.002
0.000 Coeficientes0.002 Error típico
Intercepción
Superior 95% Inferior 95.0% Superior 95.0%
ANÁLISIS DE VARIANZA
-7.682
-19.329 Grados de-7.682 Suma de
libertad
cuadrados
Intercepción
5.000 0.611
8921.453
1.312
-13.505
62.965
 2.- Se construyen diversas variables enfocadas a la realidad de nuestros edificios.
Aunque algunas no resultan significativas.
 3.- Se continua refinando la base de datos, mientras que se sigue haciendo el
análisis econométrico, usando diferentes modelos con diversos conjuntos de
variables independientes.
KWh/Ft2, 585 reg CONSTANTE
Pc por cada
1000 ft2
Personas por
cada 1000 ft2
ANUAL
CDD65
Capacidad
AA (TR)
Region
LN(FT2)
ANUAL
HDD65
Estadisticos
Valores
Coeficientes
-12.309
0.350
0.313
0.002
0.002
0.999
0.679
0.001
C. de correlación múltiple
0.621
Error típico
3.290
0.117
0.126
0.000
0.001
0.401
0.234
0.000
C. de determinación R^2
0.385
Estadístico t
-3.741
2.988
2.480
7.339
2.516
2.493
2.900
2.301
R^2 ajustado
0.378
Probabilidad
0.000
0.003
0.013
0.000
0.012
0.013
0.004
0.022
Error típico
5.067
Coeficientes
-15.442
0.364
0.312
0.002
1.088
0.961
0.001
C. de correlación múltiple
0.615
Error típico
3.060
0.118
0.127
0.000
0.401
0.206
0.000
C. de determinación R^2
0.379
Estadístico t
-5.046
3.092
2.457
7.464
2.711
4.659
2.336
R^2 ajustado
0.372
Probabilidad
2.10634E-05
0.000
0.002
0.014
0.000
0.007
0.000
0.020
Error típico
5.091
-13.660
0.385
0.305
0.003
0.911
0.001
C. de correlación múltiple
0.609
Coeficientes
Error típico
3.005
0.118
0.128
0.000
0.207
0.000
C. de determinación R^2
0.370
Estadístico t
-4.545
3.257
2.388
8.345
4.409
2.018
R^2 ajustado
0.365
Probabilidad
0.000
-19.563
0.001
0.153
0.017
0.054
0.000
0.002
0.000
0.505
0.044
0.000
Error típico
5.119
Coeficientes
-10.412
0.368
0.307
0.003
0.002
0.608
0.001
C. de correlación múltiple
0.615
Error típico
3.216
0.118
0.127
0.000
0.001
0.233
0.000
C. de determinación R^2
0.379
Estadístico t
-3.238
3.131
2.419
8.140
2.733
2.607
2.008
R^2 ajustado
0.372
Probabilidad
0.001
0.002
0.016
0.000
0.006
0.009
0.045
Error típico
5.090
Coeficientes
-6.727
0.361
0.302
0.002
0.002
0.581
C. de correlación múltiple
0.612
Error típico
2.648
0.118
0.127
0.000
0.001
0.234
C. de determinación R^2
0.374
Estadístico t
-2.540
3.062
2.372
13.712
2.741
2.488
R^2 ajustado
0.369
Probabilidad
0.011
0.002
0.018
0.000
0.006
0.013
Error típico
5.1047
RESULTADOS DEL ANALISIS ECONOMETRICO UTILIZADO POR EL EQUIPO
Conuee – INECC - GIZ – GOPA
 4.- Se obtienen varias regresiones con coeficientes significativos, en base a los
estadísticos de prueba arrojados por cada regresión. Aunque se detectan tres
variables que aparecen significativas en todos los modelos:
Personas,
Computadoras, y
Grados Días Refrigeración.
• 5.- Los diferentes modelos obtenidos se comparan contra los resultados que
Energy Star® muestra en su metodología para calificar oficinas y bancos1. En
general, los modelos muestran cifras comparables.
1ENERGY
STAR® Performance Ratings Technical Methodology for Office, Bank/Financial
Institution, and Courthouse
8
PRIMERA COMPARACION
MODELO FINAL
Variable dependiente
Número de observaciones en el análisis
Estadístico F
Valor de R2 del modelo
Variable
Coeficientes
Constante
Comp
Per
TR
Reg
LN(m2)
GDR
GDC
IMCEEpronosticado [kWh/m2-año]
556
52.85
0.4030
Estadístico t
P-Value
-118.2
3.3254
2.9815
0.0386
10.8713
7.441
0.02635
0.01301
1.- Signos de las
variables parecidos
-3.73
2.89
2.40
3.71
2.52
2.75
7.51
2.41
0.00
0.00
0.01
0.00
0.01
0.00
0.00
0.01
4.- R2 similar.
3.- Variables significativas
ENERGY
STAR
2.- Algunas variables son
similares.
9
SEGUNDA COMPARACION
A. Para cada edificio de la base de datos se calcula su índice de acuerdo a los
coeficientes reportado por ENERGY STAR®, usando aquellas variables que se
encuentran disponibles en nuestra base de datos, como las personas (wkr),
computadoras (pc), GDR (CDD), etc.
B. Una vez calculados los índices, se ordenan de menor a mayor.
C.
Se calcula el índice usando cada uno de los modelos obtenidos en el análisis
econométrico.
D. Se ordenan de menor a mayor.
E.
Se compara la ordenación ENERGY STAR® contra cada uno de nuestros
modelos.
10
RESULTADOS
ENERGY STAR® VS MODELO FINAL
11
CONSIDERACIONES
ENERGY STAR® VS MODELO FINAL
A. La comparación no es directa sobre los valores absolutos de los índices, pues
no son comparables las magnitudes.
B. La comparación se hace en base a la ordenación del índice, es decir de la
calificación que cada modelo asignaría.
C.
La grafica muestra que un edificio ordenado como eficiente mediante el
índice obtenido de ENERGY STAR® es también ordenado eficiente por nuestro
modelo.
D. Aunque la calificación de ENERGY STAR® y nuestro modelo puede variar, esta
diferencia es de solo algunos puntos. Incluso puntos cercanos a la línea solida
significa igual calificación.
12
LOS PRIMEROS 12 EDIFICIOS
Posicion
Modelo
Posicion
ENERGY STAR
Diferencia
1
2
3
4
5
6
7
8
9
10
11
12
13
14
2
1
3
6
4
5
7
9
8
12
30
34
20
14
-1
1
0
-2
1
1
0
-1
1
-2
-19
-22
-7
0
Con la diferencia entre las posiciones, se calculó la varianza y desviación estándar
para cada uno de los modelos construidos, ello sirvió para decidir finalmente
cual modelo utilizar.
13
TERCERA COMPARACION
SISTEMA DE CALIFICACION
Con el modelo final se construyó los rangos para asignar calificación.
El tamaño relativo de los rangos entre nuestro modelo y el de ENERGY STAR® son
muy parecidos.
14
TERCERA COMPARACION
SISTEMA DE CALIFICACION
La longitud de los intervalos son muy parecidos, debido a la homogeneidad de los datos de
nuestra base que se distribuyen sin algún sesgo.
Entre aproximadamente entre .03 y .04 se encuentran las longitudes de los rangos de los
dos metodologías
Tabla 3. Datos de consulta para edificios habilitados para oficina o banco APF
Calificación
100
99
98
97
96
95
94
93
92
91
90
89
88
87
86
85
84
83
82
81
80
79
78
Porcentaje
acumulado de
datos
1%
2%
3%
4%
5%
6%
7%
8%
9%
10%
11%
12%
13%
14%
15%
16%
17%
18%
19%
20%
21%
22%
23%
>=
0.0
0.1157010
0.1556171
0.1889627
0.2365386
0.2621443
0.3003192
0.3131045
0.3330665
0.3639799
0.3789468
0.3943190
0.4091591
0.4268316
0.4279903
0.4395933
0.4471423
0.4564717
0.4668873
0.4831691
0.4949264
0.5161286
0.5274586
<
0.1157010
0.1556171
0.1889627
0.2365386
0.2621443
0.3003192
0.3131045
0.3330665
0.3639799
0.3789468
0.3943190
0.4091591
0.4268316
0.4279903
0.4395933
0.4471423
0.4564717
0.4668873
0.4831691
0.4949264
0.5161286
0.5274586
0.536647915
ACCIONES HACIA EL FUTURO
Base de datos
 Ampliar la base de datos para edificios comerciales que brinden un visión
más amplia de la edificación en México
Incluir nuevos tipos de edificaciones
 Ampliar el espectro de edificaciones para incorporar edificaciones como lo
son hoteles, escuelas y hospitales
16
NECESIDADES DE COOPERACION
Trabajo conjunto

Llevar a cabo acciones que permitan ajustar la metodología desarrollada por el
INECC a través de simulaciones con datos de EU, con el fin de asegurar evaluaciones
similares y reproducibles.
Intercambio de experiencias

Intercambio de recursos humanos que permitan generar capacidades en el INECC en
el desarrollo de benchmarking
17
REFERENCIAS

ENERGY STAR® Performance Ratings Technical
Methodology/General_Overview_tech_methodology.pdf

Portfolio Manager Data Collection Worksheet
PM_Data_Collection_Worksheet.doc

ENERGY STAR® Performance Ratings Technical Methodology
Energy Star Metodologia de ratings[1].pdf

Guidelines for Energy Management Overview.
Energy star 1.pdf

ENERGY STAR® Performance Ratings Technical Methodology for Office,
Bank/Financial Institution, and Courthouse
office_tech_desc.pdf
18
www.inecc.gob.mx
19

similar documents