Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Medida y Verificación
Abril 2007
Abril 2007
Visión de EVO
Un mercado mundial que valora el uso eficiente de los recursos naturales y utiliza medidas de
ahorro y eficiencia energética en el uso final como una alternativa viable a la opción del
suministro energético.
Misión de EVO
Promover y desarrollar el uso de protocolos estándar, métodos y herramientas para cuantificar
y gestionar el beneficio y riesgo asociado a las transacciones comerciales en el uso final de la
eficiencia energética, las energías renovables y el uso eficiente del agua.
Abril 2007
Estimado Lector:
El interés por la eficiencia energética, ya sea como una estrategia de inversión o como una
inevitable política pública, nunca ha sido tan grande como en la actualidad. Por tanto, cada vez más
hay una mayor necesidad de desarrollar métodos estándar para cuantificar el resultado de las
inversiones en materia de eficiencia energética. EVO, como única organización en el mundo
dedicada exclusivamente al diseño de herramientas para cuantificar los programas y proyectos de
eficiencia energética, se complace en presentar la versión del 2007 del IPMVP Volumen I.
Tras un proceso de mejora continua, y con la ayuda de una gran variedad de profesionales que
utilizan las técnicas de Medida y Verificación en todo el mundo, el IPMVP 2007 Volumen I refleja
con gran fidelidad nuestra misión en EVO: desarrollar y difundir herramientas para cuantificar el
resultado de los proyectos de eficiencia energética. Si tenemos en cuenta que el producto de las
inversiones en materia de eficiencia energética, el ahorro, no se puede medir de forma directa, esta
tarea no resulta sencilla. Pese a todo, a lo largo de los últimos diez años, las primeras versiones del
IPMVP han demostrado su eficacia a la hora de abordar las cuestiones más críticas relacionadas
con cada transacción en materia de eficiencia energética. El IPMVP ofrece un marco flexible de
opciones de Medida y Verificación que permiten a los profesionales diseñar un Plan de Medida y
Verificación en cada proyecto particular, y ofrece la confianza necesaria en aquéllos que esperan
obtener un beneficio. Los preceptos básicos del IPMVP están basados en definiciones
terminológicas precisas y en el hincapié en utilizar métodos coherentes y transparentes. En el
detalle un proyecto puede diferir de otro, pero las opciones y los métodos que encontrará en las
siguientes páginas han sido implementados con éxito en miles de proyectos y programas en
docenas de países.
Espero que pronto se pueda beneficiar de muchas de las mejoras de esta última versión. Y lo más
importante, espero que esté interesado en contribuir con la comunidad EVO. Ya sea presentando
un artículo, compartiendo sus experiencias en un foro, uniéndose a un comité de voluntarios o por
medio de su suscripción, usted puede pasar a formar parte de este grupo exclusivo de profesionales
cuyo objetivo es perfeccionar los métodos de cuantificación y valoración de los resultados de las
actividades en eficiencia energética, para permitir que sigan evolucionando. En cualquier caso,
quiero animar a todos los lectores a hacernos llegar su opinión sobre este documento para que
podamos seguir mejorándolo, por lo que pueden enviar su email a: ipmvprev@evoworld.org.
Por último, en nombre de todo el Consejo, me gustaría expresar mi agradecimiento a todas las
personas que aparecen en la sección de Agradecimientos y a todos los que han contribuido con sus
sugerencias y apoyo.
CONTENIDOS.............................................................................................. i
Contenidos
i
4.7 Visión General de las Opciones del IPMVP............... Error! Bookmark not defined.
4.8 Opciones A y B : Verificación Aislada de la Medida de Mejora de Eficiencia
Energética.................................................................... Error! Bookmark not defined.
4.9 Opción C: Verificación de toda la Instalación.......... Error! Bookmark not defined.
4.10 Opción D: Simulación Calibrada.............................. Error! Bookmark not defined.
4.11 Guía para la Selección de las Opciones ................. Error! Bookmark not defined.
Contenidos
ii
A-5 Opción B: Mejora del Conjunto Turbina - GeneradorError! Bookmark not defined.
A-6 Opción A: Medida de la Eficiencia de una Caldera... Error! Bookmark not defined.
A-7 Opción C: Varias MM.EE con Datos de Referencia Reales ....Error! Bookmark not
defined.
A-8 Opción D: Varias MMEE en un Edificio sin Equipos de Medida en el Periodo
de Referencia .............................................................. Error! Bookmark not defined.
A-9 Opción D: Edificio de Nueva Construcción con mejoras sobre los
Requerimientos establecidos por el Código de Edificación Error! Bookmark not
defined.
Contenidos
iii
AGRADECIMIENTOS
Este documento se mantiene actualizado principalmente por los siguientes voluntarios. EVO
agradece su contribución en la gestión de los comentarios de la última edición, la introducción
de cambios, el diseño de la nueva edición y los comentarios externos sobre la misma. EVO
también agradece la ayuda de Betsy Wilkins, de Wilkins Communications, en la coordinación y
administración de las actividades de los voluntarios. EVO agradece la ayuda y el compromiso
de todos los empleados de las entidades voluntarias de EVO.
Agradecimientos
iv
Subcomité de Revisiones
David Jump, Presidente Quantum Energy Services&Technologies, Inc (EE.UU.)
John D. Cowan, Editor Técnico Environmental Interface Limited (Canadá)
L.J. Grobler, Northwest University (Sudáfrica)
M. Sami Khawaja, Quantec LLC (EE.UU.)
Satish Kumar, Lawrence Berkeley National Laboratory (EE.UU.)
Mark Stetz, Nexant Inc. (EE.UU.)
Principales
Pacific Gas and Electric Company
San Diego Gas & Electric Company
Southern California Edison
Senior
Sacramento Municipal Utility District
The Energy Foundation
Asociados
Bonneville Power Administration
Conzerv Systems Pvt. Ltd
Nexant, Inc.
Quantec, LLC
Quantum Energy Services & Technologies, Inc.
SGS-CSTC Standards Technical Services Co., Ltd, China
Taiwan Green Productivity Foundation (TGPF)
U.S. Environmental Protection Agency (EPA)
Agradecimientos
v
Asimismo, EVO quiere expresar su agradecimiento por el patrocinio del United States
Department of Energy en la preparación de anteriores ediciones, así como a los siguientes
patrocinadores:
Agradecimientos
vi
CAMBIOS EN ESTA EDICIÓN
La presente edición introduce numerosos cambios con respecto a la edición del 2002 del
Volumen I, gracias al esfuerzo continuo que realiza EVO para recoger en sus documentos las
mejores prácticas existentes. Estos cambios suponen, en general, una actualización del
documento, ya que lo reestructuran, aclaran determinados aspectos, añaden Principios de
Medida y Verificación, definen varias versiones de la ecuación básica del ahorro, se han
reelaborado ejemplos y se ha revisado la redacción de algunos párrafos imprecisos, y
armonizan el presente volumen respecto a los otros volúmenes del IPMVP. Dichos cambios se
muestran a continuación:
1. Se añade una definición de Medida y Verificación (Capítulo 2).
2. Se definen los principios inherentes a una buena Medida y Verificación (Capitulo 3).
3. Se añade una guía sobre el contenido de los informes demostrativos de ahorros (Capítulo 6).
4. Se añade un cuadro que muestra de forma sencilla el modo de calcular el ahorro (Capítulo
4.1).
5. Se incluyen varias versiones de la ecuación 1 del Capítulo 4 para simplificar los ajustes que
son necesarios realizar en el periodo demostrativo de ahorro y en la Opción D.
6. Se añade un segundo método para calcular el ahorro por ordenador en la Parte I del
Volumen III en la Opción D (Capítulo 4.10.3).
7. Se permite el uso de un método de cálculo descrito en el Volumen III Parte II de Energías
Renovables del Test On/Off de la MMEE (Capítulo 4.5.3).
8. Se actualizan las referencias con otros documentos clave como la ASHRAE Guideline 14-
2002, la M&V Guidelines: Measurement and Verification for Federal Energy Projects -
Versión 2.2 y el United States Green Buildings Council liderado por el Energy Efficient
Design Program.
9. Se esclarecen los requisitos necesarios para la realizar medidas y estimaciones cuando se
utiliza la Opción A, reemplazando el término contractual estipulación por el de estimación;
se añade una tabla con posibles alternativas en la Opción A, indicando cuándo es más
adecuado estimar en lugar de medir en ejemplos relacionados con la iluminación (Capítulo
4.8.1).
10. Se describe el proceso de planificación del Plan de Medida y Verificación como algo que
transcurre de forma paralela al proceso de análisis de las MMEE, en lugar de ocurrir en un
momento determinado (Capítulo 4.3).
11. Se simplifican los ejemplos del Apéndice A y se añaden más ejemplos de MMEE, incluidos
algunos proyectos industriales. Muestra como se transforma el ahorro de energía en ahorro
económico. Se incluye una explicación detallada de las razones existentes para la selección
de la opción de M&V adecuada en cada caso. Además se remite al lector a la página web
de EVO para que consulte el cálculo detallado de dos de los ejemplos.
12. Se explican las diferencias entre ahorro y coste evitado, y se detallan las bases para su
ajuste (Capítulo 4.6).
13. Se aclara la posibilidad de aplicar este protocolo a proyectos de ahorro de agua o de
reducción de la demanda (Capítulo 4.2), en proyectos industriales y en edificios de nueva
construcción.
14. Se han marcado en cursiva aquellos términos cuyo significado aparece explicado en la
sección de definiciones.
15. Se sustituye el término año de referencia por el de periodo de referencia.
Prólogo
ix
8. Proporciona una relación diversas cuestiones que pueden surgir en el diseño de la Medida
y Verificación, o en la elaboración de los informes.
9. Relaciona la definición de cada una de las palabras escritas en cursiva.
10. Proporciona una lista de referencias y otras fuentes útiles.
El Apéndice A recoge 12 ejemplos de aplicación del IPMVP con distint nivel de detalle.
También se remite a la página web de EVO para ver los ejemplos detallados de los Planes de
Medida y Verificación y los Informes de Ahorro.
El Apéndice B resume las técnicas básicas de cuantificación de la incertidumbre, para
proporcionar una orientación sobre el nivel de rigor apropiado en cada proceso de Medida y
Verificación.
Prólogo
x
Plan de Medida y Verificación permite verificar el rendimiento real del proyecto, en base a
claros informes demostrativos de ahorro.
Formación y Certificación
EVO es consciente de que las publicaciones por sí solas no mejorarán la eficiencia energética
en todo el mundo. Por eso, EVO y todos sus socios introdujeron una serie de programas de
formación y concienciación sobre la Medida y la Verificación. Estos programas están pensados
para enseñar a los profesionales los métodos y progresos más recientes en materia de Medida
y Verificación.
EVO también ofrece el título Certified Measurement and Verification Professional (CMVP) para
que los profesionales puedan demostrar, una vez aprueben un examen, sus conocimientos del
IPMVP, así como una experiencia y una formación adecuada. Aquellas personas que obtengan
la certificación CMVP deberán tener aptitudes para desarrollar Planes de Medida y Verificación
y gestionar los programas de Medida y Verificación en aplicaciones reales. Para más
información sobre el certificado CMVP, y de los profesionales que cuentan con el CMVP, puede
visitar la web de EVO. www.evo-world.org .
Prólogo
xi
Planes de Futuro de EVO
Los subscriptores y voluntarios de EVO elaboran planes para el desarrollo de nuevos
programas de formación y, publicaciones sobre la valoración de la eficiencia. EVO invita al
lector del IPMVP a convertirse en subscriptor de EVO, realizar sugerencias nuevas y participar
en las nuevas actividades de EVO, o en las ya existentes.
Algunas de las nuevas actividades relacionadas con el actual protocolo, o que se están
estudiando, son las siguientes:
• International Energy-Efficiency Financing Protocol. Guía para ayudar a las entidades
financieras a comprender los proyectos de eficiencia energética.
• International Program-Evaluation Protocol. Provee, a los que desarrollan programas locales
de gestión de la demanda, de una guía para realizar mediciones y poder informar del
resultado de sus programas.
• Distributed-Generation Protocol. Proporciona, a los operadores de los sistemas eléctricos,
una guía sobre la elaboración y definición de informes sobre el impacto de los proyectos de
generación distribuida en la red de suministro de energía eléctrica.
• Demand-Response Protocol. Proporciona, a los operadores de los sistemas eléctricos, una
guía sobre la elaboración y definición de informes sobre el impacto de los programas de
respuesta y gestión de la demanda en la red de suministro de energía eléctrica.
Además, con motivo de su proyección internacional EVO:
• Busca colaboradores que contribuyan desde su ámbito al mantenimiento y desarrollo de las
publicaciones de EVO.
• Organiza más programas de formación y certificación en todo el mundo.
• Traduce sus últimas publicaciones a diversos idiomas.
• Anima a los suscriptores a compartir por internet sus ideas sobre la valoración de la
eficiencia.
EVO agradece cualquier comentario o sugerencia. Por favor, puede enviar sus comentarios por
correo electrónico a ipmvprev@evo-world.org. Todos los comentarios serán tenidos en cuenta,
aunque seguramente EVO no pueda dar una respuesta de forma directa. La última versión en
inglés y las traducciones certificadas de las publicaciones de EVO siempre están disponibles
para su descarga en la dirección www.evo-world.org. La intención de EVO es revisar todos los
documentos cada cinco años. Les agradeceríamos que nos hicieran saber cómo podemos
mejorar o ampliar nuestros servicios.
Prólogo
xii
CAPÍTULO 1. INTRODUCCIÓN AL IPMVP
1
Las palabras escritas en cursiva están definidas en el capítulo 8.
2
Pese a la controversia los términos medida de conservación de la energía (MCE) y medida de mejora de eficiencia energética (MMEE), el concepto de MMEE se utiliza para incluir ambas
conceptos. Véase el Capítulo 9.
3
www.evo-world.org contiene una lista actualizada de profesionales certificados de M&V (CMPV), personas que disponen de una experiencia apropiada y cuyo conocimiento sobre el
IPMVP ha sido demostrado en un examen.
Introducción al IPMVP
1
1.2 Ventajas que ofrece el uso del IPMVP
Desde 1995 la historia del IPMVP, y su uso internacional, proporciona las siguientes ventajas a
todos los programas que se adhieren a la metodología del protocolo IPMVP.
• Justificación del pago por rendimiento. En caso de que el pago esté basado en el ahorro
demostrado de energía, el cumplimiento del IPMVP asegura que dicho ahorro sigue un
procedimiento correcto. Un informe de ahorro elaborado conforme al IPMVP permite al
cliente, ya sea un consumidor de energía o de otro servicio, aceptar el rendimiento
especificado en el informe. La empresa de servicios energéticos (ESE), cuya facturación se
basa en un informe de ahorros elaborado de acuerdo con el IPMVP, suele conseguir
ingresos con mayor facilidad.
• Reducir el coste asociado a la elaboración de un contrato de rendimiento energético. La
especificación del IPMVP como base del diseño de un Plan de Medida y Verificación en un
proyecto puede simplificar la negociación de un contrato de rendimiento energético.
• Credibilidad internacional de los informes de ahorro de energía, lo que aumenta ante un
comprador el valor del ahorro de la energía asociada.
• Mejora la construcción de edificios mediante el estándar Leadership in Energy Efficient
Design (LEED™) que utiliza el United States Green Buildings Council y otras
organizaciones. Estos estándares fomentan el diseño sostenible de nuevos edificios y el
funcionamiento sostenible de los edificios ya existentes. Para más información puede visitar
la página web de USGBC en www.usgbc.org.
• Ayuda a la administración pública y a la industria al fomento y consecución de sus objetivos
en materia de eficiencia energética y ambiental. El IPMVP ha sido adoptado por muchas
administraciones públicas a nivel nacional y local, así como por empresas privadas, para
ayudarles en la gestión de sus programas y aumentar la credibilidad de sus resultados.
Introducción al IPMVP
2
publicaciones sobre Medida y Verificación, entre las que se incluye una sobre las
estimaciones utilizadas en la Opción A y un cuestionario sobre Medida y Verificación.
• Greenhouse Gas Protocol for Project Accounting (2005) desarrollado conjuntamente por el
World Resources Institute y el World Business Council for Sustainable Development. El
Comité Técnico del IPMVP estaba representado en el comité asesor de elaboración de este
documento en el que se definen los medios para informar sobre el impacto en la reducción
de los gases de efecto invernadero obtenidos en proyectos de reducción y captura de las
emisiones de carbono. Ver www.ghgprotocol.org.
• U.S. State of California´s Public Utilities Commission´s California Energy Efficiency
Evaluation Protocols: Technical, Methodological, and Reporting Requeriments for
Evaluation Proffessionals (April 2006). Este documento proporciona una guía para evaluar
los programas implementados en las empresas energéticas. En él se muestra el papel del
IPMVP en cada Medida y Verificación particular. El protocolo está disponible en la web del
California Measurement Advisory Council (CALMAC) Ver www.calmac.org.
Introducción al IPMVP
3
• El Capítulo 8 revisa una gran variedad de cuestiones comunes sobre Medida y Verificación
que deben considerarse en cualquier proyecto. Un criterio que rige el diseño de un Plan de
Medida y Verificación es la necesidad de obtener una precisión razonable con un coste
justo. Cada usuario debe encontrar el equilibrio entre precisión y coste del informe. La
sección 8.5 se centra en los factores relacionados con este tema. El Apéndice B
proporciona una visión general de la incertidumbre y de los métodos estadísticos, pero no
se trata de textos definitivos sobre estos temas. Se aconseja al lector buscar información
sobre estadística para la normalización de los datos obtenidos durante la campaña de
medición realizada en el período demostrativo de ahorro. Las técnicas de muestreo, o de
evaluación de la incertidumbre, pueden ser de gran ayuda. El Capítulo 8 presenta también
cuestiones del diseño de la medida para los planes de Medida y Verificación a realizar
durante el período demostrativo de ahorro, aunque no se trata de un texto definitivo sobre la
medida.
• El Capítulo 9 concreta la definición de los términos más importantes utilizados en este
documento, que son aquellos que aparecen escritos en cursiva a lo largo del presente
documento.
• En el Capítulo 10 aparece una relación de la bibliografía utilizada y de las referencias útiles,
así como otras cuestiones de interés.
Aunque la utilización del IPMVP sea específica en cada proyecto, algunos usuarios disponen
de métodos parecidos en sus Planes de Medida y Verificación y en su implementación. De la
sección 1.4.1 a la 1.4.10 se indican algunas formas de utilizar el presente documento por los
siguientes usuarios:
• Empresas de Servicios Energéticos y sus clientes del sector terciario.
• Empresas de Servicios Energéticos y sus clientes industriales.
• Consumidores de energía que implementen sus propias mejoras y quieran cuantificar el
ahorro conseguido.
• Gerentes de instalaciones que desean cuantificar las variaciones de su presupuesto
energético.
• Arquitectos y promotores,
• Arquitectos y promotores que deseen obtener la calificación LEED.
• Gestores que deseen obtener la calificación LEED-Existing Building
• Diseñadores y gestores de programas de gestión de la demanda.
• Promotores de proyectos de eficiencia en el consumo de agua.
• Diseñadores de programas de intercambio de derechos de emisión.
Las entidades financieras y los compradores de derechos de emisión, para cualquiera de las
aplicaciones anteriormente mencionadas, encontrarán el modo de utilizar este documento bajo
las mismas premisas.
Este capítulo emplea términos entre paréntesis cuyo significado se explicará en capítulos
posteriores, o en el Capítulo 9 si se trata de términos que están en cursiva.
Introducción al IPMVP
4
1.4.1 Empresas de Servicios Energéticos que realicen Proyectos en el Sector Terciario
El principal objetivo de la Medida y Verificación, en el contexto de un contrato de rendimiento
energético en edificios, es presentar el rendimiento económico real de un proyecto de
implantación de MMEE. El Plan de Medida y Verificación formará parte del contrato de
rendimiento energético y establecerá las medidas y cálculos que se tienen que realizar para
determinar la cantidad a pagar, o demostrar la consecución del nivel de eficiencia garantizado.
Los costes de Medida y Verificación pueden quedar limitados si se consideran las
responsabilidades de todas las partes que participan en el contrato. En los casos en los que por
todas las partes se pueda estimar con precisión algunos parámetros, la Opción A (Sección
4.8.1) será la opción más económica. Por ejemplo: una ESE a la que se encarga mejorar la
eficiencia de una planta de producción de frío sólo tendrá que demostrar el antes y el después
de la eficiencia energética de la planta de producción de frío, sin tener que considerar el
consumo normal de energía, el cual depende del volumen que tenga que refrigerar, y esto no
es responsabilidad de la ESE. Sin embargo, si la ESE acuerda reducir el consumo de energía
de la planta de producción de frío, es necesario hacer una comparación del consumo de
energía de la planta antes y después de su intervención. En este caso, se utilizará la Opción B
(Sección 4.8.2) si se usa el equipo de medida de la planta de producción de frío, o la Opción C
(Sección 4.9) si se usa el equipo de medida de toda la instalación para medir el rendimiento
energético de todo el edificio.
En el caso que el contrato de rendimiento energético se centra en el rendimiento de toda la
instalación, o cuando es difícil evaluar los efectos de varias MMEE, se utilizará la Opción C.
Hay que asegurarse de que el Plan de Medida y Verificación (Capítulo 5) incluye una lista de
variables estáticas de referencia y se le asigna la tarea de su monitorización a las
correspondientes personas, que serán las encargadas de realizarlo durante el periodo
demostrativo de ahorro. No obstante, en el caso de nuevas construcciones, se utilizará la
Opción D (Sección 4.10 o el IPMVP Volumen III Parte I). En los casos en los que existe un
equipo de medida principal para todos los edificios de un mismo complejo, y todavía no se ha
instalado los equipos de medida individuales en cada uno de los edificios, se puede utilizar la
Opción D (Sección 4.10), de forma que la implantación de la MMEE no se tendrá que retrasar
hasta obtener los nuevos datos de referencia de cada equipo de medida parcial, durante un
año, antes de planificar la implementación de la MMEE.
Las mediciones se pueden realizar durante el plazo de vigencia del contrato de rendimiento
energético, o durante un periodo más corto definido en el contrato poco después de la
implantación de las medidas de mejora de la eficiencia energética (MMEE). Cuanto más largo
sea el periodo demostrativo de ahorro (Sección 4.5.2), o cuanto más amplio sea el límite de
medida (Sección 4.4), más atención se deberá prestar a la posibilidad de que la referencia
cambie tras la implantación de las MMEE. Ante esta posibilidad se requiere el registro
adecuado y previo de todas las variables estáticas en el Plan de Medida y Verificación y una
monitorización estricta de las condiciones existentes tras la implantación de las MMEE (Sección
8.2).
La complejidad del diseño de la Medida y Verificación y su tratamiento informático (Secciones
4.8.3 y 8.11) debe considerar además el coste de la Medida y Verificación, la magnitud del
ahorro esperado, los parámetros económicos del proyecto y la precisión que se desea alcanzar
en el informe (Secciones 8.3 - 8.5 y Apéndice B).
Los precios utilizados para cuantificar las unidades de energía, agua o demanda, ahorradas
serán los que se establezcan en el contrato (Sección 8.1).
Introducción al IPMVP
5
Si un consumidor de energía considera que no tiene capacidad suficiente para revisar un Plan
de Medida y Verificación, o un informe demostrativo de ahorro, puede contratar el servicio con
un verificador independiente, de forma adicional a la empresa de servicios energéticos (Sección
8.6).
El Apéndice A incluye algunos ejemplos sobre las aplicaciones del IPMVP en el sector de la
edificación (Secciones A-7, A-8, A-9, mientras que las Secciones A-2, A-3 y A-6 incluyen
ejemplos de tecnologías que se pueden encontrar en la mayoría de los edificios).
Introducción al IPMVP
6
En los contratos de rendimiento energético para plantas industriales suele ser necesario hacer
mediciones durante un breve periodo de tiempo tras implantar la MMEE. Cuanto más
prolongado sea el periodo demostrativo de ahorro (Sección 4.5.2), o cuanto más amplio sea el
límite de medida (Sección 4.4), más importancia se tiene que prestar a la posibilidad de que los
consumos de referencia cambien tras implantar la MMEE. Un buen registro previo de las
variables estáticas en el Plan de Medida y Verificación (Capítulo 5), y una monitorizacion
estricta de las condiciones existentes tras implantar la MMEE (Sección 8.2), ayudan a
identificar cuál ha sido el cambio respecto a los consumos de referencia.
En general, los responsables de las instalaciones suelen monitorizar el consumo de energía
durante periodos prolongados para reducir el mal uso de la energía. Por el contrario, la ESE se
centra en monitorizar el consumo durante un periodo corto de tiempo para demostrar su
rendimiento (Sección 4.5.2).
Las mejoras que se pueden desconectar temporalmente con cierta facilidad (dispositivos de
recuperación de calor) se monitorizan durante poco tiempo, utilizando la técnica del Test On/Off
(Sección 4.5.3), porque puede ser capaz de demostrar su rendimiento.
La complejidad del diseño de la Medida y Verificación y su tratamiento informático (Secciones
4.8.3 y 8.11) debe considerar además, el coste de la Medida y Verificación, la magnitud del
ahorro esperado, los parámetros económicos del proyecto y la precisión que se desea mostrar
en el informe (Secciones 8.3 - 8.5 y Apéndice B).
Los precios utilizados para valorar el ahorro se deben establecer en el contrato de rendimiento
energético (Sección 8.1).
Si un consumidor de energía considera que no tiene capacidad suficiente para revisar un Plan
de Medida y Verificación, o un informe de ahorro, puede contratar el servicio con un verificador
independiente, de forma adicional a la ESE (Sección 8.6).
El Apéndice A contiene ejemplos de aplicaciones industriales del IPMVP (Secciones A-4, A-5,
A-9, mientras que A-2, A-3,1 y A-6 incluyen ejemplos de tecnologías que se puede encontrar en
la mayoría de las plantas industriales).
1.4.3 Consumidores Industriales y del Sector Terciario que Implementan sus propias
medidas de mejora de Eficiencia Energética
En muchas ocasiones son los propios usuarios los que implementan sus MMEE. Si están
convencidos de conseguir un ahorro, un enfoque sin Medida y Verificación permitirá asignar el
resto del presupuesto a las mejoras. Sin embargo, es posible que los consumidores tengan que
justificar su inversión, aportar credibilidad a la solicitud de nuevas inversiones o cuantificar un
incierto rendimiento energético.
Los aspectos del diseño de la Medida y Verificación serán parecidos a los descritos en las
Secciones 1.4.1. o 1.4.2, salvo que no existe división de responsabilidad entre el consumidor y
la ESE. El coste de elaboración de los informes puede ser menor debido a que se trataría de
unos informes menos formales.
Introducción al IPMVP
7
Aunque no se estime ningún ahorro, las técnicas de cálculo del Capítulo 4 pueden ayudar a
explicar la variación del presupuesto energético. Así pues, los Planes de Medida y Verificación
(Capítulo 5) son útiles con o sin mejoras. Se puede utilizar un método para toda la instalación,
Opción C (Sección 4.9), basado en el equipo de medida principal, o en los equipos de medida
parcial de las secciones más importantes. Si existen equipos de medida parcial en alguna parte
concreta de la instalación (Sección 4.8) éstos pueden ayudar a asignar los costes a cada
departamento o usuario de la instalación (utilizando el enfoque de la Opción A o B).
Los componentes críticos que hacen variar el presupuesto total de la energía se pueden aislar
para ser medidos de forma individual, ya sea el consumo de energía (Opción B, Sección 4.8.2),
o un parámetro clave del consumo de energía (Opción A, Sección 4.8.1). Ambos casos exigen
tomar lecturas durante un periodo propongado de tiempo. Se debe prestar también mucha
atención al coste de mantenimiento y calibrado de los equipos de medida y a la gestión de la
información obtenida con ellos (Ver las Sección 4.8.3 y 8.12).
Introducción al IPMVP
8
aislada del IPMVP (Sección 4.8) debería ayudar a obtener puntos para la obtención del
certificado LEED, que se basa en el número de equipos de medida parcial instalados en el
edificio.
La Opción C (Sección 4.9) monitorizaría cuál es el rendimiento de toda la instalación, opción
adecuada para edificios ya construidos. Sin embargo, si antes de intentar conseguir una
calificación no había un equipo de medida de todo el edificio, se necesita la Opción D (Sección
4.10) para el periodo de desarrollo de un consumo de referencia durante el año posterior a la
instalación del equipo de medida principal del edificio.
Los responsables del edificio también seguirán las directrices de la Sección 1.4.3.
Introducción al IPMVP
9
En caso de tratar de evaluar el consumo de agua fuera de la instalación, el elemento ajustes de
la ecuación 1 del IPMVP (Capítulo 4) puede estar relacionado con los parámetros que
condicionan el uso del agua, tales como la lluvia.
Los medidores de caudal, o caudalímetros, (ver Sección 8.11, Tabla 5) son los más utilizados
en Medida y Verificación de proyectos de eficiencia en consumo de agua.
Introducción al IPMVP
10
CAPÍTULO 2 DEFINICIÓN Y PROPÓSITO DE LA MEDIDA Y
LA VERIFICACIÓN
La Medida y Verificación (M&V) es un proceso que consiste en utilizar la medida para
establecer de forma fiable el ahorro real4 generado en una instalación dentro de un programa
de gestión de la energía. El ahorro no se puede medir de forma directa, puesto que representa
la ausencia del consumo de energía. Por ese motivo, el ahorro se tiene que determinar
comparando el consumo antes y después de la implementación de un proyecto de eficiencia
energética, a la vez que se realizan los ajustes oportunos según la variación de las condiciones
iniciales.
La tarea de Medida y Verificación constan, de todas o parte, de las siguientes actividades:
• Instalación, calibración y mantenimiento de los equipos de medida.
• Recopilación y análisis de los datos.
• Desarrollo de un método de cálculo del ahorro y de las estimaciones adecuadas.
• Realización de los cálculos con las lecturas obtenidas, y
• Elaboración de informes, garantizando su calidad, y verificación de los informes por terceras
partes.
En caso de no existir demasiadas dudas sobre el resultado de un proyecto, o que no se
necesite demostrar el resultado a otra parte, es posible que no se tenga que realizar un Plan de
Medida y Verificación. Sin embargo, es conveniente verificar que los equipos instalados son
capaces de generar el ahorro esperado. Comprobar el potencial de ahorro implica realizar
inspecciones regulares e inspecciones durante la puesta en marcha de los equipos. En
cualquier caso, comprobar ese potencial de ahorro no se tiene que confundir con las tareas de
Medida y Verificación. Comprobar el potencial para generar ahorro no significa cumplir con el
IPMVP, ya que no precisa ningún consumo de energía de la instalación.
4
Las palabras en cursiva tienen un significado especial que se detalla en el Capítulo 8.
5
Las palabras en cursiva tienen un significado especial que se detalla en el Capítulo 8.
4.1 Introducción
El ahorro de energía6 no se puede medir de forma directa ya que representa la ausencia del
consumo de energía. Por ese motivo, el ahorro se determina comparando el consumo, o la
demanda, antes y después de la implementación de un proyecto de eficiencia energética, al
tiempo que se realizan los ajustes necesarios según la variación de las condiciones iniciales.
Incremento de
Energía de Producción
Referencia AHORRO O CONSUMO
Uso
energía DE ENERGÍA EVITADO
Periodo Demostrativo
De Ahorro
Instalación
MEEs
Periodo de Periodo
referencia optimizado
Tiempo
Como ejemplo del proceso para determinar el ahorro, la Figura 1 presenta el histórico del
consumo de energía de una caldera industrial antes y después de la implantación de una
medida de mejora de la eficiencia energética (MMEE) para recuperar el calor de los gases de
escape. Justo en el momento de la implantación de la MMEE la producción de la planta
aumentó.
Para valorar de forma adecuada el impacto de la MMEE, su impacto energético tiene que ser
separado del efecto provocado por el aumento de la producción. Para ello se realizó un estudio
del patrón de consumo, la energía de referencia, antes de implantar la MMEE, para determinar
la relación existente entre el consumo de energía y la producción. Tras implantar la MMEE esta
relación de referencia se utilizó para estimar la cantidad mensual de energía que habría
consumido la caldera si no se hubiera implementado la MMEE, denominada energía de
referencia ajustada. El ahorro o el consumo de energía evitado es la diferencia entre la energía
de referencia ajustada y la energía que realmente se midió durante el periodo demostrativo de
ahorro.
6
Las palabras en cursiva tienen un significado especial que se detalla en el Capítulo 8.
En esta ecuación el elemento ajustes se emplea para reformular el consumo del periodo de
referencia y del periodo demostrativo de ahorro bajo un conjunto de condiciones similares. El
elemento ajustes diferencia los informes demostrativos de ahorros veraces de lo que sería una
simple comparación de consumo, antes y después de la implementación de una MMEE. La
simple comparación de costes sin ajustes sólo recogería la variación del coste y no lograría
reflejar el rendimiento real del proyecto. Para mostrar de forma adecuada el ahorro, los ajustes
deben tener en cuenta las diferencias entre las condiciones del periodo de referencia y del
periodo demostrativo de ahorro.
En resumen, este capítulo define la metodología básica para realizar la actividad de medida y
ajustes. Si esta información no resulta suficiente para aclarar todas las cuestiones que puedan
surgir en su proyecto, habrá que consultar los principios de Medida y Verificación (Capítulo 3)
para obtener más información.
Los pasos del 7 al 9 se repetirán cada vez que se necesite un informe de ahorro.
Un verificador independiente puede comprobar que el Plan de Medida y Verificación está
basado en el IPMVP, y posiblemente, un contrato de rendimiento energético. Este verificador
independiente además puede verificar que los informes demostraivos de ahorros cumplen
también con lo dispuesto en el Plan de Medida y Verificación que se ha aprobado (ver Sección
8.6).
En el resto del documento se facilitan todos los detalles para determinar e informar sobre el
ahorro.
7
La lectura de energía se puede realizar por medida directa de la cantidad de energía, o por la lectura directa de un proxy del
consumo, que ofrecen una relación directa del consumo de energía.
8
Los efectos cruzados también son conocidos como filtraciones.
El elemento ajustes de la ecuación 1a) expresa las dos partes de la energía medidas bajo las
mismas condiciones. El mecanismo de ajustes depende de si el ahorro se debe reflejar en el
informe según las condiciones del periodo demostrativo de ahorro o si se tiene que normalizar
respecto a un conjunto de condiciones fijas como se discutirá más adelante9.
Figura 2 Dos
tipos de
Consumo de Energía o
Ahorro
Coste Evitado
9
Los métodos siguientes se pueden aplicadar a las Opciones A, B y C que se describen en el resto del Capítulo 4. La Opción D
incluye, por lo general, los ajustes dentro de la simulación, aunque se debe elegir el tipo de condiciones para el ajuste.
Donde la energía de referencia ajustada se define como la energía de referencia más cualquier
otro ajuste rutinario necesario para ajustarla a las condiciones del periodo demostrativo de
ahorro.
Variables Independientes
Una variable independiente es un parámetro que sabemos que va a cambiar de
forma regular en el tiempo y que va a tener un impacto significativo sobre el consumo
de un sistema, o de toda la instalación. Por ejemplo, una variable independiente que
afecta al consumo es la temperatura exterior. De la misma forma que en una fábrica,
el número de unidades producidas en un periodo de tiempo suele ser considerado
como una variable independiente que afecta significativamente al consumo de
energía. Otra variable independiente habitual es el número de días, horas o
segundos de cada periodo de medida. Se puede consultar también en el capítulo
4.9.3
Ahorro Normalizado =
( Energía Referencia ± Ajustes Rutinarios Condiciones Fijas
± Ajustes No-Rutinarios Condiciones Fijas )
- ( Energía Periodo Demostrativo ± Ajustes Rutinarios Condiciones Fijas
± Ajustes No-Rutinarios Condiciones Estableciadas ) 1c)
El cálculo de los ajustes rutinarios del periodo demostrativo de ahorro suele implicar el
desarrollo de un modelo matemático que correlaciona la energía del periodo demostrativo de
ahorro con las variables independientes del periodo demostrativo de ahorro. Luego, este
modelo sirve para ajustar la energía del periodo demostrativo de ahorro a las condiciones fijas
elegidas. Y lo que es más importante, si el conjunto de las condiciones fijas no son del periodo
de referencia también se utilizará un modelo matemático de la energía de referencia para
ajustar la energía de referencia a las condiciones fijas elegidas.
¿Cuál tiene que ser la base para realizar el ajuste, o qué tipo de ahorro se emplea?
Factores a tener en cuenta cuando se elige entre consumo de energía evitado y ahorro
normalizado:
“Consumo de Energía Evitado (Ecuación 1b):
- Depende de las condiciones que operan del periodo demostrativo de ahorro. A pesar de
que el ahorro se pueda ajustar según las condiciones climatológicas, el nivel de ahorro
informado depende de las condiciones climatológicas reales.
- No se puede comparer de forma directa con el ahorro proyectado bajo las condiciones
de referencia.
“Ahorro Normalizado” (Ecuación 1c):
- No le afectan las condiciones del periodo demostrativo de ahorro ya que se establecen
unas condiciones fijas que no se vuelven a cambiar
- Se puede comparer directamente con el ahorro proyectado bajo las mismas condiciones
fijas o elegidas.
- Sólo se puede informar después de un ciclo completo de consumo de energía del
periodo demostrativo de ahorro, de manera que se pueda deducir la correlación
matemática entre la energía del periodo demostrativo de ahorro y las condiciones
operativas
La Tabla 1 es un resumen de las cuatro opciones detalladas en los Capítulos 4.8, 4.9 y 4.10. El
Apéndice A contiene algunos ejemplos sobre la utilización de las diferentes opciones. La
Sección 4.11 ofrece una guía para elegir la opción más adecuada en cada proyecto particular.
D. Simulación Calibrada
El consumo de energía de
referencia, que se ha
determinado con la
simulación calibrada, es
comparado con la simulación
del consumo de la energía
durante el periodo
demostrativo de ahorro.
4.8.3.2 Calibración
Los equipos de medida tienen que ser calibrados según las recomendaciones del fabricante y
según los procedimientos fijados por la legislación vigente sobre medida. Siempre que sea
posible, hay que utilizar estándar de primer orden y equipos de calibración con precisión no
inferior a un estándar de tercer grado.
Los equipos de medida y los sensores se tienen que seleccionadar por su facilidad de
calibración y capacidad para mantener estable dicha calibración. Una buena opción es
seleccionar equipos que se pueden autocalibrar.
El Capítulo 10 se facilita una selección de referencias sobre calibración: ASTM (1992), Baker y
Hurley (1984), Benedict (1984), Bryant y O'Neal (1992), Cortina (1988), Doebelin (1990), EEI
(1981), Haberl et al. (1992), Harding (1982), Huang (1991), Hurley y Schooley (1984), Hurley
(1985), Hyland y Hurley (1983), Kulwicki (1991), Leider (1990), Liptak (1995), Miller (1989),
Morrissey (1990), Ramboz y McAuliff (1983), Robinson et al. (1992), Ross y White (1990),
Sparks (1992), Wiesman (1989), Wise (1976), Wise y Soulen (1986).
10
Los valores rms (raíz cuadrada media) se pueden medir con instrumentos digitales para cuantificar adecuadamente la potencia
neta cuando se producen distorsiones de onda en los circuitos de corriente alterna.
11
Ver el Apéndice B-5. La ASHRAE (2002) proporciona métodos cuantitativos para evaluar el impacto de las variaciones de los
datos de referencia según se prolonga el periodo demostrativo de ahorro.
12
El resto de parámetros que afectan al consumo (es decir factores estáticos, ver cuadro del Capítulo 4.6) se tienen que medir y
registrar en el periodo de referencia y en el periodo demostrativo de ahorro de tal forma que se puedan realizar los ajustes no-
rutinarios, si fueran necesarios (ver Capítulo 8.8).
13
Se puede encontrar más información sobre los procedimientos de selección en Reynolds y Fels (1988), Kissock et al. (1992,
1994) y la ASHRAE Handbook of Fundamentals (2005) Capítulo 32. La ASHRAE (2002) ofrece varias pruebas estadísticas para
validar la utilidad de los modelos de regresión derivados.
14
El proceso es descrito con más profundidad en User News Vol. 20, N.º 1, publicado por el Lawrence Berkeley National
Laboratory y puede encontrarse en http://gundog.lbl.gov dentro de Newsletters. El U.S. D.O.E. ofrece gratis datos
climatológicos reales en http://www.eere.energy.gov/buildings/energyplus/cfm/weatherdata/weather_request.cfm.
También se pueden comprar los datos climatológicos reales. Es posible adquirir este tipo de información en el
Centro Nacional de Datos Climáticos de los Estados Unidos: http://lwf.ncdc.noaa.gov/oa/climate/climatedata.html.
15
El paquete informático Energy-10 está disponible en http://www.nrel.gov/buildings/energy10/.
Ahorro Opción B = Energía de Referencia del Modelo Calibrado sin las MMEE
– Energía del periodo demostrativo de ahorro del Modelo Calibrado con las MMEE 1f)
Esta versión de la ecuación 1 de la Opción D supone que el error de calibración afecta por igual
a ambos modelos.
Si existen datos reales disponibles sobre la energía, tanto en el periodo de referencia como en
el periodo demostrativo de ahorro, el modelo calibrado asociado a la ecuación 1f será sustituido
por la energía medida real. En cualquier caso, hay que ajustar los cálculos con el error de
calibración en cada mes del periodo de calibración. La ecuación 1f queda como sigue, en caso
de utilizar datos reales del periodo de calibración correspondiente al periodo demostrativo de
ahorro:
Ahorro Opción D = Energía de Referencia del Modelo Calibrado sin las MMEE
- Energía Real del Periodo de Calibración con las MMEE
+/- Error de Calibración en la Lectura de Calibración Correspondientes 1g)
¿Aislamiento de
MMEE con No
equipos de medida Si Ahorros No
previstos
>10%?
Si Necesidad de
evaluar cada EEMM
por separado
¿Demostración No
completa del Si
rendimiento?
No
Si Análisis del
contador
principal
Instalación de equipos Instalación de equipos de Simulación de un
de medida para la medida para la medida de equipo o de la
medida de todos los parámetros clave, efectos instalación
parámetros y de los cruzados, y la estimación de
efectos cruzados parámetros
Obtención de datos
Si para la calibración
Ausencia de informa en el
periodo de referencia o en
el periodo demostrativo de Simulación
ahorros?
calibrada
Ausencia de información No
del periodo de referencia o Simulación con o sin
en el periodo demostrativo EEMM
de ahorros?
Si
No
Opciones Recomendadas
Características del Proyecto de Implantación de las
Tabla 3 Sugerencias MMEE
de Opciones – A B C D
Marcadas con X
Hay que evaluar cada una de las MMEE de forma
X X X
independiente
Los usuarios que reclamen la adhesión a los principios del IPMVP deben:
El usuario que quiera especificar el uso del IPMVP en un contrato de rendimiento energético, o
de comercio de derechos de emisión, puede utilizar frases como: la determinación del ahorro
energético y económico real seguirá la mejor práctica existente, como se define en el IPMVP
Volumen I, EVO 10000 -1:2007.
Se puede especificar aún más incluyendo El Plan de Medida y Verificación se adherirá al
IPMVP Volumen I, EVO 10000 - 1:2007 y será aprobado por … y, si se sabe en el momento de
firmar el contrato, se puede añadir de acuerdo a la Opción X del IPMVP….
Donde:
16
Ver la definición de ahorro en el Capítulo 9. También ver el Capítulo 4.6 para consultar la diferencia ente ahorro de energía
evitada o ahorro normalizado. En esa misma línea, se explica la diferencia entre ahorro de costes y costes evitados, o ahorro
normalizado de costes.
17
Los ajustes son los ajustes adecuados que aparecen descritos en el capítulo 4.
• Los efectos cruzados (más allá del límite de medida) que no están considerados
completamente en la metodología del cálculo de ahorro.
8.4 Coste
El coste para determinar el ahorro depende de muchos factores, tales como:
• Opción del IPMVP seleccionada.
18
En este Protocolo, el muestreo no se refiere a procedimientos estadísticos rigurosos, sino a aplicar las mejores prácticas, como
las tratadas en el Apéndice B-3.
19
Observar que, al contrario que en la ASHRAE Guideline 14-2002, el IPMVP no requiere incluir la incertidumbre en los informes
demostrativos de ahorros.
Resulta difícil generalizar sobre el coste de las distintas opciones del IPMVP ya que cada
proyecto cuenta con su propio presupuesto. No obstante, la Medida y Verificación no debe
incurrir en costes innecesarios para ofrecer la certeza y capacidad de verificación adecuada del
ahorro, coherente con el presupuesto total de todas las MMEE.
La Tabla 4 destaca los principales factores que repercuten en el coste de cada opción, o bien
aquellos factores que no han sido mencionados más arriba.
En general, dado que en la Opción A sólo se hacen estimaciones, implica menos puntos de
medida y un coste inferior, dado que el coste de las estimaciones e inspecciones no suelen ser
elevados. La Opción A implica un coste menor y una mayor incertidumbre que la Opción B.
Dado que las Opciones A y B suelen necesitar nuevos equipos de medida, el coste del
mantenimiento de dichos equipos hace que la Opción C sea menos costosa cuando el periodo
demostrativo de ahorro es largo. No obstante, el coste de los equipos de medida adicionales en
las Opciones A o B se pueden compartir con otros objetivos como la monitorización o
asignación de costes.
Si en un lugar hay implementadas varias MMEE resulta más económico utilizar las Opciones C
o D que aislar y medir varias MMEE mediante las Opciones A o B.
Un modelo de simulación con la Opción D suele ser caro y requir mucho tiempo. Sin embargo,
el modelo se puede utilizar con otros objetivos, como puede ser el diseño de las MMEE o el de
una nueva instalación.
El presupuesto de la Medida y Verificación es más elevado al inicio del periodo demostrativo de
ahorro. En esta fase del proyecto los procesos de medida deben ser ajustados mientras que
una monitorización precisa del rendimiento ayuda a optimizar el funcionamiento de la MMEE. El
coste para determinar el ahorro debe ser proporcional al ahorro que se espera y a la variación
del mismo (ver Capítulo 8.5).
La ESE se suele encargar sólo de algunos indicadores de rendimiento. Por motivos
contractuales puede que no tener que medir otros indicadores, aunque el propietario de la
instalación quiera medir todos ellos. En este caso, el propietario y la ESE tendran que compartir
el coste de medida.
En general, cada sistema de comercio de derechos de emisión dispone de sus propias normas
sobre los factores de emisión a aplicar a los ahorros. En caso de ahorro de combustible, se
pueden considerar tasas de emisiones predeterminadas cuando no existen equipos de medida
21
El curso del CMVP es una actividad conjunta de EVO y la Asociación de Ingenieros de Energía (AEE). Se puede acceder por la
web de EVO: www.evo-world.org.
22
El Programa de Estándar y Directrices de Energía en Edificios del Departamento de Energía de los Estados Unidos (BSGP),
disponible en la dirección www.eren.doe.gov/buildings/codes_standards/buildings, ofrece información sobre los códigos de
edificación residencial, comercial y federal.
Medir y
registrar Registro
los de las
Coste Para equipos con
Tiempo de periodos y Funcionamient horas del
inferior qeu carga constante
funcionamien las horas o con batería periodo
el contador de consumo
to (h) de de
de energía eléctrico
funcionami iluminaci
ento de los ón
equipos
Detector
Muy utilizado.
de
Hay que
Temperart Aire y
Razonable Coste Bajo compensar las
ura de Agua
longitudes de
Resistenci
conducción
a (RTD)
Temperatura
(ºC) Rango estrecho.
Adecuado para la
medida de
Termopar Elevada Elevada energía térmica.
Necesita
amplificadores de
señal
Desplazamiento <1%
Turbina o Líquido
Intrusivo extracción de limpio,
<1%
turbina con punto tubería
caliente linial
Desprendimiento
Caudal Elevada
de vórtices
líquido
(unidades Tubería Medición del
/segundo) Ultrasonidos <1%
linial caudal fijo
Magnético Elevada
No Condensac
Intrusivo ión de
vapor, Medida del
Cubo y cronómetro Bajo
accesorios caudal
de
fontanería
Presión
Utilizar
sensores de
Flujo Utilizar sensores temperatura
empaqueta de caudal y fijos para
do y temperatura. En el medir por
Energía registro y caso de vapor, diferencias
<1% Elevada
Térmica cálculo de necesita sensores de
la de presión y temperatura.
temperatur temperatura Precaución
a con los
posibles
errores
Definiciones
64
se cuentan los grados-día de calefacción. Cuando la temperatura ambiente está por encima de
la de referencia se cuentan los grados-día de refrigeración.
Cualquier temperatura de referencia se puede emplear para registrar grados-día, aunque se
suele utilizar la temperatura en la que un edificio en particular no necesita calefacción o
refrigeración.
Demanda Ratchet: Se trata de un método utilizado por la empresa de suministro para
establecer el consumo por el que factura a los clientes cuando esta cantidad es distinta del
consumo que se ha medido en el equipo de medida. La empresa de suministro tiene en cuenta
los máximos o mínimos estacionales, el factor de potencia o las cantidades contratadas para
establecer el consumo sobre la factura (denominado consumo de facturación).
Energía: Consumo o demanda de energía o agua.
Medida de mejora de eficiencia energética (MMEE): Una actividad, o un conjunto de
actividades, que han sido diseñadas para incrementar la eficiencia energética de una
instalación, de un sistema o de parte de un equipo. Las MMEE también pueden conservar la
energía sin cambiar la eficiencia. En una misma instalación pueden implantarse varias MMEE a
la vez que cada una de ellas con un objetivo distinto. Una MMEE puede implicar uno o más:
cambios físicos en los equipos de la instalación, revisión de los procedimientos operativos y de
mantenimiento, cambios del software o de nuevos medios de formación y gestión de los
usuarios de la instalación o del personal de operación y mantenimiento. Una MMEE puede
consistir en una medida de eficiencia energética de un sistema, o de una instalación existente,
o en una modificación del diseño antes de la construcción de un nuevo sistema o de una nueva
instalación.
Contrato de Eficiencia Energética: Contrato entre dos o más partes dónde el pago se basa
en conseguir unos resultados concretos, tales como reducir el coste de la energía o recuperar
la inversión dentro de un tiempo determinado.
Compañía de Servicios Energéticos (ESCO): Empresas que proporciona servicios de diseño
y construcción de MMEE bajo un contrato de eficiencia energética.
Estimación: Proceso para determinar el parámetro utilizado en un cálculo de ahorro mediante
métodos que no sean realizar mediciones durante el periodo de referencia y el periodo
demostrativo de ahorro. Estos métodos pueden consistir en suposiciones arbitrarias, o incluso
estimaciones de ingeniería, que se derivan de la clasificación que hace el fabricante sobre el
rendimiento de los equipos. Según el IPMVP, las pruebas de rendimiento de los equipos que no
se han realizado en el lugar donde éstos son utilizados durante el periodo demostrativo de
ahorro se consideran estimaciones.
Instalación: Un edificio, o una planta industrial, que tiene varios sistemas o equipos que
consumen energía. Una parte o una sección, dentro de una instalación más grande, pueden ser
tratadas como una instalación independiente si dispone de un equipo de medida independiente
que mide toda su energía.
Variable Independiente: Parámetro que se espera que cambie de forma regular en el tiempo y
que tenga un impacto medible sobre el consumo de energía de un sistema o de una
instalación.
Efectos Cruzados: Efectos sobre la energía creados por una MMEE pero que no son medidos
dentro del límite de medida.
Precio Marginal: El coste de una unidad adicional de un producto facturado con un complejo
esquema de tarifas.
Media: Ver Apéndice B-1.3.
Error Medio de Sesgo (MBE): Ver Apéndice B-2.2.2.
Definiciones
65
Medida y Verificación: Proceso coherente de mediciones para determinar de forma fiable el
ahorro conseguido en un programa de gestión de la energía dentro de una instalación
particular. El ahorro no se puede medir de forma directa, ya que representa la ausencia del
consumo. El ahorro se determina comparando el consumo antes y después de la
implementación de un proyecto, realizando los ajustes necesarios según los cambios de las
condiciones. Se puede consultar también el Capítulo 2.
Límite de Medida: Un límite conceptual que se establece alrededor de los equipos, o sistemas,
para separar los hechos que son relevantes en la determinación del ahorro de los que no lo
son. Todo el consumo de los equipos, o sistemas, que quede dentro del límite de medida debe
ser medido o estimado, independientemente de que el consumo esté dentro o no de ese límite.
Ver Capítulo 4.4.
Medición con equipos de medida: Toma de datos de energía de una instalación en un
período de tiempo mediante el uso de dispositivos de medida.
Plan de Medida y Verificación: El documento definido en el Capítulo 5.
Ajustes No-Rutinarios: Los cálculos reflejados en la ecuación 1 del Capítulo 4 que
compensan los cambios en los factores estáticos, dentro del límite de medida, desde el periodo
de referencia. Cuando se realizan ajustes no-rutinarios en la energía de referencia, a veces se
denominan simplemente ajustes de referencia (Ver también el Capítulo 8.2).
Ahorro Normalizado: Reducción del consumo o del coste de la energía que se produce en el
periodo demostrativo de ahorro respecto a lo que habría sucedido si la instalación hubiera
estado equipada y hubiera funcionado como en el periodo de referencia, pero bajo un conjunto
de condiciones normales. Estas condiciones normales pueden ser las medias de un periodo
prolongado o de cualquier otro periodo que no sea el periodo demostrativo de ahorro. Las
condiciones normales también pueden ser las prevalecen durante el periodo de referencia,
especialmente si fueron utilizadas como base para predecir el ahorro. (Ver Capítulo 4.6.2). Si
las condiciones son las del periodo demostrativo de ahorro, en lugar del ahorro normalizado, se
utiliza el término consumo de energía evitado (Ver Capítulo 4.6.1) o simplemente ahorro.
Precisión: Cantidad que se espera que se desvíe un valor medido de un valor real. La
precisión se expresa como una tolerancia ±. Cualquier estimación sobre un valor medido debe
incluir una justificación sobre la confianza de dicha precisión. Por ejemplo, un fabricante de un
equipo de medida que establece su precisión en ± 10%, con un grado de confianza del 95%.
Ver los Apéndices B-1.1 y B-1.2 para definiciones de precisión absoluta y relativa.
Error Probable: Ver Apéndice B-5.
Proxy: Parámetro medido puesto en lugar de una lectura directa de un parámetro de energía
cuya relación está contrastada sobre el terreno. Por ejemplo, si es probada la relación entre la
señal de salida de un variador de velocidad y la potencia del ventilador controlado esa señal de
salida es un proxy de la potencia del ventilador.
R2: Ver Apéndice B-2.2.1.
Análisis de Regresión: Técnica matemática que extrae los parámetros de un conjunto de
datos para describir la correlación de las variables independientes medidas y de las variables
dependientes (normalmente datos de energía). Ver Apéndice B-2.
Periodo demostrativo de ahorro: Periodo que sigue a la implementación de una MMEE
cuando los informes de ahorro se adhieren al IPMVP. Este periodo puede ser tan breve como
el tiempo que se tarda en realizar una medición instantánea de un parámetro constante; o tan
largo como para recoger los diferentes tipos de operación normal de un sistema o de una
instalación en operación variable; equivalente a la duración del periodo de recuperación
financiera de una inversión; a la duración de un periodo de medida del rendimiento por un
contrato de eficiencia energética; o puede ser indefinido.
Definiciones
66
Ajustes Rutinarios: Los cálculos de la ecuación 1 del Capítulo 4 realizados con una fórmula
que se incluye en el Plan de Medida y Verificación para compensar los cambios en las
variables independientes seleccionadas dentro del límite de medida desde el periodo de
referencia.
Ahorro: La reducción del consumo o del coste de la energía. El ahorro físico se puede
expresar como el consumo de energía evitado o como el ahorro normalizado (Ver Capítulo
4.6.1 y 4.6.2, respectivamente). El ahorro económico se puede expresar de forma análoga al
coste evitado o ahorro de coste normalizado (Ver Capítulo 8.1). El ahorro, como se utiliza en el
IPMVP, no es simplemente la diferencia entre las facturas o las lecturas medidas por la
empresa de suministro durante el periodo de referencia y el periodo demostrativo de ahorro.
Ver el Capítulo 4.1 un desarrollo de este punto.
Dígitos Significativos: Dígitos diferentes de cero y ceros con dígitos diferentes de ceros a su
izquierda. Observar que un número entero tienen una cantidad ilimitada de dígitos
significativos. Un números enteros que termina en cero tienen una cantidad desconocida de
dígitos significativos (Ver también el Apéndice A-2). Observar también que cuando se añaden
números, la regla de dígitos significativos se sustituye por una regla sobre la cantidad de dígitos
que hay después del decimal. La cantidad de estos dígitos en cualquier suma debe coincidir
con el número que tenga menos dígitos.
Modelo de Simulación: Conjunto de algoritmos que calcula el consumo de una instalación a
partir de ecuaciones de ingeniería y de parámetros definidos por el usuario.
Desviación Estándar: Ver Apéndice B-1.3.
Error Estándar: Ver Apéndice B-1.3.
Error Estándar del Coeficiente: Ver Apéndice B-2.2.3.
Error Estándar de la Estimación: Ver Apéndice B-2.2.2.
Variables Estáticas: Aquellas características de la instalación que afectan al consumo dentro
del límite de medida, pero que no sirven de base para ningún ajuste rutinario. Entre ellas se
incluyen las características fijas, medioambientales, operacionales y de mantenimiento. Pueden
ser constantes o variables. (Ver los Capítulos 4.6 y 8.2).
Estadístico t: Ver Apéndice B-2.2.3.
Varianza: Ver Apéndice B-1.3.
Verificación: Proceso de examinar un informe preparado por un tercero para valorar si es
adecuado con los objetivos pretendidos.
Definiciones
67
CAPÍTULO 10 REFERENCIAS
Nota: Las referencias siguientes pretenden proporcionar al lector un número de fuentes
adicionales de información. Se tratan de publicaciones, libros e informes de agencias
gubernamentales, universidades, organizaciones profesionales y otras autoridades
reconocidas. En la mayoría de los casos, se cita la publicación, la editorial o la fuente dónde se
puede obtener el documento.
1. Akbari, H., Heinemeier, K.E., LeConiac, P. y Flora, D.L. 1988. An Algorithm to
Disaggregate Commercial Whole-Facility Hourly Electrical Load Into End Uses,
Proceedings of the ACEEE 1988 Summer Study on Energy Efficiency in Buildings, Vol. 10,
pp. 10.14-10.26.
2. ASHRAE Guideline 1-1996. The HVAC Commissioning Process. American Society of
Heating, Ventilating, and Air Conditioning Engineers, Atlanta, Georgia.
3. ASHRAE Guideline 14-2002, Measurement of Energy and Demand Savings. American
Society of Heating, Ventilating, and Air Conditioning Engineers, Atlanta, Georgia.
4. ASHRAE. 1989. An Annotated Guide to Models and Algorithms for Energy Calculations
Relating to HVAC Equipment, American Society of Heating, Ventilating, and Air
Conditioning Engineers, Atlanta, Georgia.
5. ASHRAE 2005. Handbook: Fundamentals, Chapter 32 - Energy Estimating and Modeling
Methods, Atlanta, Georgia.
6. ASTM 1992. Standard Test Method for Determining Air Leakage Rate by Fan
Pressurization, American Society for Testing Materials, Philadelphia, Pennsylvania.
7. Baker, D. and Hurley, W. 1984. On-Site Calibration of Flow Metering Systems Installed in
Buildings, NBS Building Science Series Report No. 159, January.
8. Benedict, R. 1984. Fundamentals of Temperature, Pressure and Flow Measurement. John
Wiley and Sons, New York, New York.
9. Benton, C., Chace, J., Huizenga, C., Hyderman, M. and Marcial, R. 1996. Taking A
Building's Vital Signs: A Lending Library of Handheld Instruments, Proceedings of the
ACEEE 1996 Summer Study on Energy Efficiency in Buildings, Vol. 4, pp. 4,11-4,21.
10. Bourdouxhe, J.P., Grodent, M., LeBrun, J. 1995. HVAC01 Toolkit: A Toolkit for 20 Primary
HVAC System Energy System Energy Calculations, Final report submitted to ASHRAE.
11. Bourdouxhe, J.P., Grodent, M., LeBrun, J. 1994a. Toolkit for Primary HVAC System Energy
Calculation - Part 1: Boiler Model, ASHRAE Transactions, Vol. 100, Pt. 2.
12. Bourdouxhe, J.P., Grodent, M., LeBrun, J. 1994b. Toolkit for Primary HVAC System Energy
Calculation - Part 2: Reciprocating Chiller Models, ASHRAE Transactions, Vol. 100, Pt. 2.
13. Bou Saada, T.E. and Haberl, J.S. 1995a. A Weather-Daytyping Procedure for
Disaggregating Hourly End-Use Loads in an Electrically Heated and Cooled Building from
Whole-instalación Hourly Data, 30th Intersociety Energy Conversion Energy Conference,
July 30-August 4.
14. Bou Saada, T.E. and Haberl, J.S. 1995b. An Improved Procedure for Developing Calibrated
Hourly Simulated Models, Proceedings of Building Simulation, 1995: pp. 475-484.
15. Bou Saada, T.E., Haberl, J., Vajda, J. and Harris, L. 1996. Total Utility Savings From the
37,000 Fixture Lighting Retrofit to the USDOE Forrestal Building, Proceedings of the 1996
ACEEE Summery Study, August.
Referencias
68
16. Brandemuehl, M. 1993. HVAC02: Toolkit: Algorithms and Subroutines for Secondary
HVAC Systems Energy Calculations, American Society of Heating, Ventilating, and Air
Conditioning Engineers, Atlanta, Georgia.
17. Bryant, J. and O'Neal, D. 1992. Calibration of Relative Humidity Transducers for use in the
Texas LoanSTAR Program, Proceedings of the 1992 Hot and Humid Conference, Texas
A&M University, Energy Systems Laboratory Report No. ESL-PA-92/02-15.
18. Claridge, D., Haberl, J., Bryant, J., Poyner, B. and McBride, J. 1993. Use of Energy
Management and Control Systems for Performance Monitoring of Retrofit Projects, Final
Summary Report, USDOE Grant #DE-FG01- 90CE21003, Submitted to the USDOE Office
of Conservation and Energy, Energy Systems Laboratory Report ESL-TR-91/09/02, Texas
A&M University, March.
19. Claridge, D., Haberl, J., Liu, M., Houcek, J. and Aather, A. 1994. Can You Achieve 150%
of Predicted Retrofit Savings? Is it Time for Recommissioning?, Proceedings of the 1994
ACEEE Summer Study, pp. 5.73- 5.88, August.
20. Claridge, D., Haberl, J., Liu, M. and Athar, A. 1996. Implementation of Continuous
Commissioning in the Texas LoanSTAR Program: Can you Achieve 150% of Estimated
Retrofit Savings: Revisited, Proceedings of the 1996 ACEEE Summery Study, August.
21. Cortina, V. (ed.) 1988. Precision Humidity Analysis, EG&G Environmental Equipment, 151
Bear Hill Road, Waltham, Massachusetts, (IR sensors).
22. Doebelin, E. 1990. Measurement Systems. McGraw-Hill, New York, New York, ISBN 0-07-
017338-9.
23. EEI 1981. Handbook for Electricity Metering, Edison Electric Institute, Washington, D.C.,
ISBN-0-931032-11-3.EPRI 1993. Fundamental Equations for Residential and Commercial
End- Uses (Rep.#EPRI TR-100984 V2). Palo Alto, California: Electric Power Research
Institute.
24. EPRI 1993 Fundamental Equations for Residential and Commercial End-Uses
(Rep.#EPRI TR-100984 V2). Palo Alto, California: Electric Power Research Institute.
25. Fels, M. (ed.)1986. Special Issue Devoted to Measuring Energy Savings, The Princeton
Scorekeeping Method (PRISM), Energy and Buildings, Vol. 9, Nos. 1 and 2.
26. Fels, M., Kissock, K., Marean, M.A. and Reynolds, C. 1995. Advanced PRISM User's
Guide, Center for Energy and Environmental Studies Report, Princeton University,
Princeton,New Jersey, January.
27. FEMP – Federal Energy Management Program of the U.S. Department of Energy, 2000.
Directrices de Medida y Verificación: Measurement and Verification for Federal Energy
Projects Version 2.2
28. FEMP – Federal Energy Management Program of the U.S. Department of Energy, 2002.
Detailed Guidelines for FEMP Medida y Verificación Opción A
29. Goldberg, M.L. 1996a. The Value of Improved Measurements: Facing the Monsters That
Won't Annihilate Each Other, Energy Services Journal, 2(1):43- 56.
30. Goldberg, M.L. 1996b. Reasonable Doubts: Monitoring and Verification for Performance
Contracting, Proceedings of the ACEEE 1996 Summer Study on Energy Efficiency in
Buildings, 4.133-4.143 Washington, D.C.: American Council for an Energy-Efficient
Economy.
31. Haberl, J., Bronson, D. and O'Neal, D. 1995. Impact of Using Measured Weather Data vs.
TMY Weather Data in a DOE-2 Simulation, ASHRAE Transactions, V. 105, Pt. 2, June.
Referencias
69
32. Haberl, J., Reddy, A., Claridge, D., Turner, D., O'Neal, D. and Heffington, W. 1996.
Measuring Energy-Savings Retrofits: Experiences from the Texas LoanSTAR Program, Oak
Ridge National Laboratory Report No. ORNL/Sub/93-SP090/1, February.
33. Haberl, J., Turner, W.D., Finstad, C., Scott, F. and Bryant, J. 1992. Calibration of
Flowmeters for use in HVAC Systems Monitoring, Proceedings of the 1992
ASME/JSES/KSES International Solar Energy Conference.
34. Hadley, D.L. and Tomich, S.D. 1986. Multivariate Statistical Assessment or Meteorological
Influences in Residence Space Heating, Proceedings of the ACEEE 1986 Summer Study on
Energy Efficiency in Buildings, Vol. 9, pp. 9,132-9,145.
35. Harding, J. (ed). 1982. Recent Advances in Chilled Mirror Hygrometry, General Eastern
Corporation Technical Bulletin, 50 Hunt Street, Watertown, Massachusetts.
36. Heinemeier, K. and Akbari, H. 1993. Energy Management and Control Systems and Their
Use for Performance Monitoring in the LoanSTAR Program, Lawrence Berkeley National
Laboratory Report No. LBL-33114- UC-350, June, (prepared for the Texas State Energy
Conservation Office).
37. Houcek, J., Liu, M., Claridge, D., Haberl, J., Katipamula, S. and Abbas, M. 1993. Potential
Operation and Maintenance (O&M) Savings at the State Capitol Complex, Energy Systems
Lab Technical Report No. ESL-TR-93/01- 07, Texas A&M University, College Station,
Texas.
38. Huang, P. 1991. Humidity Measurements and Calibration Standards, ASHRAE
Transactions, Vol. 97, p.3521. 39. Hurley, C.W. and Schooley, J.F. 1984. Calibration of
Temperature Measurement Systems Installed in Buildings, N.B.S. Building Science Series
Report No. 153, January.
39. Hurley, W. 1985. Measurement of Temperature, Humidity, and Fluid Flow, Field Data
Acquisition for Building and Equipment Energy Use Monitoring, ORNL Publication No.
CONF-8510218, March.
40. Hyland, R.W. and Hurley, C.W. 1983. General Guidelines for the On-Site Calibration of
Humidity and Moisture Control Systems in Buildings, N.B.S. Building Science Series 157,
SepteMBEr.
41. IPCC 1995. Impacts, Adaptations and Mitigation of Climate Change: Scientific-Technical
Analyses. Contribution of Working Group II to the Second Assessment Report of the
Intergovernmental Panel on Climate Change, Geneva, Switzerland. pp 64
42. Katipamula, S. 1996. The Great Energy Predictor Shootout II: Modeling Energy Use in
Large Commercial Buildings, ASHRAE Transactions, Vol. 102, Pt 2.
43. Katipamula, S. and Haberl, J. 1991. A Methodology to Identify Diurnal Load Shapes for Non-
Weather-Dependent Electric End-Uses, Proceedings of the 1991 ASME-JSES International
Solar Energy Conference, ASME, New York, New York, pp. 457-467, March.
44. Kats, G., Kumar, S., and Rosenfeld, A. 1999. The Role for an International Measurement &
Verification Standard in Reducing Pollution, Proceedings of the ECEEE 1999 Summer
Study, Vol. 1, Panel 1.
45. Kats, G., Rosenfeld, A., and McGaraghan, S. 1997. Energy Efficiency as A Commodity: The
Emergence of an Efficiency Secondary Market for Savings in Commercial Buildings,
Proceedings of the ECEEE 1997 Summer Study, Vol. I, Panel 2.
46. Kissock, K., Claridge, D., Haberl, J. and Reddy, A. 1992. Measuring Retrofit Savings For
the Texas LoanSTAR Program: Preliminary Methodology and Results, Solar
Referencias
70
Engineering, 1992: Proceedings of the ASME-JSES-SSME International Solar Energy
Conference, Maui, Hawaii, April.
47. Kissock, K., Wu, X., Sparks, R., Claridge, D., Mahoney, J. and Haberl, J. 1994. EModel
Version, 1.4d, Energy Systems Laboratory ESL-SW-94/12-01, Texas Engineering
Experiment Station, Texas A&M University System, DeceMBEr.
48. Knebel, D.E. 1983. Simplified Energy Analysis Using the Modified Bin Method,
ASHRAE, Atlanta, Georgia, ISBN 0-910110-39-5.
49. Kulwicki, B. 1991. Humidity Sensors, Journal of the American Ceramic Society, Vol. 74,
pp. 697-707.
50. Landman, D. and Haberl, J. 1996a. Monthly Variable-Based Degree Day Template: A
Spreadsheet Procedure for Calculating 3-parameter Change-point Model for Residential
or Commercial Buildings, Energy Systems Laboratory Report No. ESL-TR-96/09-02.
51. Landman, D. and Haberl, J. 1996b. A Study of Diagnostic Pre-Screening Methods for
Analyzing Energy Use of K-12 Public Schools, Energy Systems Laboratory Report No.
ESL-TR-96/11-01, NoveMBEr.
52. Leider, M. 1990. A Solid State Amperometric Humidity Sensor, Journal of Applied
Electrochemistry, Chapman and Hill: Vol. 20, pp. 964-8.
53. Liptak, B. 1995. Instrument Engineers' Handbook, 3rd Edition: Process Measurement
and Analysis. Chilton Book Company, Radnor, Pennsylvania, ISBN 0-8019-8197-2.
54. Miller, R. 1989. Flow Measurement Handbook, McGraw Hill Publishing Company, New
York, New York, ISBN 0-07-042046-7.
55. Morrissey, C.J. 1990. Acoustic Humidity Sensor, NASA Tech Brief. Vol. 14, No. 19, April,
(acoustic).
56. 56a. ORNL (1999) A Practical Guide for Commissioning Existing Buildings Prepared by
Portland Energy Conservation Inc., for Oak Ridge National Laboratory (ORNL/TM-
1999/34) Disponible en http://eber.ed.ornl.gov/commercialproducts/retrocx.htm
57. Rabl, A. 1988. Parameter Estimation in Buildings: Methods for Dynamic Analysis of
Measured Energy Use, Journal of Solar Energy Engineering, Vol. 110, pp. 52-66.
58. Rabl, A. and Riahle, A. 1992. Energy Signature Model for Commercial Buildings: Test
UIT Measured Data and Interpretation, Energy and Buildings, Vol. 19, pp.143-154.
59. Ramboz, J.D. and McAuliff, R.C. 1983. A Calibration Service for Wattmeters and Watt-
Hour Meters, N.B.S. Technical Note 1179.
60. Reddy, T. and Claridge, D. 2000. Uncertainty of Measured Energy Savings From
Statistical Reference Models, ASHRAE HVAC&R Research, Vol 6, No 1, January 2000.
61. Reynolds, C. and Fels, M. 1988. Reliability Criteria for Weather Adjustment of Energy
Billing Data, Proceedings of ACEEE 1988 Summer Study on Energy Efficiency in
Buildings, Vol. 10, pp.10.237-10,241.
62. Robinson, J., Bryant, J., Haberl, J. and Turner, D. 1992. Calibration of Tangencial
Paddlewheel Insertion Flowmeters, Proceedings of the 1992 Hot and Humid
Conference, Texas A&M University, Energy Systems Laboratory Report No. ESL-PA-
92/02-09.
63. Ross, I.J. and White, G.M. 1990. Humidity, Instrumentation and Measurement for
Environmental Sciences: Transactions of the ASAE, 2nd ed., p. 8-01.
64. Ruch, D. and Claridge, D. 1991. A Four Parameter Change-Point Model for Predicting
Energy Consumption in Commercial Buildings, Proceedings of the ASME-JSES-JSME.
Referencias
71
65. SEL 1996. TRNSYS Version 14.2, and Engineering Equation Solver (EES). Solar
Energy Laboratory, Mechanical Engineering Department, University of Wisconsin,
Madison, Wisconsin.
66. Soebarto, V. 1996. Development of a Calibration Methodology for Hourly Building
Energy Simulation Models Using Disaggregated Energy Use Data From Existing
Buildings, Ph.D. Dissertation, Department of Architecture, Texas A&M University,
August.
67. Sparks, R., Haberl, J., Bhattacharyya, S., Rayaprolu, M., Wang, J. and Vadlamani, S.
1992. Testing of Data Acquisition Systems for Use in Monitoring Building Energy
Conservation Systems, Proceedings of the Eighth Symposium on Improving Building
Systems in Hot and Humid Climates, Dallas, Texas, pp.197-204, May.
68. Vine, E. and Sathaye, J. 1999. Guidelines for the Monitoring, Evaluation, Reporting,
Verification, and Certification of Energy-Efficiency Projects for Climate-Change
Mitigation, LBNL Report # 41543.
69. Violette, D., Brakken, R., Schon, A. and Greef, J. 1993. Statistically-Adjusted
Engineering Estimate: What Can The Evaluation Analyst Do About The Engineering
Side Of The Analysis? Proceedings of the 1993 Energy Program Evaluation Conference,
Chicago, Illinois.
70. Wiesman, S. (ed.) 1989. Measuring Humidity in Test ChaMBErs, General Eastern
Corporation, 50 Hunt Street, Watertown, Massachusetts.
71. Wise, J.A. 1976. Liquid-In-Glass Thermometry, N.B.S. Monograph 150, January.
72. Wise, J.A. and Soulen, R.J. 1986. Thermometer Calibration: A Model for State
Calibration Laboratories, N.B.S. Monograph 174, January.
73. WRI (2007) Guidelines for Grid-Connected Electricity Projects of the GHG Protocol for
Project Accounting, planned for 2007 publication by the World Resources Institute (WRI)
and the World Business Council for Sustainable Development (WBCSD), disponible en
www.ghgprotocol.org.
Referencias
72
8. Instituto Eléctrico Edison (EEI). Washington, DC. Tel.: 202-508-5000,
http://www.eei.org/resources/pubcat.
9. Laboratorio de Sistemas de Energía, College Station, Tejas. Tel.: 979-845-9213,
http://wwwesl. tamu.edu.
10. Centro de Energía Solar de Florida, Cabo Cañaveral, Florida. Tel.: (407) 638- 1000,
http://www.fsec.ucf.edu.
11. Publicaciones IESNA, Nueva York, Nueva York. Tel.: 212-248-5000, http://www.iesna.org.
12. Laboratorio Nacional Lawrence de Berkeley (LBNL), Berkeley, California. Tel.: 510- 486-
6156, Email: EETDinfo@lbl.gov, http://eetd.lbl.gov.
13. Asociación Nacional de Compañías de Servicios de Energía (NAESCO), Washington, D.C.
Tel.: 202- 822-0950, http://www.naesco.org.
14. Administración de Información sobre Energía (EIA), Departamento de Energía,
Washington, D.C., Tel.: 202-586-8800, http://www.eia.doe.gov.
15. Laboratorio Nacional de Energías Renovables (NREL), Boulder, Colorado, Tel.: (303) 275-
3000, http://www.nrel.gov.
16. Servicio Nacional de Información Técnica (NTIS), EE.UU. Departamento de Comercio (Es
un archivo de todas las publicaciones de los laboratorios y contratistas federales),
Springfield, Virginia. Tel.: 703-605-6000, http://www.ntis.gov.
17. Laboratorio Nacional Oak Ridge (ORNL), Oak Ridge, Tennessee, Tel.: (865) 574-5206,
http://www.ornl.gov/ORNL/BTC.
18. Laboratorio Nacional del Noroeste del Pacífico (PNNL), Richland, Washington, Tel.: (509)
372-4217, http://www.pnl.gov/buildings/.
Referencias
73
APÉNDICE A EJEMPLOS
A-1 Introducción
Este apéndice presenta varios tipos de proyectos y analiza las claves del diseño de M&V en
cada una de las situaciones descritas. Cada ejemplo sólo muestra una opción de M&V
conforme al IPMVP, aunque en cada proyecto pueden existir varios diseños posibles.
Los ejemplos abarcan 12 escenarios diferentes:
• Mejora de la eficiencia del conjunto bomba / motor (A-2).
• Modificación del horario de funcionamiento del conjunto bomba / motor (A-2-1).
• Mejora de la Eficiencia en iluminación (A-3).
• Mejora del control de la iluminación (A-3-1).
• Mejora de la eficiencia y regulación de la iluminación exterior (A-3-2).
• Reducción de fugas de aire comprimido (A-4).
• Mejora del conjunto turbina-generador (A-5).
• Mejora de la eficiencia de una caldera (A-6).
• Varias MMEE con datos de referencia reales (A-7).
• Contabilidad energética de toda instalación vinculada al presupuesto (A-7-1).
• Varias MMEE en un edificio sin equipos de medida en el periodo de referencia (A-8).
• Edifico de nueva construcción con mejoras sobre los requerimientos establecidos por el
código de construccion (A-9).
Estos ejemplos presentan distintos niveles de detalle, con el objeto de destacar las diferentes
características del diseño de M&V. Ninguno de ellos tiene un carácter global. El lector puede
consultar en la web de EVO Planes de Medida y Verificación completos o ejemplos de informes
demostrativos de ahorros (www.evoworld.org). Asimismo, el IPMVP Volumen III contiene
ejemplos de aplicaciones de M&V en nuevos edificios y en proyectos de energías renovables.
Se anima a los suscriptores de EVO a presentar sus propios ejemplos para una posible
inclusión en la biblioteca de la página web (e-mail a: ipmvprev@evo-world.org).
Referencias
74
Factores que influyen en el diseño de M&V: El consumo de electricidad de las bombas se
realiza con 5 equipos de medida propiedad de la empresa de suministro. Estos equipos de
medida sólo tienen conectadas las 10 bombas. Antes de implementar el proyecto, se tuvo en
cuenta que las nuevas bombas podrían aumentar la cantidad de agua boMBEada en alguno de
los pozos, de tal forma que se podría reducir las horas de boMBEo. El propietario y la empresa
de suministro saben que las horas de funcionamiento y, por lo tanto, el ahorro, depende de las
condiciones de la explotación y del nivel de lluvias de cada año. Ninguna de las partes puede
controlar estas variables que inciden de forma directa en el consumo de energía.
El propietario buscó la forma de incurrir en el menor gasto posible para recopilar y enviar la
información a la empresa de suministro. El propietario contrató con un proveedor la selección e
instalación de unas bombas que cumplieran con sus especificaciones y con las de la empresa
de suministro.
El caudal de las bombas es constante cuando están funcionando, ya que no hay ninguna
válvula de regulación y la profundidad del pozo tampoco se ve afectada por el boMBEo.
Plan de M&V: El Plan de M&V fue diseñado conjuntamente entre el propietario y la empresa de
suministro, siguiendo un modelo proporcionado por la empresa de suministro. Se seleccionó la
Opción A del IPMVP Volumen I, EVO 1000 – 1:2007, con el objetivo de minimizar el coste de
M&V. La Opción A acordada consiste en estimar las horas de funcionamiento de la bomba en
un año normal, y su multiplicación por la potencia reducida que se haya medido.
Se acordó que los equipos de medida del proveedor serían capaces de medir con precisión la
potencia demandada del motor (kW). Antes de retirar los motores antiguos, el proveedor midió
la potencia demanda por cada motor tras haber estado funcionando un mínimo de tres horas.
La empresa de suministro tenía el derecho de presenciar las medidas realizadas. Dado que las
bombas trabajan con una carga constante, las horas medias anuales de funcionamiento se
calcularon teniendo en cuenta el consumo de electricidad facturado en el último año en kWh y
dividiéndolo entre la potencia media demandada de los motores antiguos (kW). Este cálculo
demostró que antes de la mejora de eficiencia energética las bombas funcionaban una media
de 4.321 h en la estación seca. La empresa de suministro aportó información que demostraba
que la cantidad de lluvia caída durante esa estación seca estaba un 9% por debajo de lo
normal. Así, el propietario y la empresa de suministro acordaron que el funcionamiento de las
bombas durante ese año había sido un 9% superior a lo habitual. De esta forma las horas
normales de utilización serían del 91% de 4.321 h/año ó 3.932 23 h/año.
Resultados: El ahorro de la energía se determinó utilizando la ecuación 1d de la Opción A del
IPMVP:
23
Observe que el número 3.932 deberá expresarse sólo con 2 dígitos significativos, ya que 91% sólo tiene 2 dígitos significativos.
3
Una forma más correcta de expresarlo sería 3,9 x 10 . En cualquier caso, se utiliza la forma habitual.
24
El número real calculado (33,8) deberá tratarse como coherente en 2 dígitos significativos. Esto es debido a que la sustracción
con la que se obtuvo el 33,8 no deberá mostrar más dígitos a la derecha del decimal que el número que tenga menos a su derecha
(132 no tiene ninguno, así que 34 tampoco).
25 3
Dado que tanto el 33,8 (más correctamente 34) y el 3.932 (más correctamente 3,9 x 10 ) sólo tienen 2 dígitos significativos, su
producto será expresado solamente con 2 dígitos significativos. Aunque la cantidad calculada para el producto de 33,8 y 3.932 es
5
132.902, la expresión adecuada para su producto es 1,3 x 10 o 130.000.
Referencias
75
La subvención aportada por la empresa de suministro se basó en un ahorro de energía de
130.000 kWh.
Utilizando los mismos periodos de funcionamiento estimados, el ahorro del propietario en
condiciones de lluvia normal y con los precios actuales de la electricidad se determinó que
sería de 132.902 kWh/año26 x R0,2566 /kWh = R34.102 al año27. No se modificaron ni los
precios ni el coste de los peajes de la empresa de suministro.
A-2.1 Modificación del Horario de Funcionamiento del Conjunto Bomba / Motor. Opción B
Situación: El sistema de riego descrito en el anterior Apéndice A-2 podía además recibir un
importante incentivo de la empresa de suministro si las bombas eran apagadas durante las
horas punta, de 7:00 h a 10:00 h y de 18:00 h a 20:00 h, de lunes a viernes no festivos. Para
ello el propietario instaló un sistema de control en las bombas para controlar de forma remota y
automática el desplazamiento de su funcionamiento. El propietario podrá configurar anualmente
el sistema de control de las bombas en función del calendario de días festivos.
Factores que influyen en el diseño de la M&V: El propietario consideró que reducir el
boMBEo y dejarlo en un máximo de 25 h a la semana (15%) no afectaría de forma significativa
a su funcionamiento durante la estación seca. (También esperaba que las nuevas bombas
sufrierán menos averías, de tal forma que no tendrán impacto en el crecimiento de los cultivos
en la estación seca).
La empresa de suministro reconoce que el propietario puede decidir apagar el boMBEo en
función de sus necesidades. Por lo tanto, la empresa de suministro requiere la selección de la
Opción B del IPMVP Volumen I, EVO 10000 – 1:2007 para cuantificar el rendimiento de cada
año, antes de realizar el pago de las ayudas.
El propietario consideraba que el periodo de retorno del control y monitorización de los equipos
ya era demasiado largo. Por lo tanto, no quería gastar parte importante de la ayuda en
proporcionar las pruebas que exigía la empresa de suministro.
Plan de M&V: La empresa de suministro y el propietario acordaron que el registro continuo de
una variable proxy proporcionaría la prueba diaria de que las bombas estaban realmente
apagadas en las horas punta del año. La variable proxy es la corriente eléctrica (por encima de
500 mA que necesita el equipo de control) en cualquiera de las 5 líneas de alimentación de las
10 bombas. Para ello se colocaron unos amperímetros no calibrados y unos registradores de
datos en cada línea de energía próximos a los 5 contadores. Los amperímetros y registradores
disponen de un sistema de alimentación auxiliar con una batería recargable.
El propietario encarga al proveedor de los dispositivos de control y monitorización la lectura
anual de los datos, comprobar los relojes e informar a la empresa de suministro sobre las
fechas y tiempos de funcionamiento de las operaciones realizadas durante los periodos de
punta de los días de la semana.
Resultados: Durante el primer año posterior a la implementación del sistema de control y
monitorización, el responsable de la monitorización informó a la empresa de suministro que se
había consumido energía entre las 18:00 h y las 20:00 h en 5 días concretos. La empresa de
suministro comprobó que se trataban de días festivos, de tal forma que no hubo consumo
durante las horas punta definidas. Se determinó que el desplazamiento de la demanda era de
98,2 kW, a partir de la medida de las bombas nuevas (ver Apéndice A-2). El incentivo anual de
26
132.902 es el valor calculado realmente antes de hacer el redondeo de los números significativos.
27
Esta cantidad puede expresarse con no más de 2 dígitos significativos, como se explica en las anteriores observaciones sobre el
número mínimo de dígitos significativos. El valor real calculado es de R34.103, y aunque una expresión más correcta sería R3,4 x
4
10 , 34.000 es el formato de moneda más habitual.
Referencias
76
la empresa de suministro se calculó y pagó en base a este desplazamiento de la demanda de
98,2 kW registrados con la Opción B.
Referencias
77
Horas promedio
% Carga de semanales
Ubicación Tabla A-3-1 Análisis de un Periodo de
Iluminación Periodo Vacaciones
lectivo (H) (h) Funcionamiento
Salas de 5% 106. 22.
Taquillas
Oficinas 5% 83. 21.
Clases 61% 48. 5.
Auditorio 10% 31. 11.
Gimnasio 10% 82. 25.
Pasillos 9% 168. 168.
Puesto que en las aulas es donde se registra una mayor demanda, la precisión relativa del
horario de funcionamiento en ellas se evaluó antes que la dirección del colegio pudiera acordar
los valores estimados a utilizar.
En los 19 registradores de las aulas se encontró una desviación estándar entre las lecturas
registradas correspondientes a las 6 semanas de colegio de 15 h a la semana. Con 19 x 6 =
114 lecturas, se calculó un error estándar en los valores medios de 1,4 h a la semana
(Ecuación B-4). Con un 95% de confianza, el valor de t para un gran número de observaciones
es 2,0 (Tabla B-1). Por lo tanto, si se utiliza la ecuación B-7, se puede establecer con un 95%
de confianza que la precisión relativa en las horas de funcionamiento medidas en las aulas es
de:
2.0 × 1.4
= = 5.8%
48
La dirección del colegio consideró que la precisión de esta medida ya era adecuada.
Antes de estimar los valores para todos los colegios se decidió añadir 6 h a la semana de horas
de clase, ya que se había planificado incrementar las clases durante el turno de noche.
Considerando que en un año tipo, con año bisiesto, hay 39 semanas lectivas y 13,2 semanas
de vacaciones, las horas estimadas de funcionamiento al año serían:
Referencias
78
Ubicación Horas media semanales
% Carga de 39 13.2 Horas Anuales
Tabla A-3-2 Horas de
Semanas semanas de
Funcionamiento Iluminación Estimadas
lectivas (h) vacaciones
Estimadas (h)
Salas de 5% 106. 22. 4,424
Taquillas
Oficinas 5% 83. 21. 3,514
Clases 61% 54. 5. 2,172
Auditorio 10% 31. 11. 1,354
Gimnasio 10% 82. 25. 3,528
Pasillos 9% 168. 168. 8,770
Dado que la mejora en iluminación se aplicó de forma uniforme a todos los equipos, la media
ponderada anual de horas de funcionamiento para esta escuela se estableció en 2.999 h, o
3.000 h con dos dígitos significativos.
• La medición de las potencias en el periodo de referencia se realizó con un analizador de
redes en las tres fases de los circuitos de iluminación de 347 V. Como resultado de una
medición de treinta segundos a la entrada de los dos transformadores de iluminación, se
observó que con todos los equipos de iluminación encendidos, la potencia total era de 288
kW. Durante la realización de dicha medida se encontraban fundidas setenta lámparas (= 3
kW o 1%) determinándose que el porcentaje de lámparas fundidas en el momento de la
medida era normal.
• Dado que la punta elécrita iluminación se establece cuando todas las luces están
encendidas, se estimará que la reducción de potencia será la mismo que la reducción de la
potencia medida en los circuitos de iluminación. Las facturas de electricidad mostraron una
demanda inferior durante las vacaciones de verano, cuando el uso de la instalación es
mínimo. Teniendo en cuenta también otros equipos utilizados durante el verano, se supuso
que la demanda del circuito de iluminación durante julio y agosto equivalía al 50% de la
demanda máxima del circuito que se había medido.
• En el momento de la firma del contrato los precios marginales de la energía de la empresa
de suministro eran de 6,30 cent € por kWh, 10,85 €/kWh al mes y 0,255 €/m3 de gas
natural.
Resultados: Tras la implementación de la MMEE se volvió a medir la potencia del circuito de
iluminación como en el periodo de referencia. La potencia de la energía demandada fue de 162
kW, con toda la iluminación encendida y ninguna de ellas fundida. Con la misma tasa del 1% de
luces fundidas que en el año base, la energía eléctrica máxima del periodo posterior a la
mejora sería de 160 kW ( = 162 * 0,99). Por lo tanto, la reducción de la potencia es de 288 kW –
160 kW = 128 kW.
El ahorro de energía, empleando la ecuación 1d sin Ajustes, es de 128 kW * 3.000 horas/año =
384.000 kWh/año.
La reducción de potencia fue de 128 kW durante 10 meses y de 64 kW durante 2 meses, lo que
suma un total de 1.408 kW por mes.
El valor del ahorro eléctrico estimado con la Opción A del IPMVP es de:
(384.000 kWh/año * 0,063 €/kWh) + (1.408 kW/año * 10,85 €/kW) = 39.469 €/año
Referencias
79
Si se asume que el ahorro en iluminación se consiguen de forma uniforme durante el periodo
de 10 meses, el ahorro de electricidad durante un invierno típico es de 384.000 / 10 = 38.400
kWh/mes. El consumo adicional de la caldera es de un 6,0% del ahorro eléctrico desde
noviembre a marzo, a saber:
= 6,0% * 38.400 kWh/mes * 5 meses = 11.520 kWh/año
La energía adicional consumida por la caldera es de:
= (11.520 kWh/año) / 79% = 14.582 kWh/año unidades equivalentes de consumo de
combustible
El gas natural utilizado en la caldera tiene un poder calorífico superior de 10,499 kWh/m3, de
modo que la cantidad de gas natural adicional consumida es de = 14.582 / 10,499 = 1.389 m3
de gas natural
El coste del gas natural adicional consumido en invierno es de 1.389 * 0,255 € = 354 €/año. Así
pues, el ahorro total neto es de 39.469 € – 354 € = 39.115 €. Esta cifra se redondea a 39.000 €,
que es el valor con el número más bajo de dígitos significativos de cualquiera de los valores
utilizados arriba.
Referencias
80
12 (Ecuación B-12). Se dio por supuesto que tras la instalación de sensores de presencia el cv
sería mucho más bajo, por lo que 12 sensores serían adecuados.
No hay efectos cruzados de esta mejora en otros equipos de la instalación, ya que la planta no
tiene ni calefacción ni refrigeración. Se espera que la reducción de la iluminación durante la
noche haga que el edificio sea más confortable térmicamente al inicio del turno de la mañana.
Resultados: Después de un mes, se recogieron los datos de los sensores y se calculó las
horas medias de funcionamiento a la semana en las 12 zonas. El valor medio fue de 115 y la
desviación estándar de 29. Así pues, el cv fue de 0,24 ( = 29 / 115), superior al valor esperado
y peor de lo que es necesario para satisfacer el requisito de precisión. Por este motivo, se hizo
el registro durante otro mes. Entonces, la media de las ocho semanas de valores medios
semanales fue de 118 y la desviación estándar fue de 24 (cv = 0,20). Se consideró adecuada
esta medida de las horas de funcionamiento en el periodo de referencia, cuando aún no había
sensores de presencia.
Los sensores se instalaron después del establecimiento del consumo de referencia. Se
volvieron a registrar las horas de funcionamiento en los mismos lugares durante un mes. Se vio
que la media era de 82 h a la semana, con una desviación estándar de 3 h. En esta situación,
el cv es de 0,04 que cumple con el 0,2 requerido, y por lo tanto, las mediciones fueron
aceptadas. No se produjeron cambios en el uso o la ocupación de la planta, por lo que no hubo
que realizar ningún ajuste no-rutinario en los datos de referencia.
La reducción de horas de funcionamiento fue de 118 h – 82 h = 36 h a la semana. El ahorro se
calculó con la ecuación 1d como:
223 kW * 36 h/semana = 8.028 kWh/semana
Con 48 semanas de funcionamiento al año el valor anual del ahorro es de:
= 8.028 * 48 * 450 / 100 = Rs 1,7 millones
No se produce ahorro de la potencia demanda, ya que las mejoras sólo afectan al consumo de
electricidad fuera del horario de funcionamiento de la fábrica.
Así pues, siguiendo la Opción A del IPMVP, se puede establecer con un 90% de confianza que
el ahorro en el mes siguiente a la instalación de los sensores fue de Rs 17 lakh ± 10%, dada la
estimación de la potencia de iluminación instalada.
Referencias
81
ofrecer un feedback operativo adecuado para evitar el derroche de energía si falla un
atenuador, o si es reemplazado por accidente. Por este motivo, se añadió un registro del
consumo de energía en el sistema de control centralizado, con el fin de registrar el consumo de
energía de forma remota en la central de control de la ciudad.
Este sistema es algo más que recopilar la información de la energía, ya que también compara
el consumo de energía real en cada circuito con el perfil horario esperado. Las varianzas
respecto a este objetivo sirven para descubrir equipos fundidos y fallos del sistema de
regulación.
Plan de M&V: La electricidad de referencia recogida por los 23 equipos de medida de la
empresa de suministro durante el año anterior sumaba un total de 1.753.000 kWh/año, según
las facturas de la empresa eléctrica. La cantidad y la ubicación de todos los dispositivos
durante el periodo de referencia fueron recogidas en el Plan de M&V, junto con los parámetros
de operación del sistema de control de la iluminación.
La energía anual, registrada en las facturas, se sumará para determinar el ahorro con la Opción
B del IPMVP Volumen I, EVO 10000 – 1:2007, ecuación 1c. Los únicos ajustes que se
realizarán sobre el consumo de energía del periodo de referencia o del periodo demostrativo de
ahorro serán debidos a la introducción o eliminación de equipos de iluminación o si las luces
fundidas superan el 3%.
Se realizó inmediatamente un ajuste no-rutinario para tener en cuenta la reducción de la tasa
de luces fundidas del 20% del periodo de referencia hasta el 3% objetivo del periodo
demostrativo de ahorro. La energía de referencia ajustada es entonces 2.126.000 kWh/año ( =
1.753.000 * 0,97 / 0,80).
El personal del ayuntamiento controlaría el porcentaje de luces fundidas mensualmente. Si la
tasa de luces fundidas supera el 3%, se realizará un ajuste no-rutinario para que los datos
medidos durante el periodo cubierto por el informe consideren el 3% acordado de porcentaje de
luces fundidas.
Losahorros serán reportadosdurante el periodo de garantía de 10 años con un precio único de
0,6 kuna/kWh.
Resultados: Se reportó un ahorro sin ajustes durante los tres primeros años tras la
implementación de las medidas de eficiencia energética porque el porcentaje de luces fundidas
se mantuvo por debajo del 3% ojetivo.
Durante el cuarto año, la tasa de luces fundidas fue del 5% durante 7 meses. El ahorro del
cuarto año se calculó así:
Energía de referencia 2.126.000 kWh
Energía medida en el cuarto año = 1.243.000 kWh
El ajuste por luces fundidas es = ((0,97-0,95)-1) x (7/12) x 1.243.000 kWh = 15.000 kWh
Energía ajustada del cuarto año = 1.243.000 + 15.000 = 1.258.000 kWh
Ahorro (energía evitada) = 2.126.000 – 1.258.000 = 868.000 kWh
Coste evitado = 868.000 kWh * 0,6 = kn 521.000
Referencias
82
monitorización continua de las tasas de filtración y del ahorro para que el personal de
mantenimiento se sintiera motivado y comprobara las perdidas regularmente.
Factores que influyen en el diseño de M&V: El dinero destinado a las actividades de M&V es
escaso. Asimismo, el departamento de ingeniería quería que la metodología de medida del
ahorro tuviera un error cuantificable máximo de ± 5% en cualquier ahorro reportado, con un
grado de confianza del 95%.
En la planta trabajan dos turnos por día, e total diez turnos por semana y 442 por año. Cuando
la fábrica está en funcionamiento, se produce un uso cosntante del aire comprimido. El calor de
los compresores es expulsado fuera de las salas de los compresores sin afectar a ningún otro
sistema consumidor de energía de la planta.
Las tarifas eléctricas locales (conocidas como la tarifas verdes) para las empresas con una
potencia demandada superior a 0,5 MW se muestra en la Tabla A-4-1.
Meses secos
Meses de lluvias
(de mayo a Tabla A-4-1 Precios del
(De octubre a abril)
septiembre) consumo eléctrico
Periodos de punta (17:30-
R$0.957/kWh R$0.934/kWh
20:30 h de lunes a viernes
Periodos valle R$0.143/kWh R$0.129/kWh
Referencias
83
determinar cuándo se habían realizado lecturas suficientes de la energía de referencia en cada
turno como para alcanzar el objetivo de incertidumbre del 95/5 en cualquier informe de ahorro.
Resultados: En la web de EVO se ofrece un conjunto completo de resultados de ahorro. Se
descubrió que para satisfacer el criterio de incertidumbre del 95/5, la variación de energía de
los turnos durante la referencia requería realizar lecturas durante un periodo de siete semanas
antes de aplicar la medida de eficiencia energética. Los valores de referencia se fijaron con el
consumo medio de electricidad de siete semanas de los turnos, con y sin funcionamiento.
Se observó que tras reparar las perdidas había mucha menos variación en el consumo
energético del periodo cubierto por el informe en cada turno. Así pues, el objetivo de
incertidumbre podía lograrse mediante informes de ahorro mensuales.
El ahorro de energía se calculó como la diferencia entre el consumo de energía real de cada
mes y la energía de referencia ajustada que se determina multiplicando el número de turnos
reales del mes por el consumo energético medio de referencia de cada tipo de turno.
Se aplicó el precio de electricidad adecuado al ahorro de consumo, asumiendo que los precios
del periodo de punta de la empresa de suministro sólo se aplicaban a tres horas del segundo
turno. No se tuvo en cuenta la reducción de demanda de potencia.
Estas mediciones continuaron realizándose como parte de las operaciones habituales de la
planta. El departamento de ingeniería de la planta ajustó la energía de referencia
periódicamente en función de los cambios de las variables estáticas. Los operarios
comunicaban las lecturas de energía de cada turno y el departamento de ingeniería recogía el
ahorro en informes mensuales.
Las variaciones respecto de los patrones del ahorro pasado permiten evaluar las
prácticas de mantenimiento de los sistema de aire comprimido.
Referencias
84
EFICIENCIA TÉRMICA DE BAJA PRESIÓN ANTERIOR A LA ACTUALIZACIÓN
Figura A-5.1
Eficiencia
Térmica de
baja presión
anterior a la
actualización
Por medio de un análisis de regresión se determinó que el modelo matemático que describe la
eficiencia durante el periodo de referencia era:
Eficiencia (%) = (-0,000247 * flujo 2) + (0,255 * flujo) + 14,5
Este modelo de eficiencia se utilizará con las condiciones de vapor del periodo demostrativo de
ahorro equivalente a un año para determinar cuál habría sido la producción de electricidad con
el rotor antiguo. El incremento de producción de electricidad se incluirá en el informe bajo las
condiciones del periodo demostrativo de ahorro, empleando la ecuación 1b) del IPMVP.
La calibración de los equipos de medida existentes en la fábrica está dentro de su plan de
mantenimiento. Se consideró que podrían ser adecuados para lo que pretendía la empresa de
suministro.
Resultados: Durante el año siguiente a la implantación de la mejora de eficiencia, se aplicaron
las condiciones de vapor de cada minuto al modelo matemático de eficiencia del rotor antiguo
para calcular la energía de referencia ajustada utilizada en la ecuación 1b) del IPMVP. Este
valor se comparó con la generación medida real durante el mismo periodo para determinar el
incremento de producción de electricidad.
Durante este año, no se produjeron cambios en el grupo turbina-generador, de modo que no
fue necesario realizar Ajustes no-rutinarios.
Referencias
85
A-6 Opción A: Medida de la Eficiencia de una Caldera
Situación: Un proveedor de calderas reemplazó una caldera en un edificio de oficinas por otra
más eficiente. El proveedor garantizó un ahorro anual mínimo de combustible de 75.000 euros,
suponiendo que la carga soportada por la caldera fuera la misma que la que se midió durante el
periodo de referencia. En la solicitud de compra el propietario especificaba que las cantidades
retenidas sólo se abonarían después de que el proveedor presentara un informe de ahorro
según el IPMVP Volumen I, EVO 1000 – 1:2007. También se especificaba que el propietario y
el proveedor acordarían un Plan de M&V como parte del plan final de diseño de la medida de
eficiencia energética.
Factores que influyen en el diseño de M&V: En el momento de la revisión de la caldera se
estaban realizando muchos cambios en el edificio, de tal forma que se esperaban variaciones
de la carga en la caldera. El proveedor sólo se iba a encargar de la mejora de eficiencia de la
caldera, no de las variaciones de la carga de la caldera. La caldera es el único equipo del
edificio que utiliza combustible. El precio del combustible utilizado para comprobar que se había
conseguido el rendimiento garantizado fue de 1,95 $ por cada galón estadounidense (1 galón =
3,7 litros).
Plan de Medida y Verificación: Se eligió la Opción A del IPMVP Volumen I, EVO 10000 –
1:2007 para aislar la caldera de los cambios que se estaban realizando en el resto del edificio.
El límite de medida sólo abarcaba la caldera, y medía el consumo del combustible y la energía
térmica neta suministrada al edificio. Este límite excluía el consumo eléctrico del quemador y
del soplador de la caldera. Se consideró que los cambios producidos por los efectos cruzados
eléctricos eran insignificantes y que no merecía la pena ser incluidos en el límite de medida ni
ser estimados.
La garantía del proveedor se consideró relacionada con el consumo del año anterior a la
presentación de su propuesta. Durante ese periodo, la instalación compró 241.300 galones del
combustible Número 2 para la caldera. Se produjo un incremento de 2.100 galones en las
existencias de combustible, entre el inicio y el final de ese año. Así pues, el consumo real había
sido de 239.200 galones. La carga de energía de la caldera se determinará respecto estos
datos de consumo de combustible, una vez que quede establecida cuál es la eficiencia de la
caldera antigua. Se utilizará la ecuación 1d) del IPMVP con 239.200 galones como valor
estimado. Esta estimación no contiene ningún error, ya que la mayor parte de ella28 procede de
los datos de suministro de combustible, que es la fuente de referencia sin error.
La eficiencia de la caldera será el parámetro medido en la ecuación 1d). Los test de efiencia se
planificaron para realizarse bajo las condiciones de un invierno típico antes de la retirada de la
caldera antigua. Se eligieron unas condiciones invernales de forma que hubiese demanda
suficiente para evaluar la eficiencia bajo un rango suficiente amplio de funcionamiento de la
caldera. El proveedor instaló un equipo de medida de energía térmica recién calibrado en la
entrada y salida de agua de la caldera, además de un equipo de medida de combustible
calibrado. El equipo de medida de combustible, el equipo de medida de energía térmica y el
registrador de datos tienen una precisión del ± 2% de precisión según sus fabricantes para los
intervalos implicados en este proyecto.
Se realizaron las pruebas de referencia durante tres periodos distintos de una semana de
duración cuando la medida de la temperatura ambiente diaria estaba entre 20 ºF y 40 ºF. Se
planificaron unas pruebas idénticas para el primer periodo tras la inspección de puesta en
servicio de la nueva caldera cuando la temperatura ambiente se encontraba de nuevo en el
intervalo de 20 ºF a 40 ºF, empleando para ello los mismos equipos de medida de combustible
y energía térmica que estaban instalados desde las pruebas del periodo de referencia. Puesto
28
Los niveles de existencias de combustible se leen con un indicador no calibrado cuya precisión se desconoce. Debido a que la
magnitud de los ajustes de inventario es pequeña en relación con las distribuciones medidas para el año, se consideró
insignificante cualquier error provocado por este elemento de inventario.
Referencias
86
que las tres pruebas individuales de una semana incluían periodos que representaban diversas
cargas de la caldera, desde las más bajas hasta las más elevadas, se acordó que los
resultados de las pruebas representarían de forma adecuada la mejora anual que el propietario
podía esperar.
El personal de mantenimiento realizará las lecturas de los equipos de medida de combustible y
de energía térmica cada día en los meses de invierno hasta que se hayan obtenido tres
semanas válidas para las pruebas de la caldera antigua. Con la caldera nueva se seguirá el
mismo proceso. Las lecturas se registrarán en la sala de la caldera, la cual estará abierta para
realizar una inspección en cualquier momento. El sistema de automatización del edificio mide y
registra la temperatura ambiente para las semanas válidas.
El propietario aceptó un contrato adicional de 9.100 € por el suministro, la instalación y la
inspección de puesta en servicio de los equipos de medida del combustible y de energía
térmica, y para calcular y elaborar un informe sobre el ahorro conseguido. Se consideró
necesario realizar una demostración del rendimiento durante un año completo. Sin embargo, el
contratista señaló que los costes adicionales de calibración de los equipos de medida y análisis
de datos añadirían 4.000 € al precio. El propietario decidió que sería suficiente un periodo de
prueba más corto, con una representación de tres semanas. El propietario decidió también
asumir el mantenimiento y calibración de los equipos de medida de combustible y de energía
térmica al finalizar el contrato y realizar cada año sus cálculos de eficiencia de la caldera.
Resultados: Se recopilaron datos de referencia sobre combustible y energía térmica de forma
continua durante un periodo de cinco semanas, hasta que se encontraron tres cuyo valor medio
diario de temperatura ambiente caía dentro del intervalo especificado de 20 ºF a 40 ºF. El
resultado de dividir la energía térmica neta conseguida entre el combustible consumido era que
el valor promedio de las lecturas de eficiencia para la caldera antigua era de 65,2% durante los
tres periodos de una semana.
Después de la instalación e inspección de puesta en marcha de la caldera, resultó que las tres
semanas del periodo demostrativo de ahorro tenían de nuevo una temperatura ambiente media
entre 20 F y 40 ºF. Los resultados de las pruebas de eficiencia de la caldera arrojaron un valor
promedio de 80,6%.
No se produjeron otros cambios en la planta de la caldera entre las pruebas del periodo de
referencia y las del periodo demostrativo de ahorro. Por tanto, no fue necesario realizar ningún
ajustes no-rutinarios.
Con la ecuación 1d) del IPMVP, el ahorro anual con 239.200 galones como consumo de
combustible anual estimado respecto al periodo de referencia es:
29
El ahorro anual de combustible y dinero se expresa mediante tres dígitos significativos, la menor cantidad de
dígitos utilizada en los cálculos como se encuentra en las pruebas de eficiencia.
Referencias
87
A-7 Opción C: Varias MM.EE con Datos de Referencia Reales
Situación: Un proyecto de eficiencia energética se implementó en un instituto en el norte de los
Estados Unidos. Consistente en diez MMEE. sobre iluminación, sistemas de climatización,
calefacción de piscinas, formación de operarios y campañas de concienciación de los usuarios.
El objetivo del proyecto era reducir los costes de la energía.
Factores que influyen en el diseño de M&V: El propietario quería registrar el coste anual
evitado relacionado con las condiciones y el nivel de consumo energético del año 2005 como
referencia. El instituto disponía de piscina y cafetería. El colegio era utilizado a lo largo de todo
el año, aunque cerraba cinco semanas al año entre cada curso. La comunidad utiliza el edificio
casi todas las tardes.
Los requisitos de energía del edificio dependen en gran medida de la temperatura ambiente.
Los datos de la temperatura se pueden obtener fácilmente en cualquier oficina meteorológica
gubernamental. No se podría cuantificar ninguna otra variable importante relacionada con el
consumo de energía.
Sólo las oficinas disponen de equipos de aire acondicionado, que funcionan durante tres meses
al año.
El ahorro anual esperado del equipo de medida del gas natural es de 2.800 mcf (mil pies
cúbicos; 1 pie cúbico = 0,02 m3), y de 380.000 kWh en el contador principal de electricidad.
Plan de Medida y Verificación: Se elaboró un Plan de M&V donde se mostraba que se
debería utilizar la Opción C del IPMVP Volumen I, EVO 10000 – 1:2007 para la determinación
del ahorro, ya que el objetivo era reducir el coste energético total de la instalación. Otra razón
para seleccionar la Opción C fue que había muchas MMEE implicadas, y algunas de ellas no
se podían medir de forma directa.
Dado que el ahorro consta en el informe como coste evitado, i.e., bajo las condiciones del
periodo demostrativo de ahorro, se utilizará la ecuación 1b).
A continuación se muestra una descripción de los elementos clave del Plan de M&V. En la web
de EVO se muestran los detalles, datos y análisis (www.evo-world.org).
• El límite de medida, para determinar el ahorro, se define como:
− El suministro de electricidad, incluida la potencia demandada, que sirve al edificio
principal,
− EL suministro eléctrico auxiliar, sin potencia, que da servicio a la iluminación del
pabellón de deportes,
− El suministro de gas natural del edificio principal.
• Se registraron las condiciones de referencia del año 2005, que incluían también una
estrategia para que el departamento de ingeniería registrará con facilidad la información
sobre cambios futuros.
• Se registraron y analizaron los datos energéticos y climatológicos del periodo de referencia
mediante una regresión lineal simple del consumo y la demanda mensual de energía frente
a los grados-día. Los datos de los grados-día con respecto a la temperatura base, se
corresponden con el mejor valor de R2 obtenido en una serie de análisis de regresión
realizados con varios rangos de temperaturas base posibles.
• El análisis preliminar encontró una clara correlación entre la temperatura y el consumo de
gas natural y de electricidad durante el invierno en el contador principal. Este análisis
también mostraba que no existe una correlación importante entre temperatura y demanda
eléctrica, ni entre temperatura y consumo de gas natural y electricidad en verano. Se
Referencias
88
decidió que la regresión sólo se realizaría durante los periodos de facturación que tuvieran
más de 50 grados-día de calefacción. También se decidió que para los periodos cubiertos
por el informe que tuvieran igual o menos de 50 grados-día de calefacción, los valores de
referencia ajustados se derivarían directamente del mes de referencia correspondiente,
ajustado únicamente por el número de días del periodo.
La relación entre energía / grados-día de calefacción fue obtenida en la estación en la que se
usa la calefacción para los tres suministros, como se muestra en la Tabla A-7-1, así como los
datos estadísticos clave de las regresiones y los coeficientes cuando éstos resultaron
significativos.
Electricidad
Edificio principal Pabellón de
Tabla A-7-1 Análisis de Gas
Deportes
regresión
Consumo Demanda Consumo
Unidades Mcf kWh kW kWh
Número de meses con
más de 50 grados-día de 8 8 8 9
calefacción
Base de grados – dia de 62oF
60oF 62oF 68oF
calefacción
Estadística de la regresión:
R2 0.93 0.81 0.51 0.29
Error estándar de la
91 15,933
estimación
Estadística t del
coeficiente de grados – 8.7 5.0 2.5 1.7
día de calefacción
Evaluación del análisis
Buena OK Mala Incorrecta
de regresión
Coeficientes de regression (cuando se acepten):
Constante 446.73 102,425
Coeficiente de grados –
1.9788 179.3916
día de calefacción
El análisis de regresión del consumo de gas natural y del consumo de electricidad del edificio
principal muestra una correlación aceptable entre los grados-día de calefacción, como indica el
elevado R2, y el coeficiente t de los grados-día de calefacción, que queda muy por encima del
valor crítico incluido en la Tabla B-1 del IPMVP, de 1,89 para 8 puntos de datos y un 90% de
confianza. Estas observaciones son lógicas, dado que el principal uso del gas natural es la
calefacción del edificio. Asimismo, hay una cantidad notable de calefacción eléctrica en el
edificio principal.
En el caso del pabellón de deportes, los valores para el coeficiente t y R2 eran bajos. El edificio
no dispone de sistema de calefacción instalado, pero se debe iluminar durante más tiempo en
los meses que hay menos horas de sol, que son también los más fríos. Se podría esperar que
el consumo mensual de electricidad siga un patrón anual regular dentro de unos límites
razonables en relación con las horas de luz natural y la ocupación, que no estuviera
relacionado con la temperatura ambiente. Por lo tanto, no se tendrá en cuenta la correlación
mínima de este equipo de medida con los grados-día de calefacción y no se aplicarán ajustes
climatológicos. En lugar de eso, cada informe de ahorro mensual tomará su energía de
Referencias
89
referencia del consumo del mes de referencia correspondiente, ajustado por el número de días
que hay en el periodo demostrativo de ahorro.
El contador principal de electricidad mostraba que había poca correlación con el clima del día
más frío. Así, cada informe de ahorro mensual tomará su demanda de referencia de la
demanda real del mes de referencia correspondiente, sin ajustes.
• Se analizó el impacto a largo plazo que tendrían sobre los informes demostrativos de
ahorros los análisis de regresión realizados. La precisión relativa de los informes
demostrativos de ahorros de invierno será inferior al ± 10% en el caso del gas natural e
inferior al ± 20% en el caso del suministro principal de electricidad. El ahorro que se espera
será más significativo en los meses de invierno ya que será más del doble del error
estándar de la fórmula de referencia (ver criterio en el Apéndice B-1.2). Los responsables
del instituto aceptaron la precisión esperada, y los posibles errores no cuantificables
debidos a ajustes simples por la duración de los periodos de medida en los meses con 50
grados-día de calefacción o menos.
• Las tarifas de la empresa de suministro que se utilizan para valorar el ahorro son las del
esquema de precios vigente en aquel momento y adecuado para cada suministro.
Resultados: Los datos del periodo demostrativo de ahorro del primer año se tomaron
directamente de las facturas de la empresa de suministro sin ajustes y de la información
climatológica gubernamental. Esta información y los cálculos para determinar el ahorro en
unidades de energía y de potencia, con la ecuación 1b), están en la web de EVO.
Para calcular el ahorro, se utilizó el esquema tarifario de la empresa de suministro de cada mes
a la energía de referencia ajustada de cada suministro y a la energía del periodo demostrativo
de ahorro. Puesto que la tarifa de gas natural cambió en el mes 9 y la de la electricidad cambió
en el mes 7, se utilizaron dos esquemas de precios distintos para cada uno de estos productos
durante el informe demostrativo de ahorro anual. Estos cálculos se detallan también en la web
de EVO.
Referencias
90
normal. (También observó cuánto variaron los grados-día reales de calefacción y
refrigeración respecto a los valores normales y respecto al año anterior en cada lugar).
• Ocupación. Introdujo los factores de ocupación del año anterior en los modelos del año
más reciente. Empleando las tarifas reales para ese año de la empresa de suministro,
determinó cuál habría sido la energía (y el coste) si la ocupación hubiera sido la misma que
en el año anterior. (También observó cuánto había cambiado la ocupación de un año a otro
en cada caso).
• Tarifas de la empresa de suministro. Aplicó las tarifas del año anterior de la empresa de
suministro al consumo (y a la demanda) del año más reciente para determinar qué parte de
la variación presupuestaria estaba relacionada con los cambios de las tarifas de cada
empresa de suministro en cada hotel.
Una vez definido el impacto de estas tres variables conocidas, el responsable energético
seguía necesitando explicar el resto de variaciones. Así pues, introdujo las variables
climatológicas y de ocupación del último año en el modelo matemático del año anterior y con
las tarifas actuales obtuvo el coste evitado respecto el patrón del año anterior. Este coste
evitado se analizó en relación con los cambios en las variables estáticas detectados en cada
lugar relacionado con el registro del año anterior. El resto de variaciones fueron consideradas
fenómenos desconocidos y aleatorios.
Este proceso de análisis no sólo permitió al responsable de energía explicar las variaciones
presupuestarias, sino que también le aportó información sobre dónde debía concentrar los
esfuerzos para gestionar las variaciones no contabilizadas. Además, le permitió elaborar en los
años siguientes presupuestos más detallados.
Referencias
91
• Una libra (1 lb = 0,4 kg) de vapor en la biblioteca precisa de 1,5 ft3 (1 ft3 = 0,02 m3) de gas
natural en el equipo de medida de gas natural de la planta de calefacción del campus.
Existe un componente fijo en el consumo de gas natural de la planta central que procede
de las pérdidas del sistema de vapor. El factor 1,5 ft3, una media anual del consumo de gas
natural por cada libra de vapor generada, asigna una parte de la cuota fija a la biblioteca.
• El uso de electricidad en la biblioteca requiere un 3% más de electricidad en el equipo de
medida de electricidad del campus debido a las estimaciones del transformador del
campus y a las pérdidas en la distribución.
• Se supuso que la demanda de punta de potencia eléctrica en la biblioteca coincide con la
hora punta de demanda punta del equipo de medida del campus.
El ahorro que se esperaba obtener con las MM.EE. se proyectó mediante una simulación por
ordenador con el software de acceso público DOE 2.1. Era preciso disponer de un estudio
completo de los sistemas del edificio y de su ocupación para reunir todos los datos de partida.
Se registraron durante una semana la demanda de potencia de cinco unidades de climatización
para definir algunos de los datos de partida para realizar la simulación.
La simulación empleaba unas condiciones climáticas y de ocupación normales a largo plazo y
otras características del edificio que existían en el momento de realizar la proyección. Se
decidió informar el ahorro real bajo las mismas condiciones.
El contrato de suministro de gas natural de la universidad tiene un precio unitario marginal de
6,25 $/mcf (mil pies cúbicos). Asimismo, estipula un nivel de consumo mínimo, el cual durante
el periodo de referencia era 5.300 mcf inferior al consumo de gas natural real. Si el consumo
cae más de 5.300 mcf, la universidad pagará la cantidad mínima contratada. El contrato será
negociado según los resultados del proyecto de la biblioteca. El precio marginal de la
electricidad en el equipo de medida del campus es de 0,18 $/kWh en los periodos punta, 0,05
$/kWh fuera de los periodos punta y la potencia demanda tiene un precio de 10,25 $/kW al
mes.
Al terminar el primer año, se utilizaron los datos recogidos en el equipo de medida para usarlos
como referencia para aplicar una Opción C en este edificio.
Resultados: Se hizo lo siguiente para calcular el ahorro.
1. Se calibraron e instalaron equipos de medida nuevos. El personal de operación registró la
energía y la potencia demanda mensual durante 12 meses en el primer año tras la de
puesta en servicio de la MMEE.
2. A continuación, se volvió a definir el modelo de simulación del plan original para incluir las
MMEE ya instaladas, el clima, la ocupación y los perfiles operativos del periodo cubierto
por el informe. Se examinó la simulación resultante de distintas temperaturas y niveles de
humedad del espacio para garantizar que reflejaban, dentro de unos límites razonables, las
condiciones típicas interiores tanto en los días que había usuarios como en los que no. En
un principio, el resultado de la simulación no coincidía demasiado con el consumo de
energía real, por lo que el equipo de M&V emprendió un estudio más profundo del lugar.
En el transcurso de este examen más minucioso, el equipo se percató de que en los
periodos nocturnos se producían pocos cambios en la temperatura interior. Así pues,
modificaron las características de la masa térmica en el modelo informático. Después de
esta corrección, se compararon los resultados mensuales obtenidos en el modelo con los
datos de calibración mensual. El CV (RMSE) más elevado de las diferencias era del 12%,
en el equipo de medida de demanda eléctrica. La universidad consideró que puesto que
estos valores de CV (RMSE) cumplían con las especificaciones de la ASHRAE (2002),
podían tener una confianza razonable en los resultados relativos de las dos simulaciones
del modelo. Así pues, se archivó este modelo calibrado con una copia en papel y otra
electrónica de los datos de partida, de los informes de diagnóstico y de los datos de salida.
Referencias
92
3. Entonces, volvió a lanzarse el modelo calibrado con un archivo de datos climatológicos
correspondiente al año normal. Los valores de ocupación y las variables estáticas fueron
también ajustadas a lo que se había observado durante el periodo de referencia. Se
archivó el modelo de condiciones normales tras la implementación de la MMEE resultante
con una copia en papel y otra electrónica de los datos de partida, de los informes de
diagnóstico y de los datos de salida.
4. El modelo de condiciones tras la implementación de la MMEE fue ajustado para retirar la
MMEE. Este modelo de referencia de condiciones normales se archivó en una copia en
papel y otra electrónica de los datos de partida, de los informes de diagnóstico y de los
datos de salida.
5. El consumo energético de los dos modelos normales fueron comparados entonces
utilizando la ecuación 1f) para obtener un ahorro de energía como el que se muestra en la
Tabla A-8-1.
Modelo de
Modelo de condiciones
A-8-1 Simulación del ahorro referencia de normales tras la
Ahorro
en la biblioteca bajo condiciones medida de
condiciones normales normales eficiencia
energética
Consumo de electricidad en
1,003,000 656,000 347,000
el periodo punta (kWh)
Consumo de electricidad
fuera de periodo punta 2,250,000 1,610,000 640,000
(kWh)
Demanda eléctrica (kW-
7,241 6,224 1,017
meses)
Vapor (miles de libras 12,222 5,942 6,280
6. El valor del ahorro en el equipo de medida del campus se calculó como se muestra en la
Tabla A-8-2, teniéndose en cuenta la posibilidad de que existieran transformaciones y
pérdidas, así como las cantidades de gas natural mínimas del contrato.
Ahorro de Ahorro de
Ahorro de
energía energía Ahorro de
A-8-2 Ahorro del energía
en la del costes(€)
campus facturado
biblioteca campus
Consumo de electricidad
347,000 357,400 357,400 64,332
en el periodo punta (kWh)
Consumo de electricidad
fuera de periodo punta 640,000 659,200 659,200 32,960
(kWh)
Demanda eléctrica (kW-
1,017 1,048 1,048 10,742
meses)
6,280,000
9,420 5,300 mcf
Vapor o gas natural pounds 33,125
mcf gas gas
steam
Total $141,00030
30
El número del ahorro final se expresa utilizando tres dígitos significativos porque el menor número de dígitos utilizados en el
cálculo es de tres (656.000 kWh – paso 5).
Referencias
93
El ahorro total que se muestra es para el año anterior a la revisión del mínimo de gas natural
contratado.
31
Este método es el mismo que el del IPMVP Volumen III (2003), Opción D, Método 2.
Referencias
94
Consumo eléctrico (kWh) Potencia
Gas Punta Fuera de Eléctrica Tabla A-9-1 Errores de calibración
natural Punta Demanda mensuales
(kW)
Enero +1% - 2% +1% +6%
Febrero - 3% +1% 0% - 2%
Marzo 0% - 2% - 1% - 5%
Abril +2% +3% +1% - 3%
Mayo - 2% +5% +2% +6%
Junio +7% - 6% - 2% - 9%
Julio - 6% +2% 0% +8%
Agosto +1% - 8% - 1% +5%
Septiembre - 3% +7% +1% - 6%
Octubre - 1% - 2% - 1% +5%
Noviembre +3% - 2% - 1% - 9%
Diciembre +1% +4% +1% +4%
A continuación, se cambiaron los datos de partida para el modelo calibrado conforme a obra
para describir un edificio con la misma ocupación y ubicación, pero construido de acuerdo a los
estándares del código de edificación. Esto se denominó el modelo estándar.
El consumo de energía mensual simulado por el modelo estándar fue ajustado por los errores
de calibración mensuales de la Tabla A-9-1 para obtener el modelo estándar corregido. Los
datos reales medidos para el año uno se restaron entonces del modelo estándar corregido para
obtener el ahorro mensual. Se calculó el porcentaje de ahorro para demostrar el cumplimiento
de los requisitos para obtener la subvención del gobierno.
Se determinó el ahorro económico para el propietario aplicando el esquema tarifario vigente de
la empresa de suministro a las cantidades mensuales simuladas con el modelo estándar
corregido. Este valor total se comparó con el total de los pagos a la empresa de suministro
durante el primer año.
Los datos de energía del primer año se convirtieron en la base para determinar el ahorro con la
Opción C para los años siguientes.
Referencias
95
APÉNDICE B INCERTIDUMBRE
B-1 Introducción
El objetivo de la Medida y Verificación consiste en determinar el ahorro de energía de forma
fiable. Para que los informes de ahorro resulten fiables se debe tener un nivel de incertidumbre
razonable. La incertidumbre en un informe demostrativo de ahorro se puede tratar controlando
los errores aleatorios y el sesgo de los datos. En los errores aleatorios influyen la calidad de
equipos de medida, técnicas de medida y diseño del procedimiento de muestreo. En el sesgo
de los datos influyen la calidad de datos, supuestos y análisis de la medida. La reducción del
error suele incrementar el coste de la M&V, así que el valor que tiene una mejor información
tiene que demostrar la necesidad de una mejora de la incertidumbre (ver Capítulo 8.5).
El cálculo del ahorro de energía implica una comparación de los datos de energía medidos y la
realización de unos ajustes para comparar ambas mediciones bajo el mismo grupo de
condiciones operativas (ver Capítulo 4.1, ecuación 1). Tanto las mediciones como los ajustes
introducen errores. Estos errores pueden aparecer, por ejemplo, debido a una imprecisión de
los equipos de medida, a los procedimientos de muestreo o a los procedimientos de ajuste.
Estos procesos generan estimaciones estadísticas con valores reportados o esperados y un
cierto nivel de variación. En otras palabras, no se conocen valores verdaderos, sólo
estimaciones con un cierto nivel de incertidumbre. Todas las mediciones físicas y los análisis
estadísticos se basan en estimaciones de tendencias centrales, tales como los valores medios,
y en la cuantificación de variaciones, tales como el intervalo, la desviación estándar, el error
estándar y la varianza.
La estadística es el elemento principal de los métodos matemáticos que se pueden aplicar a los
datos para ayudar a tomar decisiones ante la incertidumbre. Por ejemplo, con la estadística se
pueden comprobar resultados para ver si el ahorro obtenido es significativo, es decir, si es
probable que sea un efecto real de la MMEE. y no un fenómeno aleatorio.
Los errores se pueden producir debido a: modelización, muestreo y medida:
• Modelización. Los errores de modelización matemática pueden ser debidos a una forma
funcional inadecuada, a la inclusión de variables irrelevantes, a la exclusión de variables
relevantes, etc. Ver Apéndice B-2.
• Muestreo. Los errores de muestreo ocurren cuando sólo se mide una parte del conjunto de
valores reales o cuando se utiliza un enfoque con muestras sesgadas. La representación
de sólo una parte del conjunto puede ocurrir tanto en el sentido físico (i.e., sólo se miden
20 de los 1.000 dispositivos de iluminación) o en el sentido temporal (cuando se mide sólo
durante diez minutos cada hora). Ver Apéndice B-3.
• Medida. Los errores de medida proceden de la precisión de los sensores, de los errores de
rastreo de los datos, de la pérdida de precisión desde que se realizó la calibración, de
mediciones imprecisas, etc. La magnitud de tales errores suele aparecer en las
especificaciones del fabricante y es gestionada por calibraciones periódicas. Ver Apéndice
B-4 y los Capítulos 4.8.3 y 8.11.
Este Apéndice ofrece guías para cuantificar las incertidumbres generadas por estas tres
fuentes de error. En el Apéndice B-5 se tratan métodos para combinar elementos de
incertidumbre cuantificados.
Algunas fuentes de error son desconocidas y no son cuantificables. Algunos ejemplos de estas
fuentes de error son seleccionar o colocar los equipos de medida de forma inadecuada, hacer
estimaciones imprecisas en la Opción A o no hacer suficientes estimaciones de los efectos
cruzados en las Opciones A o B. Las incertidumbres desconocidas o no cuantificables sólo
pueden ser gestionadas siguiendo las mejores prácticas de la industria.
Apéndice B. Incertidumbre
96
Un ejemplo del uso del análisis de la incertidumbre se ofrece en el Apéndice B-6. Asimismo,
algunos ejemplos del Apéndice A presentan cálculos de incertidumbre: A-3, A-3-2, A-4 y A-7. El
página web de EVO (www.evo-world.org) y para los suscriptores se ofrecen los detalles de los
cálculos de la incertidumbre para los ejemplos A-4 y A-7.
No tiene sentido plantear una precisión estadística (la parte de ±20%) sin un nivel de confianza
(la parte del 90%). El proceso de Medida y Verificación puede obtener una precisión muy
elevada con una confianza baja. Por ejemplo, puede declararse un ahorro con una precisión de
±1%, pero el nivel de confianza asociado caerá del 95% al 35%.
32
En el Apéndice B-1.3 se ofrece una definición de los términos estadísticos que aparecen marcados en cursiva.
Apéndice B. Incertidumbre
97
Cuando no se pueda cumplir este criterio, considere el uso de:
• equipos de medida más precisos,
• más variables independientes en cualquier modelo matemático,
• tamaños de muestras más grandes o
• una opción del IPMVP en la que influyan menos las variables desconocidas.
−
Y=
∑Y i
B-1
n
Varianza (S2): Las varianza mide cuánto difieren uno de otro los valores observados, i.e., la
variabilidad o dispersión. Cuanto mayor sea la variabilidad, mayor será la incertidumbre de la
media.
La varianza, la medida más importante de la variabilidad, se obtiene haciendo una media de los
cuadrados de cada desviación que se produce con respecto de la media. La razón por la que
se elevan al cuadrado estas desviaciones con respecto a la media es sólo para eliminar los
valores negativos (cuando un valor es inferior a la media), de manera que no cancelen los
valores positivos (cuando un valor es superior a la media). La varianza se calcula de la manera
siguiente:
=∑
2 (Y − Y )
i
2
S B-2
n −1
s = S2 B-3
Error estándar (SE): Se trata de la desviación estándar dividida entre n . Esta medida sirve
para estimar la precisión.
s
SE = B-4
n
Apéndice B. Incertidumbre
98
Precision: La precisión es la medida del intervalo absoluto o relativo dentro del cual se espera
que estén los valores verdaderos, con un nivel determinado de confianza. El nivel de confianza
se refiere a la probabilidad de que el intervalo planteado contenga el parámetro que se ha
estimado.
Precisión absoluta La precisión absoluta se calcula respecto al error estándar usando un
valor t de la distribución de t Tabla B-1:
t x SE B-5
En general, se espera que el valor verdadero de cualquier estimación estadística, con un nivel
de confianza concreto, caiga en el intervalo definido por
t * SE
B-7
Estimate
Vea un ejemplo de uso de la precisión relativa en el Apéndice A-3. A modo de ejemplo de uso
de estos términos, observe los datos de la Tabla B-2 respecto a las 12 lecturas mensuales de
un equipo de medida y el análisis relacionado de la diferencia entre cada lectura y la media de
las lecturas (1.000):
Apéndice B. Incertidumbre
99
Diferencias calculadas
Real Respecto a la media Tabla B-2 Datos de ejemplo y análisis
Lectura Simple Al cuadrado
1 950 -50 2,500
2 1,090 90 8,100
3 850 -150 22,500
4 920 -80 6,400
5 1,120 120 14,400
6 820 -180 32,400
7 760 -240 57,600
8 1,210 210 44,100
9 1,040 40 1,600
10 930 -70 4,900
11 1,110 110 12,100
12 1,200 200 40,000
Total 12,000 246,600
2
La Varianza (S ) es: S 2
=
∑ (Y − Y )i
2
=
246,600
= 22,418
n −1 12 − 1
s 150
El Error estándar: SE = = = 43
n 12
La Tabla B-1 muestra que t es 1,80 para 12 toma de datos y tiene un nivel de confianza del
90%. Por lo tanto:
t × SE 77
La precisión relativa es: = = 7.7%
estimate 1,000
Apéndice B. Incertidumbre
100
Así pues, hay un 90% de confianza de que la media mensual verdadera de consumo caiga
dentro de un intervalo de 923 kWh y 1.077 kWh. Se puede decir con el 90% de confianza que
el valor medio de las 12 observaciones es de 1.000 ± 7,7%. De igual manera, podemos decir
que:
• con el 95% de confianza que el valor medio de las 12 observaciones es de 1.000 ± 9,5% o
• con el 80% de confianza que el valor medio de las 12 observaciones es de 1,000 ± 5.8% o
• con el 50% de confianza que el valor medio de las 12 observaciones es de 1.000 ± 3,0%.
B-2 Modeling
Los modelos matemáticos se utilizan la Medida y Verificación para preparar los ajustes
rutinarios en las distintas versiones de la ecuación 1 en el Capítulo 4. La modelización implica
encontrar una relación matemática entre las variables independientes y las dependientes. La
variable dependiente, normalmente la energía, es modelizada como dependiente por una o
más variables independientes Xi, (denominadas también variables explicativas). Este tipo de
modelización se denomina análisis de regresión.
33
La ASHRAE (2002) sugiere que el análisis de regresión deberá ser capaz de producir valores de e inferiores al 0,005%.
Apéndice B. Incertidumbre
101
HDD y CDD son grados-día de calefacción y de refrigeración, respectivamente. La ocupación
es una medida del porcentaje de ocupación del edificio. En este modelo, 342.000 es una
estimación de la consumo base en kWh, 63 mide el cambio en el consumo que provoca un
grado-día de calefacción adicional, 103 mide el cambio en el consumo que provoca un grado-
día de refrigeración adicional y 222 mide el cambio en el consumo por cada cambio del 1% en
la ocupación.
En el Apéndice B-6 se presenta un ejemplo de un informe de un análisis de regresión para una
sola variable independiente, elaborado con un programa de cálculo normal.
Apéndice B. Incertidumbre
102
Puede haber casos en los que se sabe que existe una relación con una variable registrada
durante el periodo de referencia. Sin embargo, esa variable no ha sido incluida en el modelo
porque falta presupuesto para recopilar información durante el periodo demostrativo de ahorro.
Esta omisión de una variable relevante deberá hacerse constar y ser justificada en el Plan de
Medida y Verificación.
Apéndice B. Incertidumbre
103
B-2.2 Evaluación de los Modelos de Regresión
Con el fin de evaluar qué precisión define un modelo de regresión concreto la relación entre
consumo de energía y variables independientes, se puede realizar cualquiera de las tres
pruebas que se explican a continuación.
En el Apéndice B-6 se muestra una evaluación de un ejemplo de modelo de regresión.
Explained Variation in Y
R2 =
Total Variation in Y
^ −
R2 =
∑ (Y i − Y ) 2
−
∑ (Yi − Y ) 2
En la que:
^
• Yi = el valor de la energía proyectado por el modelo para un punto de datos en particular
utilizando el valor medido de la variable independiente (es decir, obtenido al introducir los
valores de X en el modelo de regresión)
• Y = media de los n valores de energía medidos, encontrados con la ecuación B-1
• Yi = valor real observado (p. ej., medido con un equipo de medida) de energía
Todos los paquetes estadísticos y herramientas de análisis de regresión calculan el valor de R2.
El intervalo de valores posibles para R2 es de 0,0 a 1,0. Un R2 de 0,0 significa que el modelo no
explica ninguna de las variaciones, por lo tanto, el modelo no ofrece ninguna pista para
comprender las variaciones en Y (es decir, las variables independientes seleccionadas no
ofrecen ninguna explicación sobre cuál es el origen de las variaciones observadas en Y). Por
otro lado, un R2 de 1,0 significa que el modelo explica el 100% de las variaciones observadas
en Y, (es decir, el modelo predice Y con una certidumbre total para cualquier conjunto de
valores de las variables independientes). Estos valores límites de R2 no son posibles con datos
reales.
En general, cuanto mayor sea el coeficiente de determinación, más posibilidades tendrá el
modelo de describir la relación de las variables independientes y la variable dependiente.
Aunque no existe ningún estándar universal para un valor mínimo aceptable de R2, 0,75 se
Apéndice B. Incertidumbre
104
suele considerar como un indicador razonable de una buena relación causal entre la energía y
las variables independientes.
La prueba de R2 sólo se utilizará a modo de comprobación inicial. Los modelos no tienen que
ser aceptados o rechazados basándose únicamente en R2. Finalmente, un R2 bajo indica que
una o más variables relevantes no han sido incluidas en el modelo o que su forma funcional (p.
ej., lineal) no es la adecuada. En este caso, sería lógico considerar otras variables
independientes adicionales o una forma funcional distinta.
^
Y ± t × SE ^
Y
En la que:
^
• Y es el valor proyectado de energía (Y) a partir del modelo de regresión
• t es el valor obtenido de las tablas t (ver la Tabla B-1 más arriba)
• SE ^ es el error estándar de la estimación (predicción). Se calcula como:
Y
SE ^ =
∑ (Yˆ − Y )
i i
2
B-8
Y n − p −1
Esta estadística suele denominarse raíz cuadrada del error cuadrático medio (RMSE).
Al dividir el RMSE por el consumo medio de energía se obtiene el coeficiente de variación de
RMSE o el CV (RMSE).
SE ^
CV ( RMSE ) = __
Y
B-9
Y
Apéndice B. Incertidumbre
105
Una medida parecida es el error medio de sesgo (MBE) que se define como:
MBE =
∑ (Y i − Yi )
B-10
n
El MBE es un buen indicador del sesgo global en la estimación de regresión. Un MBE positivo
indica que las estimaciones de la regresión tienden a sobrevalorar los valores reales. Un sesgo
global positivo tiende a cancelar el sesgo negativo. El RMSE no presenta este problema de
cancelación.
Las tres medidas son susceptibles de ser utilizadas al evaluar la calibración de los modelos de
simulación utilizados con la Opción D.
B-2.2.3 Estadístico - t
Dado que los coeficientes de los modelos de regresión(bk) son estimaciones estadísticas de la
verdadera relación que existe entre una variableX e Y, están sujetos a la variación. La
precisión de la estimación es medida por el error estándar del coeficiente y el valor asociado
del estadístico t.
Un estadístico t es una prueba estadística que sirve para determinar si una estimación es
estadísticamente significativa. Cuando ya se ha estimado un valor con la prueba, puede
compararse con los valores críticos respecto a una tabla t (Tabla B-1 más arriba).
El error estándar de cada coeficiente es calculado con un programa informático de regresión.
La siguiente ecuación se aplica en el caso de una variable independiente.
SEb =
∑ (Y − Y ) /(n − 2)
i
2
−
∑(X − X ) i
2
Cuando hay más de una variable independiente, la ecuación ofrece una aproximación
razonable cuando las variables independientes son realmente independientes (es decir, no
están correlacionadas). De lo contrario, la ecuación será demasiado compleja y el analista de
Medida y Verificación tendrá que utilizar un programa para calcular los errores estándar de los
coeficientes.
El intervalo dentro del cual cae el valor verdadero del coeficiente b se encuentra con la
ecuación B-6:
b ± t x SEb
Apéndice B. Incertidumbre
106
El error estándar del coeficiente, b, también lleva al cálculo del estadístico t. Esta prueba
determina, en último término, si el coeficiente calculado es estadísticamente significativo o si se
trata simplemente de un cálculo aleatorio. El estadístico t se calcula con programas estadísticos
con la siguiente ecuación:
b
t-statistic =
SEb
Cuando ya está estimado el estadístico t, se puede comparar con los valores críticos de t de la
Tabla B-1. Si el valor absoluto del estadístico t supera el número adecuado de la Tabla B-1,
entonces deberá concluirse que la estimación es estadísticamente válida.
Por regla general, el valor absoluto de un resultado del estadístico t igual a 2 o más implica que
el coeficiente estimado es significativo respecto a su error estándar y que, por lo tanto, existe
una relación entre Y una X concreta relacionada con el coeficiente. Puede concluirse entonces
que el valor de b estimado no es igual a cero. Sin embargo, con un estadístico t de casi 2, la
precisión en el valor del coeficiente es de alrededor de ±100%: demasiado impreciso como
para confiar en el valor de b. Para obtener una mejor precisión de, por ejemplo, el ±10%, los
valores del estadístico t deberán rondar el 10 o el error estándar de b no puede ser superior al
0,1 de b.
Para mejorar el resultado del estadístico t:
• Seleccione las variables independientes que tengan una relación más estrecha con la
energía;
• Seleccione las variables independientes cuyos valores abarcan el intervalo más amplio
posible (si X no varía en absoluto en el modelo de regresión, b no podrá ser estimado y el
estadístico t será malo);
• Reúna y utilice más puntos de datos para desarrollar el modelo; o
• Seleccione una forma funcional distinta para el modelo; por ejemplo, escoja una que
determine por separado los coeficientes para cada estación del año si se trata de un edificio
al que los cambios climáticos de cada estación le afectan de forma importante.
B-3 Muestreo
El muestreo genera errores porque no se miden todas las unidades en estudio. La situación de
muestreo más sencilla es aquella en la que se seleccionan aleatoriamente n unidadesde un
conjunto total de N unidades. En una muestra aleatoria, cada unidad tiene la misma
( N)
probabilidad n de ser incluida en la muestra.
Apéndice B. Incertidumbre
107
1. Seleccione una población homogénea. Para que el muestreo resulte coste-efectivo,
las unidades medidas deberían ser las mismas que la población al completo. Si existen
dos tipos distintos de unidades en la población, deberán agruparse por separado y
distinguir entre ellos al tomar la muestra. Por ejemplo, cuando se diseña un programa
de muestreo para medir los periodos operativos de la iluminación de salas controladas
por sensores de presencia, la muestra de las salas que estén ocupadas más o menos
continuamente (p. ej., oficinas con muchas personas) deberá tomarse aparte de la
muestra de las salas que sólo están ocupadas de vez en cuando (p. ej., salas de
reuniones).
z 2 * cv 2
n0 = B-11
e2
Apéndice B. Incertidumbre
108
En la que:
• no es la estimación inicial del tamaño de muestra necesario, antes de comenzar el
muestreo
• cv es el coeficiente de varianza, que se define como la desviación estándar de las
lecturas dividida por la media. Hasta que pueda estimarse la media real y la desviación
estándar de la población a partir de las muestras reales, se utilizará 0,5 como
estimación inicial para el cv.
• e es el nivel deseado de precisión.
• z es el valor de distribución normal estándar respecto a la Tabla B-1 anterior, con
un número infinito de lecturas y para el nivel de confianza deseado. Por ejemplo, z es
1,96 para un nivel de confianza del 95% (1,64 para el 90%, 1,28 para el 80% y 0,67
para el 50% de confianza).
Por ejemplo, para un 90% de confianza con el 10% de precisión y un cv de 0,5,
la estimación inicial del tamaño de muestra necesario (no) es:
1.642 × 0.52
no = = 67
0.12
En algunos casos (p. ej., la medida de las horas de iluminación o consumo), sería aconsejable
tomar primero una pequeña muestra con el único propósito de estimar un valor de cv para
ayudar a planificar el programa de muestreo. Asimismo, pueden utilizarse valores de un trabajo
de Medida y Verificación anterior como estimaciones iniciales del cv.
5. Ajustar la estimación inicial del tamaño de muestra para grupos de datos pequeños.
El tamaño de muestra necesario puede reducirse si el grupo de datos completo del que se
va a tomar la muestra no es 20 veces superior al tamaño de muestra. En el ejemplo del
tamaño de muestra inicial, más arriba, (no = 67), si el grupo de datos (N) del que se
extraerá la muestra es sólo de 200, el grupo de datos tiene sólo 3 veces el tamaño de la
muestra.
Por lo tanto, puede aplicarse el Ajuste de población finita. Este ajuste reduce el tamaño de
muestra (n) como sigue:
n0 N
n= B-12
n0 + N
Aplicar este ajuste de población finita al ejemplo de arriba provoca una reducción del
tamaño de muestra (n) que es necesario para satisfacer el criterio de 90%/±10% a 50.
Véase un ejemplo de uso de este ajuste en el Apéndice A-3-1.
6. Dado que el tamaño de muestra inicial (no) se determina mediante un cv supuesto, es
crucial recordar que el cv real de la población de la que se extrae la muestra podría ser
distinto. Así pues, se necesitaría un tamaño de muestra real distinto para cumplir el criterio
de precisión. Si el cv real acaba siendo inferior al supuesto inicial del paso 4, el tamaño de
muestra requerido será innecesariamente grande como para cumplir los objetivos de
precisión. Si el cv acaba siendo más grande de lo que se había supuesto, no se logrará el
objetivo de precisión si el tamaño de muestra no aumenta por encima del valor calculado en
las ecuaciones B-11 y B-12.
Apéndice B. Incertidumbre
109
A medida que continúa el muestreo, deberá calcularse la media y la desviación estándar de las
lecturas. Deberá volverse a calcular el cv real y el tamaño de muestra requerido (ecuaciones B-
11 y B-12).
Este nuevo cálculo podría permitir un cese temprano del proceso de muestreo. También podría
conducir a la necesidad de realizar un muestreo más grande de lo que se había planeado en un
principio. Para mantener los costes de Medida y Verificación dentro del presupuesto, sería
adecuado establecer un tamaño de muestra máximo. Si este máximo se alcanza después de
volver a realizar los cálculos, el (los) informe(s) de ahorro deberá(n) recoger la precisión real
lograda por el muestreo.
Apéndice B. Incertidumbre
110
meter relative precision × measured value
SE = B-13
t
Donde t se basa en el gran muestreo realizado por el fabricante del equipo de medida al
formular la precisión relativa del mismo. Por lo tanto, el valor de t de la Tabla B-1 deberá ser
para infinitos tamaños de muestra.
Cuando se realizan varias lecturas con un equipo de medida, los valores observados contienen
tanto errores del equipo de medida como variaciones en el fenómeno que va a ser medido. La
media de las lecturas asimismo contiene ambos efectos. El error estándar del valor medio
estimado de las mediciones se obtiene con la ecuación B-4.
Los Capítulos 4.8.3 y 8.11 abordan con más profundidad las cuestiones sobre medida y ofrecen
referencias para otras lecturas útiles sobre este tema.
Por ejemplo, si el ahorro se calcula utilizando la ecuación 1b) del Capítulo 4 como la diferencia
entre la energía de referencia ajustada y la energía medida en el periodo cubierto por el
informe, el error estándar de la diferencia (ahorro) se calcula como:
Apéndice B. Incertidumbre
111
Si la estimación del ahorro reportado es el producto de varios componentes determinados de
forma independiente (Ci) (i.e., Ahorro = C1*C2*... * C p ), entonces el error estándar relativo del
ahorro se obtiene aproximadamente de:
2
⎛ SE (C p ) ⎞
2 2
SE ( Savings ) ⎛ SE (C1 ) ⎞ ⎛ SE (C2 ) ⎞
≈ ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ + ...... + ⎜ ⎟ B-15
⎜ C ⎟
Savings ⎝ C1 ⎠ ⎝ C2 ⎠ ⎝ p ⎠
Si el Plan de Medida y Verificación requiere la medida de las horas de uso, entonces horas
será un valor con un error estándar. Si el Plan de Medida y Verificación incluye también la
medida del cambio de vatios, entonces vatios también será un valor con un error estándar. El
error estándar relativo del ahorro será calculado empleando la fórmula anterior de la manera
siguiente:
⎛ SE ( Δ Watts ) ⎞ ⎛ SE ( Hours ) ⎞
2 2
SE ( Savings )
= ⎜ ⎟ +⎜ ⎟
Savings ⎝ Δ Watts ⎠ ⎝ Hours ⎠
Cuando se suma el total de unos resultados de ahorro y todos presentan el mismo error
estándar, el ahorro total reportado tendrá un error estándar calculado con la ecuación B-14 de:
= N × SE (Savings) B-16
Donde N es el número de resultados de ahorro con el mismo error estándar que se añaden
conjuntamente.
Una vez que el error estándar del ahorro ha sido determinado mediante los procedimientos
anteriores, es posible realizar declaraciones adecuadas y concluyentes sobre la cantidad
relativa de incertidumbre inherente en el ahorro, utilizando las fórmulas matemáticas de la
curva de distribución normal estándar, Figura B-1, o los datos de la Tabla B-1 con más de 30
lecturas. Por ejemplo, se pueden calcular tres valores:
1. la precisión absoluta o relativa del ahorro total, para un nivel dado de confianza (p. ej.,
90%), calculado con el valor correspondiente de t de la Tabla B-1 y la ecuación B-5 o B-7,
respectivamente.
2. Error probable (PE), definido como el intervalo de confianza del 50%. El error probable
representa la cantidad de error que es más probable que ocurra. Es decir, es igualmente
probable que el error sea más grande o más pequeño que el PE. (ASHRAE, 1997). La
Tabla B-1 muestra que un nivel de confianza del 50% se consigue cuando t = 0,67 para
tamaños de muestra superiores a 30 o 0,67 errores estándar respecto al valor medio. De
Apéndice B. Incertidumbre
112
modo que el intervalo de error probable en el ahorro reportado utilizando la ecuación B-6 es
de ±0,67 x SE (Ahorro).
3. El límite de confianza del 90% (CL), definido como el intervalo donde tenemos una certeza
del 90% de que los efectos aleatorios no produjeron la diferencia observada. Con la Tabla
B-1 y utilizando la ecuación B- 6, CL es ±1,64 * SE(Ahorro) para tamaños de muestra
superiores a 30.
El nuevo dispositivo de 64 vatios es coherente y puede medirse con precisión. Sin embargo,
hay bastante variación entre los vatios de los dispositivos antiguos y entre las horas de uso en
lugares distintos. Los vatios de los dispositivos antiguos y las horas de uso no pueden medirse
con total certeza.
Por lo tanto, tampoco se podrá estar completamente seguro del ahorro. El reto para el diseño
de la Medida y Verificación consiste en determinar el impacto en el ahorro reportado si la
medida de cualquiera de estas cantidades inciertas es errónea mediante cantidades plausibles.
En la Figura B2 se muestra un análisis de sensibilidad del ahorro para los dos parámetros:
vatios de los dispositivos antiguos y horas de uso. Se ha variado cada uno hasta un 30% y se
muestra el impacto que esto tiene sobre el ahorro. Se puede ver que el ahorro es
significativamente más sensible a la variación en el vatios de los dispositivos antiguos que a la
variación de las horas de uso. Un error del 30% en el vatios provoca un error de ahorro del
90%, mientras que un error del 30% en las horas de funcionamiento causa solamente un error
de ahorro del 30%.
Apéndice B. Incertidumbre
113
Figura B-2. Ejemplo de análisis
de sensibilidad – Ahorro de
iluminación
Apéndice B. Incertidumbre
114
B-5.2 Establecimiento de Objetivos para la Cuantificación de la Incertidumbre del
Ahorro
Como ya se discutió en el Apéndice B-1, no todas las incertidumbres pueden ser cuantificadas.
Sin embargo, las que sí pueden serlo dentro del Plan de Medida y Verificación ofrecen un guía
para su cuantificación. Considerando el coste de Medida y Verificación de las distintas opciones
de determinación de la incertidumbre, el Plan de Medida y Verificación puede producir una
información entendible para cualquier lector de los informes demostrativos de ahorros, incluido
para aquellos para los que tienen que pagar por informes de Medida y Verificación. En última
instancia, cualquier Plan de Medida y Verificación deberá informar del nivel esperado de
incertidumbre cuantificable (ver Capítulo 5).
La determinación del ahorro de energía requiere estimar una diferencia en los niveles de
energía, en lugar de simplemente medir el nivel de energía en sí mismo. En general, calcular
una diferencia para que encaje con un criterio objetivo de precisión relativa requiere una mejor
precisión absoluta en las mediciones de los componentes que la precisión absoluta requerida
para la diferencia. Por ejemplo, supongamos que la potencia media demandada es de
alrededor de 500 kW y que la reducción de la potencia se encuentra en torno a los 100 kW. Se
puede aplicar un criterio de error de ±10% con el 90% de confianza (90/10) de dos formas:
• Si se aplica, a las mediciones de la potencia, la precisión absoluta debe ser de 50 kW (el
10% de 500 kW) con una confianza del 90%.
• Si se aplica al ahorro reportado, la precisión absoluta en el ahorro deberá ser de 10 kW (el
10% de 100 kW) con el mismo nivel de confianza del 90%. Para conseguir estos 10 kW de
precisión absoluta en el ahorro reportado se necesitan unas precisiones absolutas de los
componentes de medida de 7 kW (con la ecuación B-14, si ambos componentes tienen que
tener la misma precisión).
Queda claro, pues, que la aplicación del criterio 90/10 confianza/precisión en el nivel de ahorro
requiere mucha más precisión en la medida de la potencia que un requisito de 90/10 al nivel de
la potencia.
El criterio de precisión podría aplicarse no sólo al ahorro de energía, sino también a los
parámetros que determinan el ahorro. Por ejemplo, suponga que la cantidad de ahorro es el
producto del número (N) de unidades, de horas (h) de funcionamiento y la reducción de
potencia (C) en vatios: Ahorro = N * h * C. El criterio 90/10 podría aplicarse por separado a cada
uno de estos parámetros. No obstante, lograr una precisión 90/10 para cada uno de estos
parámetros por separado no implica que se consiga el 90/10 para el ahorro, que es el
parámetro de más importancia. De hecho, con la ecuación B-15, la precisión con el 90% de
confianza sería solamente de ±17%. Por otra parte, si se supone que conocemos el número de
unidades y la reducción de potencia en vatios, la precisión 90/10 para horas implica el 90/10 de
precisión para el ahorro.
El estándar de precisión podría imponerse en varios niveles. La elección del nivel de
desagregación afecta mucho al diseño de Medida y Verificación y a los costes asociados. En
general, los requisitos de la recogida de datos aumentarán si se imponen requisitos de
precisión a cada componente. Si el objetivo principal es controlar la precisión del ahorro para
un proyecto en conjunto, no es necesario imponer el mismo requisito de precisión en cada
componente.
Apéndice B. Incertidumbre
115
valores de grados-día (CDD) de refrigeración durante un periodo de un año. Se trata de una
parte del resultado obtenido con una hoja de cálculo. Los valores de interés aparecen
resaltados en cursiva.
RESUMEN DE RENDIMIENTO
Estadísticas de Regresión Tabla B-3
R.Múltiple 0.97 Ejemplo
R.Cuadrado 0.93 del
R.Cuadrado Ajustado 0.92 resultado
Error Estándar 367.50 de un
análisis de
Observaciones 12.00
regresión
Error Estadístico Inferior al Superior al con una
Coeficientes
Estándar t 95% 95% hoja de
cálculo
Intercepción 5,634.15 151.96 37.08 5,295.56 5,972.74
Para una referencia de 12 puntos de datos mensuales de kWh y CDD, el modelo de regresión
derivado es:
Consumo de electricidad mensual = 5,634.15 + (7.94 x CDD)
El valor del coeficiente de regresión, R2, (que aparece como R cuadrado en la Tabla B-3) es
bastante elevado, 0,93, lo que indica que el 93% de la variación en los 12 puntos de datos de
energía es explicado por el modelo que utiliza los datos de CDD. Este hecho implica una
relación muy estrecha y que el modelo podría servir para estimar los elementos de ajuste en la
forma adecuada de la ecuación 1 en el Capítulo 4.
El coeficiente estimado de 7,94 kWh por CDD tiene un error estándar de 0,68. Este SE
conduce a un estadístico t (que aparece como Estadístico t en la Tabla B-3) de 11,64. Luego,
este estadístico t es comparado con el valor de t crítico adecuado en la Tabla B-1 (t = 2,2 para
12 puntos de datos y un 95% de confianza).
Debido a que 11,64 es mayor que 2,2, el CDD es una variable independiente muy significativa.
La hoja de cálculo muestra también que el intervalo para el coeficiente en el 95% de nivel de
confianza es de entre 6,42 y 9,45, e implica una precisión relativa de ±19% ( = (7,94 –
6,42)/7,94). En otras palabras, tenemos un 95% de confianza en que cada CDD adicional
incrementa el consumo de kWh entre 6,42 y 9,45 kWh.
El error estándar de la estimación utilizando la fórmula de regresión es de 367,5. La media
mensual de CDD es de 162 (no aparece en los resultados). Para predecir el consumo eléctrico
que se hubiera producido en unas condiciones medias de refrigeración, por ejemplo, se
introduce este valor de CDD en el modelo de regresión:
Apéndice B. Incertidumbre
116
Con un valor de t de la Tabla B-1 de 2,2, para 12 puntos de datos y un 95% de confianza, el
intervalo de las posibles predicciones es de:
Dado que el equipo de medida de la empresa de suministro se utilizó para obtener el valor de la
electricidad del periodo demostrativo de ahorro, sus valores reportados podrían considerarse
como precisos al 100% (SE = 0%), ya que el equipo de medida define las cantidades pagadas,
independientemente del error del equipo de medida. El SE del ahorro será:
= 367.52 + 0 2 = 367.5
Para determinar la precisión del total anual del ahorro mensual, se supone que el error
estándar del ahorro de cada mes será el mismo. El ahorro anual reportado tiene un error
estándar de:
Dado que t se deriva del modelo de la referencia, sigue teniendo el mismo valor de 2,2 que
tiene arriba.
Así pues, la precisión absoluta del ahorro anual es de 2,2 * 1.273 = 2.801 kWh/año.
Suponiendo un ahorro igual en todos los meses de 2.620 kWh, el ahorro anual será de 31.440
kWh y la precisión relativa del informe de ahorro anual es de 9% (= (2.801/31.440) * 100).
Apéndice B. Incertidumbre
117
ÍNDICE
A
adhesión, viii, 1, 3, 7, 43, 57, 68
I
ahorro normalizado, 18, 19, 40, 44, 58 incertidumbre, vii, 1, 3, 8, 25, 27, 31, 40, 46, 47, 48,
Ajustes, vii, 6, 8, 9, 12, 13, 16, 17, 19, 22, 23, 26, 28, 49, 50, 74, 85, 87, 96, 98, 99, 100, 101, 102
30, 31, 39, 40, 44, 45, 46, 56, 57, 70, 72, 76, 79, 85, Informe de Medida y Verificación, vii, 42, 43
90
Ajustes de referencia, 29, 45, 58
Ajustes No-Rutinarios, vii, 15, 16, 21, 24, 27, 29, 31,
32, 33, 41, 45, 46, 50, 56, 58, 74, 75, 77 L
Ajustes Rutinarios, vii, 18, 22, 31, 45, 46, 48, 50, 56,
LEED, 2, 3, 4, 7
59
límite de medida, viii, 5, 14, 16, 20, 22, 23, 24, 26, 27,
análisis de regresión, 22, 31, 38, 75, 90, 91
28, 29, 32, 38, 39, 40, 45, 46, 47, 49, 56, 57, 58, 59,
ASHRAE Guideline 14, 25, 29, 30, 31, 33, 34, 35, 46,
69, 73, 76, 78, 80
52, 81, 90
C M
Calibración, 6, 9, 29, 33, 34, 35, 36, 40, 41, 46, 47,
media, 11, 13, 28, 31, 51, 56, 69, 71, 74, 76, 77, 85,
48, 52, 54, 76, 81, 83, 85, 94, 97
87, 88, 89, 90, 92, 93, 94, 96, 97, 98, 100
Ciclo, 15, 24, 31, 56
medida de eficiencia energética, vii, 1, 5, 9, 12, 13,
Confianza, 9, 47, 49, 50, 58, 69, 71, 72, 73, 78, 81,
14, 15, 16, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28,
86, 87, 88, 89, 95, 96, 98, 99, 100, 101, 102, 103
29, 32, 33, 36, 38, 39, 40, 44, 45, 46, 47, 48, 49, 50,
Consumo de energía evitado, 12, 18, 44, 56, 58, 66
56, 57, 58, 66, 69, 70, 77, 81, 85
Coste, vii, 1, 3, 6, 13, 27, 32, 34, 40, 41, 44, 45, 47,
modelo, 18, 19, 22, 30, 31, 32, 33, 34, 35, 36, 40, 45,
48, 49, 50, 52, 53, 57, 58, 67, 77, 79, 80, 85, 95, 100,
48, 67, 75, 79, 81, 83, 84, 86, 90, 91, 92, 93, 94, 95,
101
102, 103
Cv, 56, 71, 96, 97
muestra, 7, 8, 24, 40, 41, 46, 47, 66, 86, 92, 95, 96,
CV (RMSE), 56, 81, 93
97, 98, 100
muestreo, 3, 7, 24, 27, 40, 46, 53, 71, 85, 95, 96, 97,
D 98
Indice
118
proxy, 20, 58, 68
T
Test On/Off, 16
R
R2, 31, 58, 78, 91, 92, 93, 102
Referencia, vii, viii, x, 1, 4, 5, 6, 7, 12, 13, 14, 15, 16,
V
18, 19, 21, 22, 25, 26, 27, 28, 29, 31, 32, 33, 35, 36, variable independiente, 5, 6, 16, 18, 19, 22, 24, 31,
39, 40, 42, 44, 45, 46, 47, 49, 51, 52, 56, 57, 58, 66, 32, 34, 39, 40, 42, 45, 47, 48, 52, 56, 58, 74, 86, 90,
69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 83, 91, 92, 93, 94, 95, 97, 102
86, 91, 98, 99, 103 varianza, 32, 80, 85, 86, 87, 96
verificación, x, xi, 9, 50
Indice
119
www.evo-world.org
cxx