Documente Academic
Documente Profesional
Documente Cultură
Febrero 2013
AGRADECIMIENTOS
A Dios.
A mi Esposa.
A mis compaeros del CEEPROT por su ayuda y presencia.
A todas aquellas personas presentes que han hecho posible que este trabajo se
haya realizado.
DEDICATORIA
The work presented is intended to upgrade the energy management system at the
University of Las Tunas "Vladimir Ilich Lenin" and forecast electricity consumption
using neural networks.
We searched bibliographies related to global and national energy situation
especially as it relates to electric power, as well as historical data of electrical
energy use in the country and their breakdown by sector of the economy.
We studied the main factors influencing the consumption of electricity in the
country's public sector, particularly in the centers of the Superior Ministry
Education.
He made a proposal to update the management system of electric power in the
ULT, analyzed the results of the updated Management System Total Energy
Efficiency and the measures taken for the efficient use of electricity. It identifies the
key variables influencing university in consumption and performed a statistical
study of the same.
Carried out the study of the prognostic methods of electrical energy consumption,
using statistical methods and neural networks. It identifies the main advantages
and disadvantages, proposing the implementation of the most effective method.
NDICE
INTRODUCCIN................................................................................................... 1
CAPTULO I. MARCO TERICO REFERENCIAL......................................................6
1.1 El consumo de energa a nivel mundial.....................................................6
1.2 La situacin de la energa en Cuba...........................................................8
1.3 Gestin de la energa elctrica en instituciones dedicadas al sector de los
servicios............................................................................................. 10
1.4 Consumo de energa elctrica en el Ministerio de Educacin Superior.........13
1.5 Consumo de energa en los CES del MES...............................................13
1.6 Indicadores de consumo de energa en los CES del MES..........................14
1.7 Experiencias de la gestin de la energa en universidades cubanas............16
1.8 El pronstico de consumo de energa elctrica.........................................18
1.9 Mtodos ms usados para el pronstico de consumo de energa elctrica. . .20
1.10 Aspectos generales de las redes neuronales artificiales.............................21
1.11 Fundamentos de las Redes Neuronales Artificiales...................................22
1.12 Conclusiones parciales.........................................................................29
CAPTULO II. MATERIALES Y MTODOS.............................................................30
2.1 Mtodo de la tendencia histrica............................................................30
2.2 Mtodo de usuarios finales....................................................................31
2.3 Mtodos paramtricos..........................................................................34
2.4 Prediccin de consumo usando redes neuronales artificiales......................39
2.5 Conclusiones parciales.........................................................................45
CAPTULO III. ANLISIS DE LOS RESULTADOS...................................................46
3.1 Sistema de Gestin de la Energa Elctrica.............................................46
3.2 Actualizacin del consumo de portadores energticos. 2011......................48
3.3 Actualizacin de las reas, puestos y personal clave en el uso de la energa
elctrica.............................................................................................. 50
3.4 Determinacin de las principales oportunidades de ahorro. Elaboracin de los
proyectos de mejoras........................................................................... 54
3.5 Determinacin y validacin de indicadores energticos.............................56
3.6 Propuesta de actualizacin del sistema de gestin de la energa elctrica en la ULT
............................................................................................................... 63
3.7 Resultados de la gestin de energa en la ULT................................................64
3.8 Resultados de la Gestin de la energa elctrica usando la redes neuronales
artificiales.................................................................................................. 65
3.9 Conclusiones parciales................................................................................ 67
CONCLUSIONES GENERALES.............................................................................68
RECOMENDACIONES......................................................................................... 69
BIBLIOGRAFA.................................................................................................... 70
ANEXOS............................................................................................................. 76
INTRODUCCIN.
1
El acusado incremento de demanda energtica global, debido sobre todo a
la irrupcin de importantes economas en vas de industrializacin y a la
necesidad de mejorar el nivel de vida de los pases del Tercer Mundo.
2
Los Centros de Educacin Superior adscriptos al Ministerio de Educacin Superior
(MES) son consumidores importantes de energa elctrica de acuerdo a sus
caractersticas propias. En ellos se ha generado gran parte del arsenal tecnolgico
para el uso eficiente de la energa. Los actuales gastos de energa elctrica en
estas instituciones educacionales requieren de un anlisis profundo para elevar los
ndices establecidos.
3
2. Analizar los mtodos de pronstico de consumo de energa elctrica ms
usados.
Mtodos tericos:
4
Mtodo histrico-lgico: consiente en conocer la evolucin y desarrollo
del objeto o fenmeno de investigacin, con el fin de revelar su historia, las
etapas principales de su desenvolvimiento y las conexiones histricas
fundamentales. Los mtodos lgicos se basan en el estudio histrico poniendo
de manifiesto la lgica interna de desarrollo, de su teora y halla el
conocimiento ms profundo de esta, de su esencia. La estructura lgica del
objeto implica su modelacin.
Mtodos Empricos:
5
CAPTULO I. MARCO TERICO REFERENCIAL
Introduccin
6
Figura 1.1: Mercado Mundial del consumo de energa por regin 1970 2025.
7
EEUU, con apenas el 4.5 % de la poblacin mundial, produce casi el 25%
de las emisiones mundiales de CO2.
8
que el desarrollo macroeconmico y social previsto hasta el ao 2025 la demanda
de energa crecer en un 110% respecto al ao base.
La tasa de crecimiento anual promedio del Producto Interno Bruto (PIB) es del
4.13% basada en que se mantendr el bloqueo de los Estados Unidos a nuestro
pas, lo cual influye negativamente en las inversiones. Estas se realizarn
fundamentalmente en la minera y el turismo y el nivel principal de las
exportaciones se mantendr con los productos tradicionales.
9
logro tcnico, econmico y poltico, que sita a Cuba en una posicin privilegiada
con relacin a otros pases en desarrollo. En nuestro pas en el ao 2010 el
consumo promedio mensual de energa elctrica se encontraba en 292,5 kWh por
cliente.
10
debido a la introduccin sistemtica de nuevo equipamiento, como
computadoras, televisores, sistemas de climatizacin, etc.
2
La intensidad energtica y la densidad de energa ( kWh /m ) son
relativamente bajas.
Dentro del numeroso grupo de medidas que se han implementado para el ahorro
de energa en instituciones destinadas a la educacin y los servicios a nivel
internacional las ms comunes son [26-28]:
Regulacin del horario de conexin de los equipos de climatizacin.
Ajuste a la temperatura de confort.
Seccionalizacin de los circuitos de alumbrado.
Regulacin del uso de la iluminacin.
Introduccin de sistemas de iluminacin eficientes.
Desconexin automtica de la iluminacin y la climatizacin.
Obligacin de instalar equipamiento etiquetado como eficiente.
Introduccin de la categora de edificios energticamente eficientes.
Manejo automatizado del consumo de energa en edificios inteligentes.
Instalacin de sistemas de bombeo ms eficientes.
Implantacin de sistemas de gestin de energa.
Implantacin de sistemas de monitoreo y control de la energa elctrica
apoyados en sistemas computarizados.
12
la Universidad de Cienfuegos. Mayor fuerza se le ha dado a dicha implantacin
SGTEE quedando plasmado en los lineamientos del Partido Comunista de Cuba,
como resultado de su VII Congreso.
Energa elctrica
Fuel ol
Diesel
Gasolina
Gas licuado
El consumo total de portadores energticos de los CES en el 2005 se distribua de
energa elctrica 59 %, diesel 17 %, gasolina 14 % y fuel ol 10 % [18, 29]. El
mayor por ciento corresponde a la energa elctrica lo que se manifiesta en la
mayora de los CES.
13
Figura 1.3: Consumo de energa elctrica en el MES.
La distribucin desigual del consumo de energa elctrica por los centros del MES
obedece a los siguientes factores:
14
La determinacin de indicadores de consumo de portadores energticos es un
paso indispensable para llevar a cabo la implantacin de un sistema de gestin
energtica [9, 11, 13-15, 23, 30-32].
Sin embargo, los CES, en general, son similares en cuanto a que su razn social
es la formacin de profesionales de diferentes perfiles, la formacin de postgrado,
la investigacin, el extensionismo universitario y la informacin cientfico - tcnica.
15
Aunque en todos los CES del pas la investigacin se realiza de forma intensiva y
existen numerosos Centros de Estudio, la formacin de profesionales es la
actividad principal y se realiza por 4 vas fundamentales[18]:
Pregrado diurno.
Cursos a distancia.
16
Tabla 1.1: Indicadores principales de consumo de energa elctrica del MES.
17
kWh Promedio Diarios / Total de becados, kWh Promedio Diarios / Becado
cubano, kWh Promedio Diario / Becado extranjero, kWh Promedio Diario /
Husped Hotel de Postgrado, MWh Curso / Becado extranjero, kWh Curso de
facultades / Matrcula diurna, kWh Curso de facultades / Matrcula total, kWh
Curso de facultades / Matrcula diurna + trabajadores, MWh Curso / rea total
UCF, kWh Diarios/ rea de edificios.
Mokey, Salas y Hernndez [40], Salas [41], Hernndez [42], realizaron un anlisis
tcnico-econmico del Plan de Medidas Para el Ahorro de Portadores Energticos
de la Universidad de Oriente. Determinaron que el principal consumidor de energa
elctrica es el ISPJAM y le siguen las dos residencias estudiantiles de Quintero.
Determinaron que los meses de noviembre y mayo son los que ms incidencia
tienen en el consumo de energa debido a que es cuando los estudiantes se
encuentran realizando estudios para la finalizacin de ambos semestres.
19
Al surgir las crisis con la disponibilidad del combustible, lo que trajo consigo la
brusca subida de los precios, se comenzaron a utilizar mtodos ms complejos,
tendencia que aument con la aparicin masiva de las computadoras y software
especializados [48].
La prediccin del consumo de energa elctrica ha sido tratada en [5, 16, 18, 29,
49-53].
20
obtuvieron resultados muy positivos, logrndose un 92 % de concordancia entre el
dato producto de la prediccin y el real.
Inicialmente este mtodo se aplic al anlisis de las finanzas [54]. Mediante este
mtodo, se puede determinar la propensin relativa y absoluta de las cifras
plasmadas en los estados financieros de la empresa [90].
Este mtodo solo es conveniente usarlo para predicciones a largo plazo que no
requieran de gran exactitud; para anlisis a corto y mediano plazo es inexacto, por
lo que no es aconsejable su uso.
21
de la fecha de puesta en funcionamiento adems el tiempo de uso promedio del
equipamiento que influye significativamente en el consumo y su determinacin
presenta muchas inexactitudes. Tambin es necesario conocer con anticipacin la
fecha de adquisicin y montaje del nuevo equipamiento. Por lo antes expuesto no
es aconsejable su uso.
Mtodos paramtricos
22
resultado de un entrenamiento (aprendizaje). Otras de sus ventajas es la elevada
velocidad de procesamiento as como su fcil aplicacin a tecnologas dismiles.
23
todos los sistemas pueden abordarse de esta manera debido a que en ocasiones
el desempeo de cada variable no est claramente definido, el escenario no es
apto a la presencia humana, el sistema es muy extenso o un modelo matemtico
exacto no es posible, o porque existen determinadas incertidumbres que exigiran
extender el tiempo de investigacin o emplear recursos a costos prohibitivos. Por
esta razn si se trabaja con tcnicas tradicionales en un sistema complejo debe
emplearse tiempo y recursos que no siempre estn disponibles. Esta dificultad
puede salvarse con aplicaciones de inteligencia artificial [60].
Una de las herramientas de la inteligencia artificial son las redes neuronales. A las
Redes Neuronales Artificiales (RNA) tambin se las nombra como Sistemas
Neuronales, Sistemas Adaptables o Adaptativos, Redes o Sistemas Conexionistas,
Neurocomputadores o Procesadores Paralelos Distribuidos. Hay varias
definiciones formales de una Red Neuronal Artificial [60, 61, 79].
Una definicin no tan formal se debe a Albuerne [80] que menciona: Una Red
Neuronal Artificial es "Un grafo dirigido y no lineal con arcos ponderados, capaz de
almacenar patrones cambiando los pesos de los arcos, y capaz de recordar
patrones a partir de entradas incompletas y desconocidas
En primer lugar la complejidad de los procesos que hay que modelar hace que su
modelado fsico sea muy costoso e incluso una vez obtenido el modelo, el tiempo
de clculo necesario para su evaluacin puede hacerlos inutilizables para una
aplicacin en tiempo real como es el diagnstico. Por otro lado los modelos fsicos
requieren datos de diseo que conllevan dos problemas. En primer lugar resulta
24
difcil y en ocasiones imposible, extraer todos los datos necesarios de la
documentacin de diseo. En segundo lugar, la experiencia demuestra que el
comportamiento real de los componentes dista mucho de lo predicho por los datos
de diseo.
25
captura con determinado peso, de una porcin de esa energa. Queda entonces la
energa relacionada a un campo vectorial abstracto dimensional con sus
herramientas matemticas de anlisis [60].
(1.1
)
En los ltimos aos ha crecido rpidamente el inters por las redes neuronales y
debido al desarrollo terico y las aplicaciones diversas que han tenido,
profesionales de diversos campos solicitan aplicaciones en sus disciplinas. El
procedimiento convencional utilizado para construir Redes Neuronales Artificiales
capaces de realizar una determinada tarea consiste en una eleccin adecuada de
sus caractersticas, ms una estructura conveniente.
26
La arquitectura de redes neuronales ms ampliamente utilizada es la que se
conoce con el nombre de perceptron multicapas, la cual se caracteriza por el
hecho de que sus neuronas se agrupan en capas por niveles. Cada una de estas
capas est constituida por un conjunto de neuronas. Hay tres tipos de capas
diferentes: la capa de entrada, las capas ocultas y la capa de salida, como se
observa en la figura 1.5.
27
Para describir los resultados finales de un modelo basado en Redes Neuronales
Artificiales existen formas de expresarlos esquemticamente y otra a modo de
ecuacin. En la figura 1.6 aparece la arquitectura de una RNA de tres capas segn
la ayuda del MATLAB.
(1.2)
(1.3)
Tanto el vector de pesos W como el bias son parmetros escalares i ajustables
de la neurona. La idea central de una red neuronal es que estos parmetros
puedan ser ajustados de forma tal que la red reproduzca el comportamiento
28
observado. El entrenamiento es precisamente eso; un proceso de ajuste de los
parmetros en la red para que pueda realizar un trabajo en particular. Debe
conocerse adems, que existe la posibilidad de que la propia red los ajuste para
cumplir sus obligaciones.
Las redes con bias pueden representar el sistema con mayor facilidad que las
que no lo poseen ya que si la entrada neta de una red es cero y no posee bias, la
salida ser slo la evaluacin de la funcin de transferencia para el valor cero,
pero al tenerlo, se puede aproximar ms la respuesta al valor real del sistema
cuando la entrada neta es cero.
29
1.12 Conclusiones parciales
30
CAPTULO II. MATERIALES Y MTODOS
En la figura 2.1 se muestra una grfica del incremento por meses del consumo de
energa elctrica de la ULT, donde se muestra la ecuacin lineal y la logartmica
para el pronstico del consumo mensual. Los valores de consumo obtenidos no
tienen en cuenta las oscilaciones tpicas de los meses del ao.
Figura 2.1: Tendencia lineal y logartmica del crecimiento mensual del consumo de
energa elctrica.
Se traz una lnea de tendencia lineal y una logartmica. Se puede notar que la
correlacin es muy baja. Alrededor de las lneas de tendencia se aprecian las
31
afectaciones debidas al colapso del sistema electro energtico nacional y
posteriormente oscilaciones que demuestran el cambio del consumo anual.
(2.1)
Donde:
: Nmero de equipos.
32
Dnde
(2.3)
Hay una estadstica exacta del momento de puesta en servicio del nuevo
equipamiento.
33
4. Bombas de agua.
5. Instrumentacin de laboratorios docentes.
6. Fotocopiadoras, impresoras, fax, scanner.
7. Otros.
(2.4)
Dnde : consumo del equipamiento que vara poco o no vara con el tiempo.
34
Tabla 2.1: Potencia elctrica de los aires acondicionados.
Toneladas de refrigeracin (ton) 0,5 1 1,5 2
Potencia elctrica. (kW) 0,56 1,2 1,7 2,7
Los tiempos de uso tpicos diarios para los aires acondicionados y computadoras
instalados en las diferentes areas aparece en la tabla 2.2.
En las figuras 2.2 y 2.3 se muestra la relacin que existe entre el aumento
histrico del nmero de computadoras y de aires acondicionados y el consumo de
energa elctrica.
35
Figura 2.2: Nmero de computadoras vs consumo de energa elctrica.
36
En valido sealar que para la herramienta Regresin Lineal Simple los valores de
R2 soy muy inferiores, pero como se muestra usando la Regresin Polinomial los
valores cambian totalmente llegando cerca de la unidad evidenciando una
correlacin ptima aunque es conocido que usando esta herramienta en el caso
de altos rdenes del polinomio conduce a errores de estimacin elevados debido a
pequeos errores en los datos. Por ejemplo en el caso de la figura 2.2 150
computadoras tendran un consumo cercano a los 400 MWh mientras que 230
computadoras tendran un consumo cercano a los 200 MWh. Evidentemente este
modelo no puede ser vlido pues no refleja la realidad.
37
Tabla 2.3: Variables finales de la regresin mltiple.
MWh BECADOS PC AIRES MD+T
203,48 385 88 36 1341
194,86 376 96 38 1445
207,71 417 111 43 1645
238,90 571 123 50 1811
365,91 534 145 66 1922
390,55 508 162 79 1939
334,96 633 178 87 1810
315,68 603 268 97 1679
337,83 518 280 120 1809
38
Para llevar a cabo la Regresin Mltiple se utiliza el software para anlisis
estadstico STATGRAPH PLUS 5.1 y se obtiene la siguiente ecuacin:
(2.5
)
Con el objetivo de conocer la exactitud del modelo obtenido se introducen los
valores de cada curso respectivo y se compara con el valor real de consumo de
energa elctrica correspondiente a ese curso.
En la tabla 2.5 se aprecia que el por ciento de error mayor es 16,199. La magnitud
del error tiende a estabilizarse en las fechas ms recientes. La comprobacin del
ltimo valor presenta un error de 33,62 MWh, equivalente al 9,95 %, lo que
demuestra que la ecuacin obtenida no es adecuada para la prediccin. Todo esto
viene dado a la baja correlacin entre las variables. El error medio cuadrtico
(EMC) se calcula a continuacin.
(2.6)
Donde:
39
Tabla 2.5: Comparacin entre los resultados de la aplicacin de la RM y los
valores reales de consumo de energa elctrica.
Consumo Consumo
Error EMC
Pronosticado Real Error %
absoluto (MWh)
(MWh) (MWh)
180,47 203,48 23,01 11,31
199,27 194,86 4,41 2,26
238,24 207,71 30,53 14,70
277,60 238,90 38,70 16,20
329,88 365,91 36,03 9,85
359,84 390,55 30,71 7,86
346,84 334,96 11,88 3,55
286,30 315,68 29,38 9,31
371,45 337,83 33,62 9,95
28,5868
Para la prediccin del consumo por cursos de energa elctrica se model una red
neuronal del tipo Feed-forwad backpropagation, con una funcin de entrenamiento
del tipo TRAINLM, formada por 2 capas. La primera capa est formada por 4
neuronas del tipo tangencial sigmoidal (tansing). La capa intermedia u oculta est
formada por 10 neuronas del tipo tansing, estas se variaron en el entrenamiento.
La tercera capa est formada por 1 neurona del tipo pureline o funcin de
activacin lineal. Para el entrenamiento se emple el mtodo del gradiente
descendiente con retropropagacion del error hacia atrs.
40
entrenamiento. No se utiliz la posibilidad de conformar vectores de validacin
debido a que el nmero de parmetros es bajo. Para modelar la red se vari el
nmero de neuronas en la capa oculta y el total de pocas de la red.
Figura 2.4: Ventana nntool de MATLAB para crear, entrenar y simular redes
neuronales
41
Figura 2.5: Representacin esquemtica de la RNA empleada.
42
Figura 2.6 Grfico del aprendizaje de la red.
43
El modelo basado en redes neuronales present un coeficiente de correlacin, R 2
=0.99. En la figura 2.7 se muestran los grficos de dispersin entre los valores
predichos por la red y los valores reales. Estos datos corresponden a los valores
utilizados para el aprendizaje, los valores utilizados para las pruebas y los
utilizados en la validacin. Finalmente aparecen todo el conjunto de datos
reflejando que el modelo en RNA posee un ajuste de un 99%.
IW{1,1}=
0.53436 -1.177 -1.1564 1.3055
1.0683 0.042907 2.1661 0.58675
-1.6351 1.0448 -1.3928 0.27344
-0.78799 1.5413 1.7689 1.6865
-0.25229 2.2666 -0.49714 -0.25612
1.8738 0.17782 -1.2434 0.98435
-0.75665 -1.6949 -1.1679 1.184
0.47796 -1.833 1.0021 -0.63991
-1.832 -1.467 -0.047083 0.75042
0.69454 1.3915 -0.4981 -1.83
IW{2,1}=
[-0.028759 0.13705 0.0088941 0.74066 -0.38186 -0.070697 0.023666
-0.39638 -0.22705 -0.55138]
b{1}=
-2.5031
-1.9363
1.4636
0.649
-0.018299
0.17608
-0.82907
1.7898
-1.9938
2.6542
44
b{2}=
[0.55276]
Observaciones:
45
El tamao reducido de la muestra (9 aos) no permite dar resultados
concluyentes en cuanto a la superioridad de un mtodo sobre otro en lo
referido a la precisin.
46
CAPTULO III. ANLISIS DE LOS RESULTADOS.
Introduccin
En este captulo se actualizan los estudios realizados por [17] para la gestin de la
energa elctrica, se realiza un anlisis sobre el consumo actual de los diferentes
portadores energticos, en especial el portador electricidad, que es el ms
representativo. Recoge adems el estado de los indicadores tcnico econmicos
propuestos por [18] para el caso especfico de la ULT. Se precisan los beneficios
del conocimiento a priori de la demanda de energa elctrica en la organizacin del
sistema de gestin de la energa elctrica.
240 120
220
200 100
Consumo en TCC
180
160 80
140 Porciento Consumo en TCC
120 60
100 87 85 % Acum
80 40
60 45
40 20
20 0,9 0,2
0 0
Portadores
Sala de Caldera.
Banco de Transformadores.
Cmaras Fras.
Laboratorios de Computacin, Biotecnologa, Microbiologa.
mnibus de Transporte obrero, estudiantil, camin de carga.
48
Sistema de generacin y distribucin del vapor:
Se le realiz un balance trmico al generador.
Revisin de los planes de mantenimiento.
Estudio del sistema de distribucin del vapor y retorno y almacenamiento
del condensado.
El estudio realizado al consumo de energa elctrica en la ULT entre los aos 2003
2011 (figura 3.2), muestra un crecimiento sostenido, con independencia de
periodos de disminucin, enmarcado en aos de contingencia energtica. Como
se puede apreciar el consumo ha estado marcado por un crecimiento no
constante, esto se ha dado debido a factores como la crisis energtica de 2004
2006, a partir de 2009 ha comenzado un ascenso por el aumento de prestaciones
y el aumento de la matrcula y la plantilla de trabajadores.
49
Figura 3.2 Consumo de energa elctrica en la ULT.
51
Figura 3.3 Consumo de energa elctrica en las reas de la ULT.
Como se puede apreciar en el grfico anterior, tres reas consumen el 85,81 % del
total de energa elctrica consumida en la Universidad. Corresponden adems con
las reas que ms ligadas estn a al proceso universitario.
Figura 3.4 Distribucin del consumo de energa elctrica por uso final.
Se puede apreciar en la figura 3.4 que los equipos y sistemas que ms peso
tienen en el consumo de energa son:
PC
Neveras
Cmaras fras
Iluminacin
52
Director de Transportes
Director del Hotel de Postgrado
Director de la Cocina Comedor
Director de la Residencia Estudiantil
Operadores de Calderas
Operadores de bombas de agua
Jefes de turno de Cocina
Carpeteros de la Residencia Estudiantil
Decano de la Facultad de Ciencias Tcnicas
Decano de la Facultad de Ciencias Econmicas
Decano de la Facultad de Ciencias Sociales y Humansticas
Decano de la Facultad de Ciencias Agrcolas.
Tcnicos de laboratorios de Computacin.
53
Lo dems miembros son los encargados de coordinar las actividades
organizativas referentes a la energa desde el punto de vista ejecutivo, relacionar
apuntes, tomar notas en las reuniones que realice el comit, recopilar informacin,
redactar informes, apoyar, sugerir e informar.
54
3.4 Determinacin de las principales oportunidades de ahorro. Elaboracin
de los proyectos de mejoras
55
Adquisicin de nuevos metros contadores para aumentar el nivel de
medicin.
Aumento de la calidad de mantenimiento a los equipos de climatizacin.
Reparacin de locales climatizados.
Reparacin de cmaras fras.
Estudio de la calidad de energa.
Anlisis sistemtico del factor de potencia y de las demandas mximas.
Estudio de la calidad de energa y en especial del balance de fases en la
ULT.
Realizacin de mediciones sistemticas con el analizador de redes de
reas del centro.
Medicin sistemtica del consumo de la residencia estudiantil y
comunicacin de los resultados al personal dirigente y becados.
Instalacin de breakers de menor amperaje en los edificios de la
Residencia.
Medidas de concientizacin:
Difundir entre alumnos y trabajadores la necesidad del ahorro de energa
elctrica.
Apoyarse en la FEU y el Sindicato para cumplir tareas relacionadas con la
eficiencia energtica.
Introducir en los planes de estudio temas relacionados con el ahorro de
energa.
56
particularidades constructivas, perfiles de carreras, tipo de equipamiento y otras
circunstancias que imponen la necesidad de usar algn indicador especfico.
En la determinacin y validacin de indicadores energticos para la ULT, se
usarn los indicadores generales propuestos en el acpite 1.6, los que sern
sometidos a anlisis estadsticos para conocer como correlacionan con el
consumo de energa elctrica.
Para el anlisis de las variables universitarias que inciden en el consumo de
energa elctrica se tendr en cuenta lo siguiente:
57
dependiente independiente
58
Figura 3.5: Correlacin entre Matrcula Diurno y MWh.
59
Figura 3.7 Correlacin entre Total de Becados y MWh.
60
Figura 3.9: Correlacin entre Matrcula Diurno + Trabajadores y MWh.
Un por ciento alto del consumo de energa elctrica en una universidad se
presenta en las facultades, en el caso de la Universidad de Las Tunas la Facultad
de Ciencias Tcnicas es la que mayor peso tiene en el consumo diario de energa
elctrica. Se tomar el indicador kWh por Estudiante Diurno, kWh por Matrcula
total por lo que se relaciona a continuacin:
El indicador de cada facultad refleja el potencial de consumo de energa
elctrica de cada tipo de carrera.
Es un indicador del nivel de equipamiento de cada facultad.
Permite comparar los niveles de eficiencia entre facultades de la ULT y
otras del mismo perfil en otros Centros.
61
Si se realiza una comparacin con los resultados arrojado por estos indicadores
del trabajo mostrado en [18, 29], los valores son inferiores, ello viene aparejado a
las caractersticas mismas de la Universidad de Cienfuegos y ms aun
especficamente de sus facultades.
La relacin existente entre el consumo de energa elctrica y el rea total de una
institucin industrial, administrativa o de servicios, as como de instituciones
docentes y de otro tipo es un parmetro que mundialmente se usa con los fines
siguientes [24, 25, 27, 28]:
Determinar el nivel de concentracin del uso de la energa elctrica.
Determinar niveles de desarrollo y confort.
Determinar niveles de uso ptimo de locales y reas, as como niveles de
eficiencia del equipamiento instalado.
62
Figura 3.10. Comportamiento histrico de los principales indicadores de consumo
de energa elctrica en la ULT.
Como se puede apreciar en la figura a partir del curso 2009 2010 los indicadores
de consumo han experimentado un crecimiento. El caso del indicador MWh Curso
por Becados, viene dado fundamentalmente al incremento de los mismo, con las
aulas de 12 grado establecidas dentro de la Universidad para estudiantes que
quieren cursar carreras agronmicas.
63
El uso de analizadores de redes es limitado.
Poco dominio por el personal tcnico y de mantenimiento de la red elctrica
de la ULT.
Poco conocimiento de la distribucin del consumo de energa elctrica por
reas, edificios y por uso final.
No se utiliza un mtodo de pronstico eficiente del consumo de energa
elctrica.
64
Implantacin de planes de ahorro objetivos.
Determinacin de indicadores de consumos de energa elctrica medibles y
tiles para la gestin de eficiencia energtica.
Valoracin econmica
3.1
Donde:
MWh est : MWh estimado por la oficina de Estadstica en funcin del
65
Este resultado muestra una informacin ms all del valor monetario que se pueda
alcance real de este valor esta en las posibilidades que brinda al permitir de
acuerdo con este valor la posibilidad de recontratar la demanda de la Universidad
con la Empresa Elctrica lo que si representara un ahorro real. Adems permitira
tener un valor de referencia para reprogramar los planes tanto anuales como
mensuales.
Aun as si el ahorro real fuese de 31,77 MWh eso representara un ahorro en
dinero de 31811.78 pesos al ao, pues por factura se toman 0,166 $ /kWh que
Impacto ambiental
36 (3.2)
SOx= 0,04 Dfuel oil 1,44
12
44 (3.3)
CO2 = 0,88 Dfueloil 1,44
12
0,13 (3.4)
NOX = ( )
106
Cp Dfuel oil 1,44
66
Donde:
67
CONCLUSIONES GENERALES.
68
RECOMENDACIONES.
Realizar un estudio con el mtodo de pronstico de consumo de energa elctrica
basado en series temporales e identificar sus ventajas y desventajas con respecto
al propuesto.
Explotar con mejores aplicaciones informticas las posibilidades tcnicas y de
informacin que ofrece la Intranet del Centro para la comunicacin y para la
transmisin y elaboracin de datos.
69
BIBLIOGRAFA
70
17. Pea, D.R., et al., Implementacin del sistema de gestin energtica en el
centro universitario de las tunas., in 5to Taller Internacional de Energa y
Medio Ambiente. 2008: Cienfuegos. Cuba. 23 al 25 de Abril.
18. Prez, R.D.F., Sistema de gestin y pronstico de energa elctrica en la
UCF, in Facultad de Ingeniera Mecnica. 2007, Universidad de Cienfuegos:
Cienfuegos. p. 90.
19. IEO. International Energy Outlook 2007. 2007 [cited 22/09/2012 22 de
septiembre]; Available from: http://www.eia.doe.gov.
20. Jaffe, A., El creciente apetito por petrleo y gas natural de los pases en
desarrollo. 2011: Instituto de estudios energticos. Universidad Wallace
Wilson.
21. Autores, C.d., El camino hacia la era solar., ed. E.C.-. Tcnica. 1998, La
Habana. Cuba.
22. IAEA, Model for Analysis for Energy Demand. User Manual, IAEA, Editor.
2002.
23. Nordelo, A.B., Gestin Energtica Empresarial, ed. E.U.d. Cienfuegos.
2002.
24. Viego, F.P., et al., Programas nacionales de eficiencia energtica en los
edificios pblicos, in 7mo. Taller Internacional de Energa y Medio
Ambiente. . 2012: Cienfuegos. Cuba. ISBN: 978-959-257-323-9.
25. Cantalapiedra, I.R., M. Bosch, and F. Lpez, La Educacin Energtica:
Anlisis de la Eficiencia Energtica de Edificios Pblicos Universitarios en
el Proyecto Final de Carrera de Arquitectura Tcnica., in Conferencia
Internacional de Energas Renovables. 2005: La Habana. Cuba.
26. Aires, G.d.l.C.d.B. Recomendaciones para el ahorro de energa elctrica en
edificios pblicos. 2009 [cited 20/09/2012; Available from: http://
www.entedelaciudad.gov.ar/.
27. Filho, G.F. and R.A. Dias, Estimativa de demanda em edificios residenciais:
uma anlise comparada. Revista Eletricidade Moderna, 2010. 10(2).
28. Dias, R.A. and G.F. Filho, Anlise Experimental sobre Estimativa da
Demanda de Edifcios Residenciais.IEEE Latin America Transactions, 2006.
4(5).
29. Prez, R.D.F., Proposicin de indicadores de consumo de energa elctrica
para los ces del mes. Estudio de caso en la universidad de cienfuegos, in
5to. Taller Internacional de Energa y Medio Ambiente. 2008: Cienfuegos.
Cuba. 23 al 25 de Abril.
30. Viera, L.C. and J.G. Hernndez, Determinacin de los ndices de consumo
energtico en una planta de productos lcteos. Energtica, 2003. XXIV(1):
p. 9-15.
31. Hernndez, L.H., et al., Sistemas de gestin energtica para industrias, in
Convencin Internacional De Ingeniera Mecnica, Elctrica e Industrial.
2004, Universidad de Holgun: Holgun. Cuba.
32. Rodrguez, L.C. and J.E.P. Marn, Clculos de ndices de Consumos de
Puestos Claves, in 7mo. Taller Internacional de Energa y Medio Ambiente. .
2012: Cienfuegos. Cuba. ISBN: 978-959-257-323-9.
71
33. Borrell, F.E.B., Sistema de Gestin Total Eficiente de la Energa en la CTE
Carlos M de Cspedes, in Facultad de Ingeniera Mecnica. 2007,
Universidad de Cienfuegos: Cienfuegos. p. 92.
34. Quintero, A.V., Sistema de Gestin Total Eficiente de la Energa en el
Sector de la Salud en Cienfuegos, in Facultad de Ingeniera Mecnica.
2007, Universidad de Cienfuegos: Cienfuegos. p. 87.
35. Laurencio, R.M. and E.G. Leyva, Algunos aspectos de la tecnologa de la
gestin total eficiente de la energa aplicados en hoteles de la provincia
holgun., in 5to. Taller Internacional de Energa y Medio Ambiente. 2008:
Cienfuegos. Cuba. 23 al 25 de Abril.
36. Madrid, A.d. Gua de ahorro y eficiencia energtica en pasteleras y
panaderas. 2009 [cited 07/10/2012; Available from: www.madrid.org.
37. Borges, D., et al., Hacia un indicador de consumo de energa elctrica ms
efectivo en hoteles del grupo Cubanacn de la provincia de Camagey.
Ingeniera energtica 2011. XXXII(1).
38. Morales, O.G. and J.L. Garca, Sobre la aplicacin de la gestin total
eficiente de la energa en la Universidad de Matanzas, in Conferencia
Internacional de Energas Renovables. 2003: Ciudad de la La Habana.
39. Morales, O.F.G., et al., Experiencias de aplicacin de la tgtee en la
universidad de matanza, in 5to. Taller Internacional de Energa y Medio
Ambiente. . 2008: Cienfuegos. Cuba. 23 al 25 de Abril.
40. Castellanos, M.R.M., Y.S. Lpez, and W.H. Almenarez, Gestin energtica
en la Universidad de Oriente, in Conferencia Internacional Ingeniera
Mecnica, Elctrica e Industrial. 2004: Holgun. Cuba.
41. Lpez, Y.S., Estudio de los Consumos Energticos en las Instalaciones de
la Universidad de Oriente, in Facultad de Ingeniera Electrica. 2002,
Universidad de Oriente: Santiago de Cuba. p. 88.
42. Almenarez, W.H., Evaluacin tcnico-econmica de medidas encaminadas
a elevar la eficiencia energtica de la Universidad de Oriente, in Forum de
Ciencia y Tecnica Provincial. 2003: Santiago de Cuba. Cuba.
43. Alegre, C.D.T.C., Estudio electroenergtico del edificio de beca 100, in
Facultad de Ingeniera Elctrica. Centro de Investigaciones y Pruebas
Electroenergticas. 2010, CUJAE: La Habana.
44. Maca, Y.M. and R.P. Tabares, Experiencias de la implementacion de la
tgtee en la cujae, in 5to. Taller Internacional de Energa y Medio Ambiente.
2008: Cienfuegos. Cuba. 23 al 25 de Abril.
45. Prez, A.E.F., Anlisis del consumo de energa elctrica y reservas de
portadores energticos en el InstitutoSuperior Minero Metalrgico de Moa,
in Facultad Metalurgia y Electromecnica. 2002, InstitutoSuperior Minero
Metalrgico de Moa: Moa. Holgun. Cuba. p. 73.
46. Mustelier, A.P. and Y.T. Noa, Evaluacin del Sistema de Gestin Energtica
del ISMM y determinacin de los indicadores de consumo del portador
electricidad y agua., in Facultad Metalurgia y Electromecnica. 2006,
Instituto Superior Minero Metalrgico de Moa: Moa. Holgun. Cuba. p. 91.
47. Dign, A.G., D.B. Vasconcellos, and P.P. Gonzlez, Resultados de la
implantacin de tgtee en la universidad de camagey, in 5to. Taller
72
Internacional de Energa y Medio Ambiente. 2008: Cienfuegos. Cuba. 23 al
25 de Abril.
48. Real, D.V., Modelos para la prediccin de la demanda de energa elctrica.
2009, Universidad Autnoma de Andaluca
49. Laurencio, R.M., J.A.R. Fortnez, and I. Lpez, Procedimiento para el
anlisis de la demanda y el consumo en circuitos elctricos urbanos de
distribucin, in 7mo Taller Internacional de Energa y Medio Ambiente. 2012:
Cienfuegos. Cuba. ISBN: 978-959-257-323-9.
50. Fernndez, M.P.G., et al., Modelos de prediccin y control para el consumo
de energa elctrica considerando el efecto de la sensacin trmica, in 7mo
Taller Internacional de Energa y Medio Ambiente. 2012: Cienfuegos. Cuba.
ISBN: 978-959-257-323-9
51. Laurencio, R.M., et al., Prediccin del consumo de electricidad y gas lp en
un hotel mediante redes neuronales artificiales. Energtica, 2009. 42(3): p.
21-27.
52. Bermdez, J.A., Herramienta para la prediccin energtica aplicadas en el
Hotel Blau Costa Verde, in Departamento de Ingeniera Elctrica. 2009,
Instituto Superior Minero Metalrgico: Moa. p. 84.
53. Laurencio, R.M. and J.A.R. Fortnez, Pronostico de la demanda mediante
redes neuronales artificiales y regmenes de explotacin del circuito de
distribucin 21 de Moa, in Evento ENERMOA 2008. 2008: Moa. Holgun.
Cuba.
54. Wikipedia. Regresin lineal. 2010 [cited 22/04/2012; Available from:
http://www.es.wikipedia.org/wiki/Regresin_lineal.
55. Moreno, A.L. Anlisis Estadstico de series temporales. Cuadernos
Didcticos. 2008 [cited 16/05/2012; Available from:
http://:www.sabanet.unisabana.edu.co/admon/docencia/zimmerman/Series
%20de%20tiempo.pdf.
56. Arce, L.M. Metodologa para el anlisis de series temporales. 2010 [cited
16/06/2012; Available from: http://www.seh-lelha.org/tseries.htm.
57. Santos, E.D.d. Introduccin al tratamiento de series temporales en las
Ciencias de la Salud. 1994 [cited 02/05/2012; Available from:
http://www.seh-lelha.org/tseries.htm
58. Pea, D. Protocolo para la identificacin de modelos ARIMA.2009 [cited
08/07/2012; Available from:
http:///www.halweb.uc3m.es/esp/Personal/personas/dcasado/esp/esp_files/
protocoloARIMA.pdf.
59. Ortiz, J.A.P., Modelos predictivos basados en redes neuronales recurrentes
en tiempo discreto., in Departamento de Lenguajes y Sistemas
Informticos. 2002, Universidad de Alicante.: Espaa. p. 179.
60. Teyra, M.d.A., et al., Inteligencia artificial aplicada al anlisis de sistemas
energticos con MATLAB. 2007, Cartagena de Indias - Colombia:
Fundacin Universitaria Tecnolgico Comfenalco Cartagena. 269.
61. Wan, E.A., Control Systems: Classical, Neural, and Fuzzy. 1998, Oregon
Graduate Institute. 296.
62. Yu, L. and Y.-Q. Zhang, Evolutionary Fuzzy Neural Networks for Hybrid
Financial Prediction. IEEE TRANSACTIONS ON SYSTEMS, MAN, AND
73
CYBERNETICSPART C: APPLICATIONS AND REVIEWS,, 2005. 35(2):
p. 244 - 249.
63. Santana, J.C., Prediccin de series temporales con redes neuronales: una
aplicacin a la inflacin colombiana.Revista Colombiana de Estadstica,
2006. 29(1): p. 77 - 92.
64. Muyeen, S.M., H.M. Hasanien, and J. Tamura, Reduction of frequency
fluctuation for wind farm connected power systems by an adaptive artificial
neural network controlled energy capacitor system.Renewable Power
Generation, IET, 2012. 6(4): p. 226 - 235
65. Leyva, E.G., et al., Identificacin del proceso de enfriamiento de mineral
latertico reducido con ayuda de redes neuronales artificiales., in 7mo Taller
Internacional de Energa y Medio Ambiente. . 2012: Cienfuegos. Cuba.
ISBN: 978-959-257-323-9
66. Mohammed, M.O.A., Comprobacin del trabajo, en tiempo real, del Rel
Diferencial de Transformadores de Potencia basado en Redes Neuronales
Artificiales, in Facultad de Ingeniera Elctrica. Centro de Investigaciones y
Pruebas Electroenergticas. 2009, CUJAE: La Habana. p. 124.
67. Aladro, E.N., Distribucin de carga entre unidades de una planta
cogeneradora con tecnologa de contrapresin empleando tcnicas de
inteligencia artificial., in Facultad de Mecanica. 2007, Universidad de
Cienfuegos.: Cienfuegos. p. 92.
68. Garca, J.F.C., Fundamentos para la implementacin de red neuronal
perceptrn multicapa mediante software, in Facultad de Ingeniera. Escuela
de Ingeniera Mecnica Elctrica. 2006, Universidad de San Carlos de
Guatemala: Guatemala. p. 142.
69. Ramrez, Y.D., Rel para la proteccin de Transformadores de Potencia
basado en Redes Neuronales Artificiales, in Departamento de Ingeniera
Elctrica.2004, Instituto Superior Minero Metalrgico: Moa. Holgun.
70. SAHA, M.M.R. and J.E. IZYKOWSKI, Artificial Intelligent Application to
Power System Protection.Power Engineering Journal., 2000.
71. Plasencia, G.N.M., Diseo de polticas de identificacin y control de robots
basadas en redes neuronales y sistemas neuro-fuzzy., in Departamento de
Fsica Fundamental y Experimental, Electrnica y Sistemas. 1999,
UNIVERSIDAD DE LA LAGUNA. p. 288.
72. KEZUNOVIC, M., A survey of neural net applications to protective relaying
and fault analysis. Engineering Intelligent Systems, 1997. 5(4): p. 185-192.
73. Djebbar, Y. and R. Narbaitz. Neural network estimation of air stripping mass
transfer coefficients. in 68 Anual Conference & Exposition of Preoceedings
of the Water Environment Federation. Oct. 21 - 25. 1995. Miami Beach.
Florida. USA.
74. Mc Culloch, W.S. and W.A. Pitts, A logical calculus in the ideas immenent in
revous activity. Bull. Math. Biophys., 1943. 5: p. 115 - 133.
75. Hopfield, J.J., Neural networks and physical systems with emergent
collective computational abilities. Proc. Nat. Acad. Sci. USA 79, 1982: p.
2554 - 2558.
76. Hammerstrom, D., Working whit neural networks. IEEE Spectrum, 1993: p.
46 - 53.
74
77. Hammerstrom, D., Neural networks at work. IEEE Spectrum, 1993: p. 23 -
32.
78. FARAG, A. and G. LUGOSI, Strong Universal Consistency of Neural
Network Classifiers. IEEE Transactions on Information Theory, 1993. 39: p.
1146-1151.
79. MacKay, D.J.C., Information Theory, Inference, and Learning Algorithms, ed.
C.U. Press. 2003.
80. Albuerne, Y.L., et al., Comparacin de las fortalezas y debilidades de los
esquemas de control de procesos con redes neuronales. TECNOLOGA
QUMICA, 2005. XXV(3): p. 65 - 73.
81. Armas, M.A.d., et al., Anlisis de sistema de potencia desbalanceado con el
empleo de herramientas estadsticas, coeficientes complejos y redes
neuronales artificiales. Ingeniera Energtica, 2008. XXIX(1): p. 9 - 14.
82. Breffe, O.E.T., Desarrollo de herramientas para la creacin, modelacin y
comprobacin de protecciones elctricas, in Facultad de Electromecnica.
Departamento de Ingeniera Elctrica. 2005, Instituto Superior Minero
Metalrgico de Moa: Moa. Holguin. p. 96.
83. Sarduy, J.R.G. and J.P.M. Yanes., Sensor Virtual con Redes Neuronales
para el Monitoreo Trmico del Rotor de un Generador Elctrico.Anuario
Cientifico 2010. Universidad de Cienfuegos, 2010.
84. Gulez, K., B. Karlik, and S.V. Ustun, Designing Artificial Neural Networks for
Fault Detection in Induction Motors with the TMS320C30 DSP, T.
Instruments, Editor. 1996, ESIEE, Paris.
85. Rodrguez., M.E.G., J.R.G. Sarduy, and J.P.M. Yanes., Incorporacin de
tcnicas inteligentes a la gestin energtica en molinos de cemento..
Revista Estudiantil de Ingeniera Mecnica y Eficiencia Energtica., 2010.
1(2).
86. Chinea, R.M.A., Aportaciones metodolgicas basadas en simulacin e
inteligencia artificial para la toma de decisiones en la gerencia hospitalaria,
in Departamento de Fsica Fundamental y Experimental, Electrnica y
Sistemas. 1998, UNIVERSIDAD DE LA LAGUNA. p. 262.
87. PREZ, J.A.M., Desarrollo de estrategias de control predictivas de alto
rendimiento mediante la incorporacin de tcnicas de control robusto y de
redes neuronales, in Departamento de Fsica Fundamental y Experimental.
Centro Superior de Informtica. 1998, Universidad de La Laguna. p. 394.
88. Calvo, R.R., Funciones en Matlab para el anlisis y diseo en el campo de
la frecuencia, in Facultad de Ingeniera Elctrica. Departamento de
Automtica 2004, Universidad Central Marta Abreu de Las Villas: Santa
Clara. p. Tesis de Diploma.
89. Torres, A.A. and J.M.O. Hechavarra, Estudio energetico del sistema
elctrico en la universidad de granma., in 5to. Taller Internacional de
Energa y Medio Ambiente. . 2008: Cienfuegos. Cuba. 23 al 25 de Abril.
90. Garca Santilln, Arturo. ADMINISTRACIN FINANCIERA I. Mtodo de
tendencias. visitada [26/12/2012]. http://www.eumed.net/libros-
gratis/2010c/729/Metodo%20de%20tendencias.htm
75
ANEXOS
76
Anexo II
rea de Becas I y II
1 Reducir el consumo de energa elctrica en los horarios pico (alumbrado de Diario Alumnos Dtor. Beca
los cubculos, fogones y calentadores elctricos, refrigeradores, planchas, Becados
etc.)
3 Retirar de todos los locales los recubrimientos en cristales que limiten la Alumnos I. E y admn.
utilizacin de la luz natural. Becados De Beca
4 Mantener un estricto control sobre el apagado de las luces en las horas Diario Alumnos Carpetero
establecidas, excepto las necesarias para la proteccin de los edificios y Becados
locales.
5 Mantener estricto control sobre el cerrado de las llaves y vlvulas de salida Diario Alumnos y Dtor. Beca
de los servicios sanitarios para evitar el derrame innecesario de agua. Trabajadores
6 Controlar los salideros de llaves y baos para su inmediata notificacin al Diario Admn. de Dtor. Beca
rea de mantenimiento. Beca
7 Realizar actividades de promocin y divulgacin que estimulen a los 1 vez al mes DEU Dtor. Beca
estudiantes al ahorro de energa elctrica y el agua.
Direccin de Beca.
Anexo III
77
rea de Docentes I y II
Apagar los aires acondicionados no tecnolgicos en los horarios de pico elctrico. Diario J. Dpto. Decano
Limpiar peridicamente los filtros de los aires acondicionados. Una vez al mes Decano
No utilizar equipos que generen calor en los locales climatizados, siempre que sea Diario J. Dpto. Decano
posible, tales como: hornos, estufas, autoclaves y planchas.
Cumplir con los mantenimientos programados para los equipos consumidores, aires Mensual J. Dpto. Decano
acondicionados, refrigeradores, ventiladores de techo, etc.
Utilizar la luz natural siempre que sea posible evitando todo exceso de iluminacin. Diario J. Dpto. Decano
Seccionar los circuitos de iluminacin con el propsito de utilizar la mnima energa 05/09/2011 B. Mant. Decano
indispensable.
Optimizar el uso de las computadoras y sus accesorios de acuerdo a los horarios Diario Tcnico J. Dpto.
establecidos para su explotacin.
Mantener cerradas las llaves y vlvulas de salida de los servicios sanitarios para evitar Diario Auxiliar L. J. Dpto.
el derrame innecesario de agua.
Mantener hermetizados los locales climatizados y evitar abrir las puertas Diario Tcnico Decano
innecesariamente.
78
Anexo IV
Caldera
1 Controlar el proceso de combustin mediante los medios de medicin Semestral CEEPROT CEEPROT
indispensables, incluyendo el anlisis de los gases a fin de evitar el exceso
de aire y altas temperaturas en los gases de escape.
2 Determinar los parmetros ptimos de presin y temperatura del Semanal Tcnico J. Dpto.
combustible de los sistemas de alimentacin a los quemadores y asegurar Alimentacin
su cumplimiento.
4 Determinar y regular correctamente la presin del vapor y medir su Diario Tcnico J. Dpto.
consumo. Alimentacin
5 Conocer o determinar los parmetros mnimos del combustible a utilizar, Semestral CEEPROT
incluyendo viscosidad y adecuar el sistema de precalentamiento que
alimenta a los quemadores. Tcnico
6 Garantizar el tratamiento del agua de alimentacin de la caldera, adecuado Semanal Tcnico J. Dpto.
a los requerimientos especficos Alimentacin
79
procesos segn los requerimientos de cada caso. Alimentacin
8 Revisin peridica de las vlvulas de desvo para evitar manipulaciones Diario Tcnico J. Dpto.
indebidas o que alguna quede incorrectamente abierta. Alimentacin
9 Cumplir con las recomendaciones de la inspeccin estatal energtica o Diario Tcnico J. Dpto.
como resultado de sus auditoras de combustin. Alimentacin
1 Reducir prdidas de calor por mal aislamiento en los conductores de vapor. Anual Tcnico J. Dpto.
0 Alimentacin
11 Dotar con los magnetizadores adecuados a los sistemas de caldera, Anual Tcnico J. Dpto.
igualmente dotarlas con los dispositivos de medicin y control adecuados. Alimentacin
1 Revisar peridicamente las tuberas del sistema, para detectar fugas de Semanal Tcnico J. Dpto.
2 combustible, vapor, o agua y en caso de existir eliminarlas de inmediato. Alimentacin
1 Medir peridicamente el nivel del combustible en el depsito para conocer Diario Tcnico J. Dpto.
3 los consumos y tabularlos de acuerdo a lo establecido. Alimentacin
1 Arrancar la caldera con tiempo suficiente antes del inicio del proceso de Diario Tcnico J. Dpto.
4 coccin. Alimentacin
80
No Medidas a cumplir Plazos de Ejecuta Controla
Cumplimiento
1 Mantener las luces apagadas durante el da donde sea posible la utilizacin de Diario Tcnic J. Dpto.
la luz solar. o Alimentacin
2 Mantener estricto control sobre el apagado de las innecesarias. Diario Tcnic J. Dpto.
o Alimentacin
3 Apagar los ventiladores de techo en los horarios fuera del servicio de comedor. Diario Tcnic J. Dpto.
o Alimentacin
4 Eliminar los salideros de agua, con el cerrado correcto de las llaves y reparar Diario Tcnic J. Dpto.
las que estn rotas o desajustadas. o Alimentacin
5 Utilizar racionalmente el agua en las actividades de fregado, coccin, lavado Diario Tcnic J. Dpto.
de los alimentos y limpieza de los locales. o Alimentacin
6 Cumplir con las medidas establecidas para el ptimo funcionamiento de las Diario Tcnic J. Dpto.
cmaras de fro, de acuerdo con la carta tcnica de explotacin. o Alimentacin
7 Garantizar la mxima hermeticidad de las cmaras de fro y en especial con Diario Tcnic J. Dpto.
las puertas. o Alimentacin
8 Mantener las puertas de las cmaras cerradas mientras no se estn utilizando Diario Tcnic J. Dpto.
y ubicar cortinas flexibles en las mismas para garantizar determinado nivel de o Alimentacin
hermeticidad mientras se estn utilizando.
9 Desconectar en los perodos de baja demanda de las capacidades de fro las Diario Tcnic J. Dpto.
cmaras que sean tcnicamente posibles. o Alimentacin
1 Mantener descongelados y limpios los evaporadores, los condensadores, Diario Tcnic J. Dpto.
0 filtros y dems componentes del sistema de congelacin segn la carta o Alimentacin
81
tcnica.
11 Realizar las cargas, descargas y trasiegos de los productos al interior y exterior Diario Tcnic J. Dpto.
de las cmaras en el menor tiempo posible. o Alimentacin
1 Aplicar las normas de almacenaje establecidas para las cmaras de fro, de Diario Tcnic J. Dpto.
2 acuerdo al tipo de producto para lograr la eficiencia ptima de las mismas. o Alimentacin
82
N Medidas a cumplir Plazos de Ejecuta Controla
o
Cumplimiento
1 Realizar el bombeo de agua fuera de los horarios de pico elctrico. Diario Tcnic J. Dpto.
o Alimentacin
2 Realizar el bombeo de acuerdo a los tiempos establecidos en los distintos Diario Tcnic J. Dpto.
horarios para el da. o Alimentacin
3 Efectuar los mantenimientos previstos para los equipos de bombeo. Mensual Tcnic J. Dpto.
o Alimentacin
4 Chequear el llenado correcto de los depsitos de agua, de la beca y los Diario Tcnic J. Dpto.
docentes para evitar el derrame innecesario de agua. o Alimentacin
5 Operar las vlvulas de distribucin de agua eficientemente de acuerdo con la Diario Tcnic J. Dpto.
demanda de los depsitos, para evitar el derrame innecesario de agua. o Alimentacin
6 Gestionar la puesta en funcionamiento del tanque elevado para disminuir el Semestral Tcnic J. Dpto.
tiempo de bombeo y lograr una utilizacin ms eficiente del agua. o Alimentacin
83
Anexo V. Organigrama del sistema de gestin propuesto.
Instalaciones
Reparaciones
Direccin de Inversiones
-Planes de consumo
-Limitaciones
-Indicadores de consumo
reas de la Univer
F
SIND
84