Facultad de Ingeniera Mecnica

Centro de Estudios de Eficiencia Energtica

Pronstico de consumo de energa elctrica

en la Universidad de Las Tunas usando
redes neuronales

Tesis de Maestra presentada en opcin del ttulo de Master

en Eficiencia Energtica de Amplio Acceso

Anislei Santiesteban Velzquez

Febrero 2013
 Facultad de Ingeniera Mecnica

Centro de Estudios de Eficiencia Energtica

Pronstico de consumo de energa elctrica

en la Universidad de Las Tunas usando
redes neuronales

Tesis de Maestra presentada en opcin del ttulo de Master

en Eficiencia Energtica de Amplio Acceso

Autor: Ing. Anislei Santiesteban Velzquez

Tutores: Dr. C. Julio O. Npoles Gonzlez

M Sc. Delmar Jaime Garca

Febrero 2013

AGRADECIMIENTOS

A Dios.

A mi Esposa.
 A mis compaeros del CEEPROT por su ayuda y presencia.

Al profesor Julio Npoles Gonzlez mi Tutor.

A los profesores de la Universidad de Oriente: Delmar, Mokey y Ariel por su apoyo.

A todas aquellas personas presentes que han hecho posible que este trabajo se
haya realizado.
 DEDICATORIA

A mi hija Esther Mary y a mi esposa Amparo.

A mi madre Mary y mi padre Agustn.

A mi suegra Bertha, mi otra madre.

A mi hermano Alexey por siempre estar presente.

A la memoria de mi abuela Juana, por la educacin.

A todos por estar ah cuando los necesit y son mis amigos.

RESUMEN

El trabajo que se presenta est destinado a la actualizacin del sistema de gestin

de energa en la universidad de Las Tunas Vladimir Ilich Lenin y el pronstico de
consumo de energa elctrica usando redes neuronales.
Se realizaron bsquedas bibliogrficas relacionadas con la situacin energtica
mundial y nacional especialmente en lo relacionado con la energa elctrica, as
como datos histricos de uso de la energa elctrica en el pas y su distribucin
por sectores de la economa.
Se estudiaron los principales factores influyentes en el consumo de energa
elctrica en el sector pblico del pas, particularmente en los centros del Ministerio
de Educacin Superior.
Se realiz una propuesta de actualizacin del sistema de gestin de la energa
elctrica en la ULT, se analizaron los resultados de la actualizacin del Sistema de
Gestin Total Eficiente de Energa y las medidas tomadas para el uso eficiente de
la energa elctrica. Se determinan las principales variables universitarias
influyentes en el consumo y se realiz un estudio estadstico de las mismas.
Se lleva a cabo el estudio de los mtodos de pronstico de consumo de la energa
elctrica, utilizando mtodos estadsticos y redes neuronales. Se determinan las
principales ventajas y desventajas, proponindose la utilizacin del mtodo
basado en redes neuronales por los resultados obtenidos.
ABSTRACT

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.

A medida que ha pasado el tiempo, el hombre ha ido dependiendo cada vez ms

de los recursos energticos para la satisfaccin de necesidades como la
iluminacin, calefaccin, refrigeracin, transporte y otros. Esta dependencia
energtica ha acarreado un sobreconsumo de combustibles fsiles que son
recursos no renovables. La sociedad de consumo se extiende cada vez ms,
utilizando recursos para un mayor confort, y a esta visible mejora de calidad de
vida son llevados los pases en vas de desarrollo, sin contar con condiciones que
le sean favorables para formar parte de ese modelo.

La disponibilidad de energa est fuertemente ligada al nivel de bienestar, a la

salud y duracin de vida de los seres humanos, actualmente en el mundo el 80%
de la produccin de energa se produce a travs de los combustibles fsiles como
el carbn, gas natural y el petrleo. La disponibilidad de energa elctrica, uno de
los ms claros indicadores del desarrollo, se emplea como seal de crecimiento
econmico. La demanda mundial de electricidad est creciendo rpidamente en
los ltimos tiempos a un ritmo vertiginoso [1-3].

Para el 2025 se espera un crecimiento del consumo de electricidad en pases de

rpido crecimiento econmico como China, India y en regiones como Amrica del
Sur [4].

El mundo enfrenta grandes problemas relacionados con la energa, sin embargo

las medidas tomadas no son suficientes, teniendo en cuenta los daos que le
ocasionan al ambiente, por ello desde el punto de vista energtico, en la primera
mitad de siglo XXI se plantean tres retos fundamentales [3]:

El inicio del declive de la produccin mundial de petrleo y seguido, el

mismo fenmeno para el gas natural.

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.

La obligacin de ir reduciendo las emisiones de gases de efecto

invernadero.

Cuba, al igual que la mayora de los pases en desarrollo, carece de recursos

energticos y satisface la mayor parte de sus necesidades con la importacin de
combustibles fsiles[5, 6]. Actualmente la generacin trmica ocupa el 62.99 %,
con 2901,4 MW en generacin, las plantas Diesel representan el 1,2% aportando
211,6 MW, las cuales se emplean mayoritariamente en el horario pico. La
generacin con gas acompaante del petrleo ocupa el 16,56 % de generacin de
electricidad, aportando unos 426,7 MW [7].

El sector con ms consumo energtico es el residencial, con el 36,28% del

consumo elctrico nacional, le contina el sector industrial con el 25,45%. Los
sectores comerciales y agropecuarios tienen un consumo prcticamente
insignificante respecto al sector residencial, con 1,44 y 1,78 % respectivamente
[7].

En el marco de la Revolucin Energtica, se le ha dado importancia primordial a la

implantacin de sistemas de monitoreo y control de la energa, especialmente a la
elctrica. El estudio y determinacin de indicadores confiables en el uso de la
energa elctrica es uno de los pasos fundamentales en el establecimiento de
sistemas de monitoreo y control de la energa [8].

Tecnologas como la de Gestin Total Eficiente de la Energa [9-15], poseen

herramientas que sirven para el anlisis de las informaciones energticas de los
centros evaluados.

La posibilidad de pronosticar el consumo futuro de energa elctrica es una

premisa para el buen funcionamiento de los sistemas de gestin [16].

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.

En la Universidad de Las Tunas Vladimir Ilich Lenin se realiz un trabajo en

2007, para la implantacin de un sistema de gestin total eficiente de la energa
(SGTEE)[17] donde se analiz de manera global el comportamiento de los ndices
de consumo de portadores energticos, se identific adems los portadores ms
representativos siendo la energa elctrica el de mayor peso (39.88%), seguido del
consumo de combustible diesel (38.98 %). El SGTEE implantado permiti la
creacin del comit de energa de la universidad y la designacin de responsables
en cada uno de los niveles siendo el energtico el sujeto de mayor peso pues es
quien lleva el control del consumo de energa as como de las medidas a tomar
para mitigar los derroches.

El problema de la investigacin es la falta de objetividad del sistema de gestin

de ahorro de energa de la ULT debido al desconocimiento del comportamiento del
consumo de portadores energticos y la carencia de mtodos de pronstico
adecuados del consumo de energa.

El objeto de estudio el sistema de gestin de ahorro de energa.

El objetivo general es redisear el sistema de gestin de ahorro de energa de la

ULT a partir del estudio del comportamiento de los indicadores de consumo de los
portadores energticos y de la utilizacin de un mtodo de pronstico adecuado.

Los objetivos especficos:

1. Evaluar el SGTEE de la Universidad de Las Tunas Vladimir Ilich Lenin y

proponer medidas para mejorar la gestin.

3
2. Analizar los mtodos de pronstico de consumo de energa elctrica ms
usados.

3. Obtener un modelo de pronstico de consumo de energa elctrica usando

redes neuronales artificiales y demostrar su efectividad.

La hiptesis del trabajo se enmarca en la implantacin de un mtodo de

pronstico de consumo de energa elctrica usando redes neuronales artificiales
en la Universidad de Las Tunas que se apoye en indicadores objetivos y
confiables permitir a la direccin de la universidad la toma de decisiones para su
uso eficiente.

Las tareas de la investigacin:

1. Anlisis bibliogrfico de los temas relacionados con el consumo de energa

elctrica a nivel mundial.

2. Experiencias de la gestin de la energa en universidades cubanas.

3. Anlisis de los mtodos de pronstico de consumo de energa ms usados.

4. Aplicacin de las redes neuronales como mtodo de pronstico de

consumo de energa elctrica en la Universidad de Las Tunas.

Para el desarrollo de la investigacin ser utilizado el mtodo cientfico como

mtodo general del conocimiento y dentro de l sern relevantes los siguientes:

Mtodos tericos:

Mtodo hipottico-deductivo: permite, mediante deducciones

particulares, demostrar el planteamiento de la hiptesis.

Mtodo lgico-inductivo: permite la formacin de hiptesis, investigacin

de leyes cientficas y sus demostraciones.

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.

Mtodo analtico-sinttico: consiste en el anlisis y sntesis, en sus

mltiples relaciones, y componentes, para facilitar su estudio y establecer la
unin de las partes previamente analizadas-sintetizadas, de forma concretas,
las encuestas y estadsticas para llegar a conclusiones.

Mtodo de la modelacin: opera en forma prctica o terica con el

objeto, no en forma directa, sino utilizando cierto sistema intermedio, auxiliar,
natural o artificial.

Mtodos Empricos:

Observacin: se aprecia el hecho directamente.

Experimentacin: Implica alteracin controlada de las condiciones

naturales, de tal forma que se establecern modelos, se reproducirn
condiciones, se abstraern rasgos distintivos del objeto o del problema.

La medicin: se desarrolla con el objetivo de obtener la informacin

numrica acerca de una propiedad o cualidad del objeto o fenmeno, donde se
comparan magnitudes medibles y conocidas, es la atribucin de valores
numricos a las propiedades de los objetos.

Mtodos matemticos-estadsticos: se emplean en la determinacin de la

muestra, la cuantificacin y el procesamiento de los datos obtenidos para su
organizacin y presentacin mediante tablas y grficos, que facilita el anlisis
de los mismos.

5
CAPTULO I. MARCO TERICO REFERENCIAL

Introduccin

En el presente captulo se muestran los conceptos y temas abordados durante el

desarrollo de este trabajo, obtenidos de la investigacin y consultas de diversas
fuentes bibliogrficas, del uso de las pginas Web y de las conferencias
recibidas.

1.1 El consumo de energa a nivel mundial

El aumento del consumo de energa y de agua est ntimamente asociado al

aumento de la poblacin mundial y al desarrollo tecnolgico que ha propiciado la
aparicin de numerosos aparatos y procesos fabriles altamente consumidores de
energa que forman parte de la vida moderna. La necesidad de alimentar a una
poblacin cada da ms numerosa exige que se dediquen grandes cantidades de
energa y agua a la produccin de alimentos. Sin embargo, existe una enorme
asimetra entre los consumos de energa entre los pases desarrollados y
subdesarrollados [1].

El consumo de energa en el mundo se incrementar en un 57% entre 2004 y

2025. Gran parte de este incremento ser producido en los pases con economas
emergentes [3, 19].

Paralelo a la anunciada escasez de los combustibles fsiles se produce el

fenmeno del aumento de los precios, lo que trae consigo consecuencias
desastrosas para la economa mundial, sobre todo para los pases
subdesarrollados que precisan de la importacin[20].

Las economas emergentes sern, como se muestra en la figura 1.1, las

responsables del crecimiento proyectado en el consumo de energa dentro del
mercado en las dos prximas dcadas [2, 19].

6
 Figura 1.1: Mercado Mundial del consumo de energa por regin 1970 2025.

En todo el mundo existe la preocupacin sobre el porvenir energtico mundial. Sin

embargo, hay una gran contradiccin entre los resultados de los estudios sobre la
energa y la poltica de muchos pases capitalistas.

Es tal la desigualdad, que el consumo anual de energa elctrica por habitante en

el frica subsahariana es de 482 kWh, mientras que en los Estados Unidos es de
13000 kWh[3].

La situacin actual de la energa en el mundo se ejemplifica con los datos que a

continuacin se muestran [3]:

El gasto energtico per cpita promedio mundial es equivalente a un

consumo de 5 litros de petrleo al da. Ms del 70% del gasto energtico
mundial ocurre en los pases industrializados.

El consumo mundial de combustibles ha crecido 10 veces en los ltimos

cien aos.

Unos 2 mil millones de personas no tienen acceso a una fuente fiable de

electricidad.

7
 EEUU, con apenas el 4.5 % de la poblacin mundial, produce casi el 25%
de las emisiones mundiales de CO2.

Asumiendo que la demanda de energa en pases en desarrollo crece un

2,6% por ao, su consumo total de energa podra doblar el nivel de
consumo total de los pases industrializados en el ao 2050.

A pesar del panorama sombro que se presenta, existen numerosas fuentes de

ahorro de energa que, aplicndose correctamente permiten una mirada ms
optimista del futuro energtico, como son [12, 21]:

Utilizacin masiva de las fuentes renovables de energa. Empleo racional

de la generacin distribuida.

Mejoras en las tecnologas de uso final, tanto en el ambiente domstico

como en el industrial.

Cambio de hbitos de consumo. Uso eficiente de la materia prima,

incluyendo el reciclado, la eficiencia energtica y menores emisiones.

Aumento de la transferencia de recursos a la investigacin destinada al

ahorro de energa.

Integracin de procesos trmicos. Cogeneracin. Trigeneracin.

1.2 La situacin de la energa en Cuba.

Cuba no escapa a la desfavorable situacin energtica mundial. Berdellans,

Lpez, Prez y Ricardo [6], realizan un estudio que abarca el perodo 2001-2025,
en el cual se tomaron en consideracin las proyecciones de poblacin elaboradas
por el centro de estudios demogrficos y las proyecciones de crecimiento
econmico elaboradas por el Instituto de Investigaciones Econmicas concluyendo

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.

En la figura 1.2 aparece la proyeccin de la demanda total de energa hasta el

2025, calculada utilizando el software Model for Analysis for Energy Demand
(MAED) versin Windows[22], as como el por ciento de crecimiento de sta[6].

Figura 1.2: Demanda de energa total y combustibles.

Se puede apreciar en [7] que hasta el ao 2010 se ha reducido el consumo de los

portadores primarios.

Al triunfar la Revolucin la capacidad de generacin de energa elctrica instalada

era solo de 470 MW y solo se suministraba al 56,5 % de los habitantes.
Actualmente el nivel de electrificacin es del 97,2 % [7], lo que es un extraordinario

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.

El comportamiento histrico del consumo de energa elctrica y su distribucin por

uso final en el ao 2010 aparece en el Anexo 1 [7]. De dicho anlisis se concluye
que actualmente el sector que mayor peso tiene en el consumo es la poblacin
con un 38,32 %; la industria ocupa el segundo lugar con el 26 %; las prdidas
ocupan el tercer lugar con 15 %, superando significativamente los dems
consumidores de energa elctrica.

1.3 Gestin de la energa elctrica en instituciones dedicadas al sector de

los servicios.

Las instituciones destinadas a la educacin y los servicios se consideran parte del

Sector Pblico, que est conformado por las ramas del Comercio y los Servicios.

Este sector, en el ao 2010, consumi el 2,49 % de la energa elctrica del total

generada por el pas[7].Sin embargo, esta proporcin tiende a crecer por los
siguientes factores:
El turismo, el principal servicio que brinda el pas, tiene un crecimiento
sostenido, tendencia que se mantendr en el futuro.
La actividad comercial interna se recupera del golpe sufrido en el periodo
especial y mantiene fuerte tendencia a su expansin.
Se produce una recuperacin lenta, pero sostenida, de la actividad
industrial.
La red de hospitales y policlnicos y otras instituciones de la salud se
recuperan y expande en el marco de la Batalla de ideas.

El consumo de energa de las instituciones del Ministerio de Educacin

Superior (MES) y del Ministerio de Educacin(MINED) se incrementa

10
 debido a la introduccin sistemtica de nuevo equipamiento, como
computadoras, televisores, sistemas de climatizacin, etc.

El consumo de energa elctrica en instituciones dedicadas a la educacin y los

servicios se diferencia por su magnitud del de las empresas industriales, las que
tienen un consumo considerablemente mayor. En general, las instituciones
educacionales y de servicios, desde el punto de vista de la eficiencia energtica,
se catalogan como edificios pblicos o conjunto de edificios pblicos [12, 14].

El consumo de energa en edificios pblicos tiene un peso alto en la estructura de

consumo mundial, aunque es inferior al consumo industrial. En la ciudad de
Buenos Aires, por ejemplo, es un tercio del consumo total de energa elctrica [24].

Las caractersticas principales de los edificios pblicos como consumidores de

energa y agua son las siguientes:
A diferencia de las empresas industriales, los horarios laborales, por lo
general, no son continuos.

2
La intensidad energtica y la densidad de energa ( kWh /m ) son

relativamente bajas.

Las instituciones destinadas a la educacin y los servicios tienen en comn las

siguientes caractersticas [12, 18, 24, 25]:
Estn formadas por edificios destinados a oficinas, comedores, dormitorios, aulas,
salas de conferencias, laboratorios, talleres, etc.
El consumo de energa se dedica principalmente a la iluminacin, climatizacin,
bombeo de agua, elevadores y sistemas de cmputo.
La estructura de consumo de portadores energticos de los edificios pblicos
generalmente est encabezada por la energa elctrica, con la excepcin de
empresas de transporte y otras, que por su destino final, tengan como principal
portador energtico el fuel oil o el diesel.
La introduccin de medidas de ahorro energtico se ha retrasado con respecto al
ambiente industrial, aunque se observa a nivel mundial una tendencia al equilibrio,
11
debido principalmente a que los costos de inversin de sistemas de gestin
energtica en edificios pblicos son inferiores.
Los potenciales de ahorro de energa son altos. La Gestin de Energa en
instituciones dedicadas a la educacin y los servicios ha alcanzado gran
importancia mundial, debido a su peso significativo dentro del consumo total de las
ciudades, al elevado precio de los combustibles, a las amplias posibilidades de
ahorro que ofrecen, y a los incentivos econmicos que las administraciones de las
ciudades dan a las direcciones que implementan planes de ahorros de energa.

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.

En Cuba, en el marco de la Revolucin Energtica[8], se desarrolla la tarea,

apoyada por el sistema de Trabajadores Sociales, de implantar en todas las
empresas del pas, incluyendo las destinadas a la educacin y los servicios, el
Sistema de Gestin Total Eficiente de Energa (SGTEE) [9, 10, 13, 23],
desarrollado por el Centro de Estudios de Energa y Medio Ambiente (CEEMA) de

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.

1.4 Consumo de energa elctrica en el Ministerio de Educacin Superior.

Los portadores energticos principales utilizados en las universidades cubanas

son:

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.

1.5 Consumo de energa en los CES del MES.

El consumo de energa elctrica tuvo un crecimiento sostenido hasta el ao 1989.

Posteriormente decay abruptamente, debido a las difciles situaciones del
Periodo Especial y desde el ao 1993 comenz un aumento paulatino hasta el ao
2002, cuando se estabiliz en los niveles que muestra el grfico de la figura 1.3
[18].

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:

Diferencias entre los centros en tamao fsico de las instalaciones y

edificios.
Diferencias en las magnitudes de las matrculas.
Diferencias en el nivel de completamiento en computadoras, sistemas de
climatizacin, de bombeo de agua y otros equipos consumidores de energa
elctrica.
Tipo de carreras que se imparten.
Existencia de Centros de estudios y de investigacin con talleres y
laboratorios subordinados.
Situacin y tipo de la iluminacin interior y exterior.
Otros.

1.6 Indicadores de consumo de energa en los CES del MES

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 estos, es imposible cuantificar la relacin entre el consumo de energa y la

produccin, los servicios y otros fines de las empresas que pretendan mejorar su
eficiencia energtica.

Los indicadores de consumo de portadores energticos, en forma general, se

establecen para relacionar la actividad final de cualquier centro industrial o de
servicios con el consumo de portadores energticos y tienen como objetivo
implantar sistemas de referencia que permitan comparar los niveles de eficiencia
del uso de la energa con periodos anteriores, entre instituciones similares y entre
equipos de uso final de diversas marcas y tecnologas [9, 13-15, 23, 31, 32].

En la industria o en el transporte existe gran experiencia en la utilizacin de

ndices de consumo, sobre todo debido a la magnitud del consumo y a la evidente
finalidad de las empresas de este tipo (productos elaborados, toneladas
fabricadas, kilmetros recorridos, etc.) [33-37].

Adems, el equipamiento de las empresas industriales y de transporte se

comercializa teniendo en cuenta las normas internacionales de eficiencia
energtica. En las instituciones de la enseanza superior el establecimiento de
indicadores de consumo no tiene la tradicin que en la industria o el transporte, ya
que las actividades finales de los CES son diversas, y por lo general con un alto
nivel de imbricacin entre s. Adems, los CES son diferentes en cuanto a su
finalidad y envergadura, lo que dificulta tener indicadores comunes.

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.

Pregrado para trabajadores.

Universalizacin de la enseanza superior.

Cursos a distancia.

Los indicadores principales de consumo de energa elctrica del MES propuestos

por [18] y las unidades de medida aparecen en la tabla 1.1.

16
 Tabla 1.1: Indicadores principales de consumo de energa elctrica del MES.

1.7 Experiencias de la gestin de la energa en universidades cubanas

En nuestras universidades se han realizado muchos trabajos dirigidos a la

implantacin de un sistema de gestin total eficiente de la energa.

Segn Garca y Landa [38] con la implantacin del sistema de gestin en la

Universidad de Matanzas se redujo el consumo del rea de cocina comedor, a
pesar de haberse incrementado las actividades de la Universidad. Adems
demostraron que el ndice que mejor representa el consumo de electricidad es el
de kWh / habitante-noche, obteniendo una ecuacin para predecir el consumo
sobre la base de ese habitante. Otros resultados obtenidos de la aplicacin de
este sistema los podemos encontrar en [39].

Fernndez Prez [18, 29] centr su trabajo en indicadores de consumo de energa

en funcin de las principales variables universitarias de la Universidad de
Cienfuegos (UCF): MWh Curso / Matrcula diurna, MWh Curso / Matrcula total,
MWh curso / Total de trabajadores, MWh curso / Matrcula diurna +Trabajadores,

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.

Como parte de la implantacin de un sistema de gestin de la energa en la

CUJAE, Da Trindade [43] en su trabajo realiz un estudio electroenergtico a un
edificio de la beca de esa Universidad por ser uno de los ms influyentes en el
consumo de energa elctrica. Concluyo que junto al derroche de los estudiantes
becados, el estado tcnico de las instalaciones elctricas tiene peso significativo
en el consumo. Adems en [44] se analizan otras experiencias de la implantacin
del SGTEE en esta universidad.

En el Instituto Superior Minero Metalrgico de Moa, Holgun, se han realizado

trabajos encaminados a la implantacin de un sistema de gestin eficiente de la
energa. Figueroa [45] realiz una evaluacin de los consumos histricos de
portadores energticos y los indicadores de consumo, donde se profundiza en los
consumos y prdidas de energa elctrica y agua por ser estos los portadores de
mayor peso. El autor elabor un programa de ahorro que incluye la capacitacin
del personal, reelaboracin de la documentacin tcnica del sistema de suministro
elctrico y la reparacin del sistema elctrico e hidrulico del ISMM, atendiendo a
los impactos que estos tienen y el efecto econmico que representan. Prez y
Torres [46] realizaron una actualizacin al estudio de Figueroa [45] confirmando
18
que el portador ms significativo despus de cuatro aos contina siendo la
electricidad, seguido por el agua que constituye una de las principales reservas en
cuanto a eficiencia del sistema de bombeo y su uso racional. Adems validaron las
medidas propuestas por Figueroa [45], observndose una disminucin de un 32%
del ndice de consumo kWh / becado.

En la Universidad de Camagey tambin existen resultados satisfactorios debido a

la aplicacin de un SGTEE, los resultados se pueden encontrar en [47] los cuales
fueron expuestos en el 5to Taller Internacional de Energa y Medio Ambiente.

1.8 El pronstico de consumo de energa elctrica

La importancia del pronstico de consumo de energa elctrica radica no solo en

su relacin con la disponibilidad de combustibles primarios, sino tambin en los
siguientes factores de carcter tcnico econmico[18, 29]:

Conocer con anticipacin los futuros gastos financieros por concepto de

adquisicin de combustibles para la generacin de energa elctrica.

Prever futuros cambios en las redes elctricas, subestaciones, lneas de

transmisin.

Prever el aumento del parque de plantas productoras de energa elctrica.

Necesidad de aplicar nuevas medidas para el ahorro

En el plano eminentemente tcnico el conocimiento del crecimiento o disminucin

del consumo posibilita realizar el contrato de la mxima demanda de potencia
elctrica en las mejores condiciones econmicas posibles.

A la prediccin del consumo de energa elctrica, as como de la demanda de

energa, siempre se le ha prestado especial importancia. Sin embargo, hasta la
crisis energtica de 1973 el mtodo ms generalizado era el de la tendencia anual.

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].

En [18, 29] se concluye que en el caso de la Universidad de Cienfuegos el uso de

series temporales y redes neuronales son los mtodos que ofrecen los menores
rangos de error.

En [51] se utiliza la prediccin del consumo de energa y gas LP como mejora de

las herramientas de planificacin energtica aplicada a hoteles tursticos. Con ello
es posible predecir el consumo de energa y de gas LP de una instalacin con ms
de un noventa por ciento de precisin, empleando redes neuronales artificiales
(RNA) como modelos de ajuste y predictivos.

La prediccin de la demanda elctrica y los regmenes de explotacin de circuitos

de distribucin ha sido tratado en [16, 49, 53], los resultados obtenidos son con
una precisin superior al 90%, existiendo un coeficiente de correlacin entre lo real
y lo predicho de 0.94%, posibilitando su uso industrial.

Los autores de [50] realizan la prediccin de consumo de energa elctrica a partir

de modelos multifactoriales usando variables climatolgicas como humedad,
velocidad del viento, temperatura y de las cargas ocupacionales de las
instalaciones (trabajadores, becados). Aaden una nueva variable la sensacin
trmica lo que le permiti ajustes de 5,8 % y 6,3 % superiores.

En [52] se introduce para la prediccin del consumo de energa elctrica,

herramientas computacionales utilizando variables disponibles en hoteles como el
nivel de ocupacin de las habitaciones, temporada turstica, temperatura, etc. Se

20
obtuvieron resultados muy positivos, logrndose un 92 % de concordancia entre el
dato producto de la prediccin y el real.

1.9 Mtodos ms usados para el pronstico de consumo de energa elctrica

La prediccin del consumo de energa tiene vital importancia para la sociedad en

general. Los mtodos ms usados en el pronstico de consumo de energa son:

Mtodo de la tendencia histrica simple

El mtodo de la tendencia histrica para el clculo del consumo futuro de energa

elctrica se utiliz hasta finales de los aos 70. En muchos pases se consideraba
un aumento de 7,5 % anual del consumo y su duplicacin por cada dcada [48].

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.

Mtodo de usuarios finales

El mtodo de usuarios finales se basa en las ecuaciones clsicas que expresan el

consumo de energa elctrica para cualquier local, rea administrativa, centro de
trabajo, etc., donde existan consumidores elctricos, en dependencia de su
nmero, potencia y tiempo de utilizacin [27].

Este mtodo se basa en ecuaciones definidas clsicas de la ingeniera elctrica.

Es fcilmente realizable en hojas de clculo. El mismo presenta desventaja pues
requiere de una contabilidad muy exacta del tipo de equipamiento, de su nmero y

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

Los mtodos paramtricos se ocupan de obtener, a partir del anlisis estadstico y

matemtico de los valores reales de las variables, los valores que tendran los
parmetros de los modelos en los que esas variables actan, as como de
comprobar el grado de validez de esos modelos, y ver en qu medida estos
modelos pueden usarse para la prediccin del cambio futuro de las variables
definidas como independientes [58]. Este mtodo no es aconsejable para su
utilizacin en esta investigacin pues su exactitud aumenta con el nmero de
datos, lo que no siempre es posible obtener en la cantidad requerida adems
necesita de elevada correlacin entre las variables independientes y la
dependiente, exige baja autocorrelacin entre las variables independientes.

Mtodos con aplicacin de la inteligencia artificial

Las Redes Neuronales Artificiales (RNA) constituyen un potente instrumento para

la aproximacin de funciones no lineales. Su uso resulta especialmente til en la
modelizacin de aquellos fenmenos complejos donde la presencia de relaciones
no lineales entre las variables es habitual [59, 60]. Una de las aplicaciones de las
RNA es la prediccin de consumo de energa elctrica. Por lo anterior expuesto
es aconsejable la utilizacin en esta investigacin.

1.10 Aspectos generales de las redes neuronales artificiales

Se ha implementado en distintas investigaciones el uso de la herramienta de las

Redes Neuronales Artificiales [16, 18, 29, 49, 51, 53, 59-61, 64-73]. Estas a
diferencias de otras poseen la capacidad de realizar mltiples funciones como

22
resultado de un entrenamiento (aprendizaje). Otras de sus ventajas es la elevada
velocidad de procesamiento as como su fcil aplicacin a tecnologas dismiles.

La ciencia de las Redes Neuronales Artificiales, hace sus primeras apariciones

significativas en la dcada de los cuarenta, cuando los investigadores Mc Culloch,
Pitts, Hebb, Rosenblatt, Widrow [74], desarrollaron modelos de hardware y
software de las neuronas biolgicas y de su sistema de conexiones intentando
reproducir el comportamiento del cerebro. La investigacin en este campo
comenz con dos grandes limitantes: computadoras lentas y con poca memoria y
lenguajes de programacin de muy bajo nivel.

Unas dcadas despus el desarrollo electrnico ya era otro y es a partir del ao

1982en que Hopfield [75] utilizando propiedades matemticas interesantes y un
modelo no lineal salv los problemas presentados anteriormente. A partir de
entonces las Redes Neuronales Artificiales han despertado gran inters a nivel
mundial y se han desarrollado ms de 40 modelos (variantes de los pioneros) que
exhiben caractersticas cada vez ms atractivas.

Se puede considerar una Red Neuronal Artificial como un modelo matemtico de

las actividades mentales y cerebrales. Estos sistemas explotan el procesamiento
local en paralelo y las propiedades de la representacin distribuida, aspectos que
al parecer existen en el cerebro. En la comunicacin diaria se utilizan
habitualmente informacin imprecisa, que generalmente el cerebro procesa muy
bien, generando incluso nuevo conocimiento. Esto lleva a considerar la lgica
difusa y los conjuntos difusos, de gran inters hoy da en Inteligencia Artificial y en
los Sistemas Expertos, y sus relaciones con las Redes Neuronales Artificiales [60,
61, 71, 73, 76-78].

1.11 Fundamentos de las Redes Neuronales Artificiales

El mtodo tradicional para resolver problemas complejos en ingeniera es

mediante modelos, representados por ecuaciones que buscan reproducir con
mayor o menor exactitud, el espacio fsico en cuestin. Desafortunadamente, no

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

El caso general de procesos dinmicos no lineales pueden distinguirse

bsicamente dos tipos de modelos de funcionamiento normal: los modelos fsicos
y los modelos de caja negra. Los primeros aplican leyes fsicas para ligar las
variables que intervienen en el proceso. Los parmetros que intervienen en dichas
ecuaciones tienen un significado fsico, de tal forma que el conocimiento queda
explcitamente reflejado en ellas. Sin embargo la obtencin y utilizacin de estos
modelos no siempre es posible.

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.

Los modelos de caja negra estn basados en criterios estadsticos capaces de

modelar las relaciones existentes entre un conjunto de entradas y otro de salidas.

Estas variables externas son variables fsicas, pero el resto de variables y

parmetros envueltos en el modelo pueden no tener significado fsico. Los
parmetros del modelo se ajustan a partir de un conjunto de medidas reales que
caracterizan el comportamiento del proceso en condiciones de normalidad.

La construccin de modelos de caja negra est basado en el principio que plantea

que el control ptimo es posible aun cuando no se tiene una informacin total. En
la primera etapa de la investigacin ante el experimentador surge el problema de
la formalizacin del objeto real de investigacin, de la presentacin de esta a
travs del esquema CAJA NEGRA. Una red neuronal puede interpretar, aunque
no sea totalmente as y el investigador aporte experiencia y conocimientos, el
universo como una caja negra a la que concurren un nmero de variables de
entrada y tiene como salidas las variables y como muestra la figura 1.4.

Figura 1.4: Interpretacin del universo por los sistemas inteligentes.

En aplicaciones energticas es til, adems, que sea interpretado como un

agujero negro; un sumidero de factores y energa donde concurren diversos
vectores linealmente independientes a cada uno de los cuales se asocia, la

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].

La dependencia matemtica entre los parmetros de salida (respuestas) y los

parmetros de entradas (factores) se denomina funcin de respuesta y tiene la
siguiente forma:

(1.1
)

Las aplicaciones de las RNA han crecido sustancialmente incluso donde se

conocen las relaciones entre las variables pero es difcil trabajar con ellas de una
forma eficiente o donde se exija velocidad y precisin. Las RNA han sido
entrenadas para efectuar funciones complejas en varios campos de aplicacin
entre los que se incluyen el anlisis de comportamiento [64], el reconocimiento
de69tendencias [78], la optimizacin de procesos industriales [65, 70, 71] y los
sistemas de control [61] entre muchos ms.

En energtica las RNA pueden utilizarse para controlar la operacin y la eficiencia

de un sistema de cogeneracin [67], para evaluar las prestaciones de las unidades
de generacin distribuida [81, 82], para evaluar y caracterizar una central
termoelctrica [83, 84], para predecir demandas y gastos futuros de portadores en
empresas, industrias y centros de servicios y para sugerir estrategias de ahorro
[62, 85, 86], mantenimiento e impacto ambiental [87].

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.

Figura 1.5: Red neuronal feedforward.

Las neuronas de la capa de entrada se encargan nicamente de recibir seales o

patrones que vienen del exterior y propagan tales seales a todas las neuronas de
la capa siguiente. La ltima capa acta como salida de la red, proporcionando al
exterior la respuesta de la red para cada uno de los patrones de entrada. Las
neuronas de las capas ocultas realizan un procesamiento no lineal de los patrones
recibidos. Como se observa en la figura 1.5, las conexiones del perceptron
multicapas estn siempre dirigidas hacia delante, i. e., las neuronas de una capa
se conectan con las neuronas de la capa siguiente; por tal motivo reciben el
nombre de redes alimentadas hacia delante o redes feedforward. A las conexiones
se les asocia un nmero real llamado peso de la conexin y a las neuronas de la
red un umbral, que en el caso del perceptron multicapas es tratado como una
conexin adicional a la neurona [63].

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.

Figura 1.6: Arquitectura de una red neuronal de tres capas.

El grfico de la figura anterior se puede manifestar en forma de expresin

matemtica segn la ecuacin (1.2).

(1.2)

En una neurona artificial las entradas representan vectores o seales que

provienen del exterior o son capturadas de otras neuronas. Los pesos
representan la intensidad de la sinapsis; tanto como son valores
escalares. A esa seal ponderada se le adiciona el bias(b) y se obtiene una

entrada total que acta sobre el ncleo de la neurona para activarla; es la

funcin umbral o de transferencia que, evaluada para esa entrada total, produce la
respuesta de la neurona al estmulo exterior recibido en forma similar a como
ocurre en las clulas nerviosas biolgicas.

En trminos matemticos este proceso se representa de forma sencilla como:

(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.

En el libro, Inteligencia Artificial Aplicada al Anlisis de Sistemas Energticos con

MATLAB [60, 88], aparece una informacin detallada acerca de las redes
neuronales y sus aplicaciones en el rea energtica. A continuacin se hace
referencia a algunas expresiones matemticas que definen las diferentes
funciones de transferencia de las RNA.

Tabla 1.2: Funciones de activacin habituales.

29
1.12 Conclusiones parciales

El consumo de energa a nivel mundial se comporta de manera creciente debido al

avance tecnolgico y al desarrollo vertiginoso de las economas emergentes.
Existe gran experiencia en los centros de educacin superior cubanos en la
implantacin del SGTEE, mostrando resultados satisfactorios. Adems se han
analizado los diversos mtodos empleados en el pronstico de consumo de
energa, valorndose sus ventajas y desventajas. Dentro de los mtodos se
destacan las redes neuronales artificiales las cuales han tenido un estudio
profundo en la aplicacin a sistemas energticos y en el pronstico de consumo
de energa mostrndose como herramienta ventajosa para su utilizacin en los
sistemas de gestin de la energa.

30
CAPTULO II. MATERIALES Y MTODOS

A continuacin se analizan los distintos mtodos usados para el pronstico del

consumo de la energa elctrica, se evalan sus ventajas y desventajas relativas.
Como medio de validacin se usa el Error cuadrtico Medio (EMC).

2.1 Mtodo de la tendencia histrica

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.

MWh = 0,151*mes + 15,71

MWh= 4,824ln (mes) + 6,071

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.

2.2 Mtodo de usuarios finales

El mtodo de usuarios finales se basa en las ecuaciones clsicas que expresan el

consumo de energa elctrica para cualquier local, rea administrativa, centro de
trabajo, etc., donde existan consumidores elctricos, en dependencia de su
nmero, potencia y tiempo de utilizacin:

(2.1)

Donde:

: Potencia activa de un tipo de equipo o

determinada familia de equipo.

Ejemplo: Aires acondicionados de la misma potencia, computadoras de oficinas,

computadoras de laboratorios, bombas de agua, etc.

: Nmero de equipos.

: Tiempo de uso anual.

La ecuacin anterior permite conocer el consumo de energa elctrica para

cualquier momento, pasado, presente y futuro, actualizando los datos de cada tipo
de equipamiento, lo que se realiza fcilmente con hojas de clculo de Excel u otro
software.

Para la prediccin, adems de los datos anteriores es necesario aadir el dato

relacionado con la fecha de puesta en servicio del nuevo equipamiento, para lo

cual se introduce el coeficiente

(2.2)

32
Dnde

: Total de meses que funcionar el nuevo equipamiento el prximo ao y

que depende de la fecha de montaje o puesta en funcionamiento.

12: meses del ao.

El incremento del consumo del nuevo equipamiento se calcula por la frmula:

(2.3)

El tiempo de uso de los distintos consumidores se determina por encuestas, por la

experiencia de los usuarios o por mediciones directas en las reas de instalacin.

La ecuacin es exacta cuando se cumplen las siguientes condiciones:

Se conocen con exactitud los datos de los equipos, nmeros y potencias

nominales.

Se ha determinado con exactitud el tiempo promedio de uso de los distintos

equipos. Para ello es conveniente someter los datos obtenidos a anlisis
estadsticos para eliminar la informacin errnea.

Hay una estadstica exacta del momento de puesta en servicio del nuevo
equipamiento.

Debido a que la distribucin del consumo recae principalmente en los equipos ms

numerosos, ms potentes, o de mayor tiempo de utilizacin, as como los que
renan dos o ms de estas condiciones. Es conveniente eliminar de la ecuacin
los consumidores de menor importancia. Adems, hay un determinado grupo de
consumidores que no varan de nmero y de tipo con el tiempo. En el caso de la
ULT esos consumidores son:
1. Iluminacin.
2. Neveras.
3. Calderas.

33
 4. Bombas de agua.
5. Instrumentacin de laboratorios docentes.
6. Fotocopiadoras, impresoras, fax, scanner.
7. Otros.

Para expresar el consumo diario, mensual o anual del conjunto de equipos

relacionados anteriormente y que tienen poca o nula variacin con el tiempo, la
ecuacin toma la siguiente forma:

(2.4)

Dnde : consumo del equipamiento que vara poco o no vara con el tiempo.

Como se ha demostrado anteriormente los consumidores de ms peso tienen en

el consumo de energa en la ULT y que no se encuentran en la relacin anterior
son:
Aires acondicionados
Computadoras
Televisores.
Ventiladores

En el caso de los televisores y los ventiladores no pesan significativamente en el

consumo por su nmero y potencia, la variacin del consumo depende
fundamentalmente del incremente del nmero de computadoras (PC) y aires
acondicionados.

Los aires acondicionados de ventanas se fabrican desde media tonelada de

refrigeracin hasta dos toneladas. Las potencias promedio de aires
acondicionados modernos aparecen en la tabla 2.1

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

La potencia promedio de las PC de escritorios tpicas es de 300 W, para monitores

de 14 y 17 pulgadas.

Los tiempos de uso tpicos diarios para los aires acondicionados y computadoras
instalados en las diferentes areas aparece en la tabla 2.2.

Tabla 2.2: Tiempo de uso tpico de aires acondicionados y computadoras en la

ULT
Tipo de Equipo Dpto. Docente Oficinas Admn. Lab. Computacin Nodo
Aires 6h 6h 16 h 18 h
Acondicionados
PC 7h 7 h 16 h 24 h

Como se demuestra en la tabla, es factible considerar la dependencia entre el

consumo y la potencia de los aires acondicionados, lo que facilita expresar la
cantidad total de aires por locales en kWh conociendo su capacidad de
refrigeracin.

2.3 Mtodos paramtricos

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.

Figura 2.3: Nmero de aires acondicionados vs consumo de energa elctrica.

Para realizar la prediccin del consumo de energa elctrica utilizando el mtodo

paramtrico es necesario definir las variables explicativas (independientes) que se
usarn, lasque, directa o indirectamente, deben tener influencia en el consumo de
electricidad.

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.

Para aplicar el mtodo paramtrico para el pronstico de consumo anual de

energa elctrica en la ULT se utilizar el Software STATGRAPH 5.1 y la
herramienta estadstica regresin mltiple.

Debido a que uno de los requerimientos de los anlisis de regresin mltiple es

evitar la autocorrelacin entre variables, y que el nmero de estas no debe ser
grande, con el objetivo de que no se produzca un coeficiente R 2 falso, se descarta
el uso de la variable matrcula total, ya que esta incluye en un alto por ciento la
matrcula diurna. Adems, los alumnos externos que junto con los diurnos
conforman la matrcula total prcticamente no inciden en el consumo de energa
elctrica debido a que su presencia en la ULT es quincenal y no hacen uso de la
beca, del comedor y el uso que hacen de los laboratorios de computacin es bajo.
Se decide incluir la (variable diurnos + trabajadores), debido a que representan la
totalidad de las personas que permanecen mayor tiempo en la ULT, incidiendo en
el consumo de energa elctrica. Se incluye la variable becados, debido a que
constituyen la categora de estudiantes diurnos que ms impacto tienen en el
consumo de energa elctrica por su pertenencia a la Residencia Estudiantil.

Las variables que se usaran en la regresin mltiple se resumen en la tabla 2.3

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

En la tabla 2.4 se muestran los resultados de la regresin simple entre las

variables finales.

Tabla 2.4: Resultados de la regresin simple entre las variables finales.

Variable Variable Error

Ecuacin R2% p-Valor
dependient independient Standar
e e d

MWh Becados 14,7707 + 0,43 0,0519 61,19

0,540582*Becados 8

MWh PC 179,4 +0,672*PC 0,38 0,0754 64,1481

3

MWh Aires 152,415 + 0,57 0,0174 53,08

1,97751*AIRES 7 4

MWh MD+T -241,862 + 0,69 0,0052 45,1163

0,309502*MDT 5

Los resultados reflejan que la relacin entre las variables independientes y el

consumo de energa son muy bajo. El valor de p-Valor que est por debajo de 0,05
indica un nivel de confiabilidad superior al 95 %.

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:

Valor pronosticado para cada ao.

Valor real de consumo.

Nmero de cursos pronosticados.

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

2.4 Prediccin de consumo usando redes neuronales artificiales

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.

El entrenamiento supervisado se realiz con los datos de entrada de la tabla 2.3,

se conform una red neuronal que permiti predecir el consumo de energa
elctrica por cursos en funcin del total de becados, el total de diurnos y
trabajadores, el nmero de PC por cursos y de aires acondicionados.

Como patrn de referencia de la exactitud se utiliz error medio cuadrtico (EMC).

Los valores de comparacin fueron los pronosticados por la red y los reales de

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.

En la figura 2.4 se muestra la ventana que corresponde al Neural Network

Toolbox del MATLAB usada para la creacin, entrenamiento y simulacin de la
red neuronal creada. El mismo se puede llamar usando el comando nntool.

Figura 2.4: Ventana nntool de MATLAB para crear, entrenar y simular redes
neuronales

En la figura 2.5 se puede apreciar el esquema de la red neuronal artificial utilizada.

41
 Figura 2.5: Representacin esquemtica de la RNA empleada.

La determinacin del nmero ptimo de neuronas de la capa oculta se llev a

cabo mediante un proceso de ensayo y error. En todo caso, el objetivo ser dotar
a la red de un nmero adecuado de neuronas en la capa oculta para que sea
capaz de aprender las caractersticas de las posibles relaciones existentes entre
los datos de la muestra. Demasiadas neuronas podran llevar a un sobre-ajuste, la
red memorizara el conjunto de datos de entrenamiento y para valores
pertenecientes al mismo su precisin sera casi absoluta. Sin embargo si le
presentan valores desconocidos fallara estrepitosamente, dado que como
consecuencia del sobre-ajuste sera incapaz de generalizar. Por otra parte si el
nmero de neuronas en la capa oculta es reducido podremos llegar a una
situacin de sub-ajuste, en la cual la red no sera capaz de aprender ciertas
relaciones existentes entre las variables.

El aprendizaje de este modelo se estableci a las 30 interacciones. La capacidad

de aprendizaje se estim comparando el conjunto del entrenamiento y los datos en
tiempo real para cantidades diferentes de neuronas en la capa oculta. Se eligi,
por ultimo una cantidad de 10 neuronas en la capa oculta, ya que fue el valor que
ofreci una mejor combinacin entre estos datos. Luego de 100 interacciones, la
red alcanz un error cuadrtico medio de 0.0001615369. El entrenamiento de la
red se puede ver en el grfico de la figura 2.6.

42
 Figura 2.6 Grfico del aprendizaje de la red.

Figura 2.7Resultados del entrenamiento, las pruebas y la validacin de los

modelos en RNA.

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%.

El modelo basado en RNA queda conformado con los siguientes pesos y

polarizaciones en correspondencia con la cantidad de capa de neuronas:

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]

En la tabla 2.6 se muestran los resultados de la simulacin de la red neuronal de

10 neuronas (RN10), el error absoluto obtenido y el error medio cuadrtico
obtenido.

Tabla 2.6 Resultado de la simulacin de la red RN10.

Como se puede observar el error de aproximacin obtenido de 5,87, provocado

principalmente por la existencia de pocos datos de entrenamiento.

Observaciones:

El EMC de la red neuronal resulto significativamente menor que el

obtenido por la regresin mltiple, para valores dentro del rango de
entrenamiento.

Para valores superiores a los de entrenamiento no hay diferencias

significativas entre los MWh pronosticados por la regresin mltiple y la
red neuronal.

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.

El carcter de caja negra de la red neuronal es una desventaja relativa

ante la posibilidad de la regresin mltiple de obtener una ecuacin final,
ya que los pesos de cada variable en el resultado final pueden obtenerse
sin dificultad.

El hecho de que las RNA aceptan relaciones no lineales constituye una

considerable ventaja ante la regresin mltiple.

La disponibilidad de softwares para la regresin mltiple y las RNA es

prcticamente similar, ya que existen numerosos en el mercado y en forma
libre.

2.5 Conclusiones parciales

En este captulo se realiza un anlisis sobre los mtodos de pronstico del

consumo de energa elctrica en cuanto a sus potencialidades para su aplicacin
en el mbito de la Universidad de Las Tunas seleccionndose las RNA como el
mejor. Se propone una metodologa para la utilizacin de las redes neuronales
artificiales en el pronstico de consumo de energa elctrica.

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.

3.1 Sistema de Gestin de la Energa Elctrica

La Universidad de Las Tunas Vladimir Ilich Lenin se encuentra ubicada en el

Rpto. Santos Ave Carlos J. Finlay S/N, municipio Las Tunas. En el centro se
estudian las carreras de Ingeniera Industrial, Informtica y Agronoma, y las
Licenciaturas en Estudios Socioculturales, Derecho, Contabilidad y Economa.
En la ULT, anteriores a Rodrguez (2007) [17], solo se registraban actividades de
forma incipiente encaminadas a disminuir el consumo de portadores energticos,
sobre todo de energa elctrica y combustible usado para el transporte. Sin
embargo, debido a las limitaciones con los recursos, sobre todo de medios de
medicin y a la inexistencia de un sistema de gestin energtica, los trabajos se
limitaban a las tareas de mantenimiento y al corte frecuente de fluido elctrico a
las reas de mayor consumo.
Con [17] se comienza la introduccin del SGTEE, con los siguientes objetivos
inciales:
1. Recoleccin de datos estadsticos sobre el uso de los portadores
energticos.
2. Estudio de los principales problemas en el uso eficiente de los portadores
energticos.
3. Determinacin de la estructura de consumo del centro.
4. Levantamiento del banco de problemas energticos.
47
 5. Determinacin de la estructura de consumo del centro.
6. Determinacin de potenciales de ahorro.
7. Conformacin de la Comisin de Energa del Centro.

En la figura 3.1 se muestra el diagrama de Pareto de los portadores energticos

que ms inciden en el consumo de energa del centro. Durante la realizacin del
estudio se comprob que el portador mayor consumido fue la electricidad con un
39.88%, seguido muy de cerca por el diesel con un 38.98 %, estos dos portadores
representan cerca del 80 %, aunque Pareto recomienda prestar principal atencin
a estos dos, el consumo de gasolina no es nada despreciable, en general ellos 3
prcticamente representan el 100 %.
Pareto de Consumo Energtico Promedio de los aos 2004
al 2007

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

Figura 3.1: Consumo de portadores energticos en la ULT. 2004 2007.

Con la caracterizacin histrico-energtica del centro, se determinaron los
siguientes equipos, reas o personales que son los que inciden directamente en el
consumo de portadores energticos considerndose como puestos claves:

Sala de Caldera.
Banco de Transformadores.
Cmaras Fras.
Laboratorios de Computacin, Biotecnologa, Microbiologa.
mnibus de Transporte obrero, estudiantil, camin de carga.

En cada rea se hicieron las actividades propias para mejorar la eficiencia y

establecer los planes de ahorro pertinentes.

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.

3.2 Actualizacin del consumo de portadores energticos. 2011.

En la Tabla 3.1 se muestra la estructura de consumo de portadores energticos en

la ULT en el ao 2011.
Tabla 3.1: Estructura del consumo de portadores energticos en la ULT. 2011.
Portador Unidad Consumo TCC % TCC % Acumulado
E. Elctrica. MWh 341,44 121,63 63,21 63,21
Diesel Miles L 46,34 41,49 21,56 84,77
Gasolina Miles L 27,27 22,73 11,81 96,59
GLP kg 5638,61 6,55 3,40 100
Totales 192,41 100

La estructura de consumo de la ULT es muy similar a la estructura de consumo de

otros CES adscriptos al MES [18, 39, 41, 44, 89], y en ella aparece que la
electricidad es el mayor portador consumido, con un 63,21 %.

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.

Con el mtodo de pronstico usando las redes neuronales artificiales se puede

realizar de manera directa en el consumo de electricidad pues se puede predecir
el comportamiento en los aos venideros en dependencia de las variables de
entrada.
Las principales deficiencias detectadas en la ULT en el uso de la energa elctrica
se relacionan a continuacin:
1. Existencia de mltiples salideros de agua en la red interna y externa que
implicaban un trabajo adicional de las bombas de agua.
2. Alto consumo de energa elctrica en la Residencia Estudiantil.
3. Poco uso de las posibilidades de ahorro de las PC.
4. Registro deficiente y poco frecuente del consumo de energa elctrica.
5. Existencia de un solo metro contador para toda la ULT.
6. Desconocimiento por parte del personal de contabilidad del consumo de
energa elctrica.
7. Deficiente estado del aislamiento de cmaras fras y reas climatizadas.
8. Poca conciencia de la necesidad de ahorro de energa elctrica por el
personal en general.
9. Crecimiento sostenido del consumo de energa elctrica.
Con el pronstico de consumo de energa elctrica usando redes neuronales se le
dan solucin las deficiencias 2, 6, 8 y 9 pues es una herramienta que teniendo el
50
nmero de becados como variable de entrada puede predecir las variaciones de la
demanda elctrica del rea de residencia estudiantil. En el caso de las deficiencias
6, 8 y 9 incide directamente en que mediante su uso el personal de contabilidad
podr hacer comparaciones entre el valor pronosticado y el valor medido y de qu
manera podr variar en dependencia de las variables de entrada. Para las dems
deficiencias el conocimiento general del valor pronosticado de consumo de
energa elctrica determinar el crecimiento o no del consumo de energa elctrica
y la toma de medidas para la implantacin de medidas para ahorrar energa.

3.3 Actualizacin de las reas, puestos y personal clave en el uso de la

energa elctrica

La determinacin de las reas que ms peso tiene en el consumo de portadores

energticos implica el uso de medios de medicin que permitan conocer con
exactitud el gasto de cada rea o edificio. En el caso de la energa elctrica exista
la dificultad de la existencia de un solo metro-contador para toda la ULT, por lo que
se tom la decisin de realizar mediciones en cada una de las reas de la
universidad. En las reas donde no se realizaron mediciones directas, se realiz el
clculo del consumo contabilizando el equipamiento, el tiempo de uso promedio y
las potencias tpicas, lo que permiti estimar el consumo promedio de energa
elctrica.
En la figura 3.3 se muestra la distribucin del consumo de energa por reas de 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

En base a los datos representados en las figuras 3.3 y 3.4, a la estructura de

consumo y a las deficiencias encontradas en el uso de los portadores energticos,
se mejor la composicin de la Comisin de Energa del Centro propuesta por [17]
y se determinaron los Puestos Claves en el ahorro de energa elctrica.
Composicin de la Comisin de Energa:
Rector ULT
Vicerrector Econmico.
Energtico
Director de Inversiones

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.

Cada integrante del mismo debe cumplir las siguientes tareas:

Rector ULT. Responsable de todo lo relacionado con la energa en el centro.

Vicerrector Econmico. Su funcin es apoyar, supervisar, asumir tareas, dirigir,

todo en funcin de la gestin energtica del centro. Debe ser capaz de asumir la
responsabilidad y direccin del comit cuando sea necesario.

Energtico. Es la persona clave dentro de la organizacin del comit, persona de

reconocida capacidad, formacin y prestigio. El cual debe ordenar la realizacin de
ensayos, toma de datos y anlisis. Solicitar todo tipo de datos a otros
departamentos. Contar con un personal colaborador a sus rdenes directas
adems de contar con el presupuesto adecuado.

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.

Tareas de los miembros del Comit: Seleccionar en las reas el responsable de

la energa. Implementar en las reas los programas de ahorro energtico.
Coordinar con el sindicato parmetros emulativos por rea. Brindar informacin
sobre el consumo de los portadores energticos de cada rea hacia las dems.
Brindar informacin sobre el estado del consumo energtico del centro con una
frecuencia mensual. Dar a conocer el Programa de Ahorro de portadores
energticos de cada rea y del centro. Responsabilizarse de la realizacin de la
contabilidad energtica en el centro. Responsable de la elaboracin de los
programas de inspeccin del consumo, mantenimiento y reparacin de equipos
consumidores de energa. Responsabilizarse de la concientizacin y motivacin
del ahorro de energa.

En la tabla 3.2 se muestran las reas y equipos considerados claves en el

consumo de energa elctrica.
Tabla 3.2 reas y equipos claves.

reas y puestos claves

Nmer
o Puesto Clave Consumo diario kWh % del Consumo Diario
1 PC 466,26 32,73
2 Cafetera 193,00 13,55
4 FCT 109,23 7,67
3 Cocina - Comedor 109,10 7,66

Como se puede ver el uso de las computadoras en la universidad tiene el mayor

peso en el consumo de energa. El pronstico usando la red neuronal propuesta
utiliza como variable de entrada el nmero de computadoras, siendo muy efectiva
su utilizacin para determinar la demanda de energa elctrica a variaciones del
nmero de computadoras, lo cual permitira tomar las medidas de ahorro
pertinentes.

54
3.4 Determinacin de las principales oportunidades de ahorro. Elaboracin
de los proyectos de mejoras

Las principales oportunidades de ahorro se encontraron en las reas y edificios

que conforman el 85.81 % del consumo de energa elctrica. Se elaboraron
proyectos de mejoras destinadas a dar a corto, mediano y largo plazo una
disminucin en el consumo de portadores energticos. La generalizacin del uso
de la RNA usada para el pronstico de energa elctrica es una de las medidas a
tener en cuenta pues adems de ser una herramienta para conocimiento y
utilizacin del energtico de la Universidad, sera importante que los directivos y
miembros de la comisin de energa puedan determinar las variaciones de las
variables que bajo su mando estn y puedan influir en la demanda de energa
elctrica. En los anexos II, III, IV se puede encontrar el conjunto de estas medidas,
con responsable y quien lo controla. Adems de las expuestas en los anexos son
necesarias tambin:
Medidas organizativas:
Elaboracin de un plan de solucin de los problemas de la red hidrulica
externa e interna.
Determinacin del personal clave para el ahorro de energa elctrica.
Informacin sistemtica a los directivos principales de la ULT del consumo
de energa de sus reas subordinadas.
Entrega al personal clave en el ahorro de energa de sus deberes
funcionales.
Indicaciones sobre el modo de ahorro de energa de monitores de PC.
Estudio del comportamiento de los ndices de consumo de energa
elctrica.

Medidas tcnicas y de inversin:

Medicin diaria del consumo de energa elctrica.
Instalacin de metros contadores en las reas de las residencias.

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.

3.5 Determinacin y validacin de indicadores energticos

En el acpite 1.6 se mostraron los principales indicadores de consumo de energa

elctrica que deben utilizarse en los distintos CES del MES. A estos indicadores
generales se aaden otros especficos para cada centro, condicionados por las

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:

La matrcula diurna, el nmero de becados, la matrcula total y el nmero

de trabajadores por cursos y no por aos.

La tabla 3.3 muestra el consumo de energa elctrica por cursos (MWh), la

matrcula diurna (MD), la matrcula total (MT), el nmero de becados (B), el
nmero de trabajadores (T) y la suma de la matrcula diurna y los trabajadores
(MDT).

Tabla 3.3 Consumo de energa elctrica y cambio de las variables universitarias

por curso.
Curso MWh MD MT B T MDT
2003-2004 203,48 654 1769 385 687 1341
2004-2005 194,86 733 1346 376 712 1445
2005-2006 207,71 859 1652 417 786 1645
2006-2007 238,90 1019 2110 571 792 1811
2007-2008 365,91 1112 2362 534 810 1922
2008-2009 390,55 1114 2346 508 825 1939
2009-2010 334,96 955 2044 633 855 1810
2010-2011 315,68 855 2453 603 824 1679
2011-2012 337,83 965 2231 518 844 1809

A continuacin se muestran los resultados de anlisis de regresin efectuados a

las variables de la tabla 3.3 con respecto al consumo de energa elctrica por
cursos. (Tabla 3.4).
Tabla 3.4 Resultados de los anlisis de regresin efectuados a las variables
universitarias y el consumo de energa elctrica.
Variable Variable Ecuacin R2 % p - Valor

57
dependiente independiente

MWh MD 0,382073*MD 63,1483 62.87 0,0108

MWh MT 0,173015*MT 64,2824 71,42 0,0041

MWh B 0,540582*B + 14,7707 43,88 0,0519

MWh T 1,05517*T - 548,749 63,31 0,0103

MWh MDT 0,309502*MDT 241,862 69,50 0,0052

Los resultados de los anlisis de regresin simple efectuados reflejan que no

existe una significativa correlacin entre todas las variables universitarias y el
consumo de energa elctrica. El coeficiente R 2 solo en el caso de la matrcula total
se acerca a un valor ptimo, en los dems casos reflej que no existe correlacin.
El valor de p-Valor es inferior a 0,05 en todos los casos excepto para los becados
(B), lo que otorga una confiabilidad mayor de 95 %.
Es vlido sealar que la no existencia de correlacin entre la variable dependiente
y las independientes seala que existen serios problemas que inciden en el
consumo de energa elctrica, sealndose la necesidad de trabajos futuros para
lograr la correlacin de las mismas y as que estos indicadores muestren un
resultado de alta confiabilidad.
Las figuras 3.5, 3.6, 3.7, 3.8 y 3.9 se representan grficamente los resultados de
las correlaciones que aparecen en la tabla 3.4

58
Figura 3.5: Correlacin entre Matrcula Diurno y MWh.

Figura 3.6: Correlacin entre Matrcula Total y MWh.

59
Figura 3.7 Correlacin entre Total de Becados y MWh.

Figura 3.8: Correlacin entre Trabajadores 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.

En la tabla 3.5se muestra el comportamiento de los indicadores de consumo de

las distintas facultades de la Universidad durante el curso 2011-2012.

Tabla 3.5: Indicadores de consumo de energa elctrica de las facultades. Curso

2011-2012.
Indicadores kWh por Estudiante Diurno kWh por Matricula Total
FCT 0,42 0,21
FCE 0,28 0,09
FCA 0,69 0,27
FCSH 0,28 0,15

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.

En la tabla 3.6 se muestran los dos indicadores propuesto por [29].

Tabla 3.6 kWh anual contra rea de la Universidad.
Indicadores
Cursos
2007-2008 2008-2009 2009-2010 2010-2011
kWh anual por rea CES 0,44 0,49 0,62 0,76
kWh anual por rea total 0,31 0,34 0,43 0,53

Como se puede apreciar la tendencia en estos tres aos mostrados es a crecer,

esto viene dado debido al crecimiento de la gestin universitaria y al aumento de
la carga instalada.
La relacin final de indicadores de consumo de energa elctrica propuestos son
los mismos aprobados por el ministerio exceptuando el uso de indicadores
referentes a los becados extranjeros pues nuestra universidad no cuenta con ellos.
Debe sealarse que se utiliza el valor MWh Curso debido a que las principales
variables universitarias no cambian a travs del curso, lo que facilita la
comparacin con cursos anteriores y facilita los pronsticos. Sin embargo, para
anlisis dentro del mismo curso, puede utilizarse el valor kWh diario, el que es fcil
de determinar dividiendo entre la cantidad de das tiles o por mediciones
sistemticas.
En la figura 3.10 se muestra como han variado los principales indicadores desde el
curso 2003 2004 hasta el curso 2011 - 2012.

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.

3.6 Propuesta de actualizacin del sistema de gestin de la energa elctrica

en la ULT

El actual sistema de gestin de la energa en la ULT [17] tiene las siguientes

debilidades:
No se apoya suficientemente en las posibilidades tcnicas y de informacin
que ofrece la Intranet del Centro para la comunicacin y para la transmisin
y elaboracin de datos.
La gestin se realiza a nivel de toda la ULT y no en las reas, lo que limita
la participacin del personal y las posibilidades de los jefes de reas para
ejercer su autoridad y responsabilidad en el uso eficiente de la energa
elctrica.
El nivel de medicin aun no abarca la totalidad de las reas.

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.

El sistema de gestin que se propone rene las siguientes caractersticas:

Se apoya en el sistema existente.
Necesita de un elevado nivel de medicin.
Le da a las reas y a sus jefes mayor peso en la gestin.
Utiliza la Intranet como medio de informacin y transmisin de datos.
Exige el uso de un analizador de redes.
La utilizacin de las RNA para el pronstico de consumo de energa
elctrica.

En el anexo V se muestra un organigrama de sistema de gestin actualizado, el

mismo contiene la estructura anterior y las mejoras.

3.7 Resultados de la gestin de energa en la ULT

La gestin de energa elctrica, ha tenido resultados positivos:

Amplia informacin de las estructuras de consumo por reas, edificios y por
uso final.
Dominio de los puestos claves en el ahorro de energa elctrica.
Determinacin del personal a distintos niveles responsable en el consumo y
ahorro de energa elctrica.
Determinacin de los principales problemas en el uso de la energa
elctrica.
Concientizacin del personal en el uso racional de la 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.

3.8 Resultados de la Gestin de la energa elctrica usando la redes

neuronales artificiales

Valoracin econmica

Una manera de determinar el impacto econmico de la utilizacin del mtodo de

pronstico de consumo de energa elctrica usando redes neuronales es
realizando una comparacin entre el valor pronosticado por la red neuronal y el
estimado por el departamento de contabilidad de la Universidad de Las Tunas.
Los datos de entrada utilizados para la simulacin de la red neuronal fueron
obtenidos en la oficina de estadstica de la universidad mostrndose de esta
manera:
MWh (Estimado
Becados PC Aires MDT por Estadstica)
526 278 122 1830 330

Los MWh pronosticados por la red neuronal: 298.23 MWh ao.

La diferencia de entre los MWh pronosticados y los estimados se realiza por
clculo aritmtico.
Dif . Pronst .MWh =MWhest MWh pronst

3.1
Donde:
MWh est : MWh estimado por la oficina de Estadstica en funcin del

comportamiento del consumo de energa en los aos y la suma de los consumos

mensuales ajustados a los planes.
MWh pronst : MWh pronosticado por la red neuronal.
Dif . Pronst .MWh : Diferencia entre pronsticos.
Dif . Pronst .MWh =330 MWh298.2258 MWh

Dif . Pronst .MWh =31,77 MWh

65
Este resultado muestra una informacin ms all del valor monetario que se pueda

tener pues Dif . Pronst .MWh es la diferencia de dos valores pronosticados, el

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

el promedio de la tarifa elctrica de la Universidad.

Impacto ambiental

Para evaluar el impacto ambiental se valora el impacto que tendra el que se

ahorrasen los 31,77 MWh calculados anteriormente. Se tiene en cuenta la
reduccin de las emisiones de dixido de carbono (CO 2), xidos de azufre (SOX) y
xidos de nitrgeno (NOX) al ahorrar combustible (fuel - oil) que utiliza el
Sistema Electroenergtico Nacional (SEN) para generar energa elctrica. Para
determinar las emisiones de CO 2, NOX y SOX cuando se utiliza energa
elctrica del SEN con fuel-oil como combustible se utilizaron las siguientes
expresiones dadas. [18]

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:

D fuel oil: Consumo de fuel oil para generar la energa elctrica

1,14: Coeficiente que tiene en cuenta las prdidas en la red de transmisin
y distribucin de la energa elctrica.
Cp: Calor especifico de combustin inferior del fuel oil (10 400 kJ/kWh).
El SEN (Sistema Electroenergtico Nacional) tiene un consumo especfico de
combustible en la actualidad de 280 g/kWh. Como se mencion anteriormente con
el uso del pronstico de consumo de energa elctrica usando las redes
neuronales en un ao se ahorran 31.77 MWh. Se dejan de quemar para la
generacin de energa elctrica 8907.30 kg de combustible por hora.
Aplicando las ecuaciones (3.2; 3.3 y 3.4), en una hoja de clculo del Excel, se
dejarn de emitir:

Tabla 3.7 Impacto ambiental.

Reduccin de Emisiones Emisiones Emisiones
de CO2
contaminantes de SOx de NOx
en Termoelctricas (tn) (tn) (tn)
Por cada kWh
ahorrado se 41,38 1,53 0,017
deja de emitir

3.9 Conclusiones parciales

Se realiz una actualizacin al SGTEE en la Universidad de Las Tunas,
determinndose como portador ms consumido la energa elctrica. Se tomaron
un conjunto de medidas encaminadas a reducir el consumo de dicho portador y se
aplic el mtodo de pronstico de consumo de energa elctrica usando redes
neuronales artificiales. Adems se determinaron los impactos econmicos y
medioambientales de la utilizacin del pronstico usando redes neuronales como
herramienta del SGTEE.

67
CONCLUSIONES GENERALES.

Se actualiz el SGTEE en la Universidad de Las Tunas. Como parte de esta

actualizacin se determin el portador ms consumido siendo la energa elctrica.
Se determinaron las reas y equipos claves que inciden directamente en el
consumo de la energa elctrica. Se proponen medidas de carcter organizativo,
de carcter tcnico y de inversin adems de medidas de concientizacin.

Se analizaron los mtodos de pronstico de consumo de energa elctrica ms

usados escogindose las redes neuronales artificiales por ser el ms preciso. Se
cre, simulo y valido una red neuronal para el pronstico del consumo de energa
elctrica obtenindose un error de aproximacin de 5,87 % debido a la existencia
de pocos datos en el entrenamiento.

Se comprob la valides del mtodo propuesto al comparar los resultados

pronosticados con los valores estimados por la oficina de estadstica de la
Universidad, resultando una diferencia de 31,77 MWh. Con este valor obtenido se
pudieron determinar las potencialidades tcnicas de ahorro as como los
beneficios econmicos y ambientales.

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

1. ASPO, B. Crisis energtica. 2005 [cited 24/09/2012 24 de junio de 2012];

Volumen 60:[Available from:http://www.Crisis_energtica.org/articlephp?
story=2005.
2. CIEMAT. Situacin de la energa en el Mundo, Europa y Espaa. 2008
[cited 12/09/2012; Available from:
http://www.energiasrenovables.ciemat.es/especiales/energia/documentos_e
nergia.htm.
3. Pinto, J. Como ser el mundo en el 2050. 2011 [cited 20/06/2012 20 de
junio 2012]; Available from:
http://www.Soberana.org/1Profesores/Loeneisen/Ecuador-
20050/mundo2050.
4. Administration., E.I., U.S.A. Annual Energy Outlook 2005 with Projections to
2030. 2005.
5. Torres, I.L., Procedimiento para el anlisis de la demanda en los circuitos
elctricos urbanos de distribucin primaria, in Facultad Metalurgia Y
Electromecnica. Departamento De Ingenieria Elctrica. 2011, Instituto
Superior Minero Metalrgico De Moa: Moa. Holgun. Cuba. p. 93.
6. Berdellans, I., et al., Tendencia del desarrollo energtico en Cuba, in
Conferencia Internacional de Energas Renovables. 2005: La Habana.
Cuba.
7. ONE. Oficina Nacional de Estadstica. 2010 [cited 08/06/2012; Available
from: www.one.cu.
8. Rebelde, J., Revolucin energtica en Cuba. Juventud Rebelde, 2006.
9. Ambiente, C.d.E.d.E.y.M., Manual del Sistema de Gestin Total Eficiente de
la Energa, CEMMA, Editor. 2001, CEMMA. Universidad de Cienfuegos:
Cienfuegos.
10. Avella, J.C.C., R.G. Dorta, and L.S. Macas, La Eficiencia Energtica en la
Gestin Empresarial, ed. E.U.d. Cienfuegos. 2000, Cienfuegos.
11. Barallobre, N.R., Diseo de un nuevo Sistema de Gestin Energtica, in
Facultad de Ingeniera Elctrica. 2004, CUJAE: La Habana. p. 101.
12. Campos, J.C. La gerencia de la energa en las empresas. 2010 [cited
20/08/2012 20/08/2012]; Available from:
Http//www.monografias.com/trabajos16/gerencia-de-energa.shtml.
13. Nordelo, A.B. and J.M. Yanes, Gestin energtica en el Sector Productivo y
los Servicios. 2006, Cienfuegos: Centro de Estudios de Energa y Medio
Ambiente. Universidad de Cienfuegos.
14. Ramrez, S.M. and I.G. Palau, La gestin energtica. Una herramienta
indispensable en la gestin empresarial., in ENERMOA 2008. 2008: Moa.
Holguin. Cuba.
15. Yanes, J.M. and O.G. Gaitan, Herramientas para la gestin energtica
empresarial. Scientia Et Technica, 2005. XI(29): p. 169-174.
16. Gonzlez, C.M., Prediccin de la demanda elctrica horaria mediante redes
neuronales artificiales. Journal Rect@. , 2004: p. 5-28.

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

Anexo 1 Consumo de energa elctrica GWh

Aos Total Industria De ello Insumo Construccin Agropecuario Transporte Comercio Otros Poblacin Prdidas
2000 15 032,2 4 856,2 927,5 57,2 224,7 96,8 345,2 2 835,4 4 246,1 2 370,6
2001 15 299,8 4 726,5 947,7 62,0 221,4 99,4 385,3 2 946,5 4 486,7 2 372,0
2002 15 698,8 4 616,4 986,0 65,9 199,5 97,4 377,4 3 023,8 4 892,9 2 425,5
2003 15 810,5 4 136,4 970,5 68,2 238,7 101,5 398,9 3 334,9 5 123,0 2 408,9
2004 15 633,7 4 093,8 956,0 65,8 263,8 92,3 390,4 3 306,5 5 010,0 2 411,1
2005 15 341,1 4 412,4 922,3 69,4 256,0 102,5 377,0 2 704,0 5 086,3 2 333,5
2006 16 468,4 4 631,6 885,0 74,5 274,8 110,0 392,2 2 743,0 5 593,3 2 649,0
2007 17 622,5 4 714,8 927,5 83,1 298,8 173,4 330,3 2 919,2 6 133,2 2 969,7
2008 17 681,3 4 469,4 897,3 85,1 315,0 279,4 306,4 3 367,6 6 050,3 2 808,0
2009 17 727,1 4 506,9 886,0 82,1 316,6 264,0 254,5 3 134,3 6 419,6 2 749,1
2010 17 395,5 4 612,1 903,3 73,2 277,7 251,4 240,9 2 505,2 6 667,2 2 767,8

76
Anexo II

rea de Becas I y II

No Medidas a cumplir Plazos de Ejecuta Controla

Cumplimiento

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.)

2 Utilizar de forma conveniente la luz natural. Diario Alumnos Dtor. Beca

Becados

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

N Medidas a cumplir Plazos de Ejecuta Controla

o
Cumplimiento

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.

Decanos y jefes de departamentos docentes y administrativos.

78
Anexo IV

reas de Servicios Generales

Caldera

No Medidas a cumplir Plazos de Ejecuta Controla

Cumplimiento

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.

3 Revisar sistemticamente la temperatura del vapor. Diario Tcnico J. Dpto.

Alimentacin

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

7 Aprovechar el agua de condensacin para la alimentacin de calderas y Diario Tcnico J. Dpto.

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

Cocina Comedor (Elaboracin de alimentos, Almacenes, Cmaras de fro)

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

1 Chequear peridicamente el aislamiento trmico de las tuberas. Semanal Tcnic J. Dpto.

3 o Alimentacin

1 Chequear sistemticamente el funcionamiento de los sistemas de regulacin y Semanal Tcnic J. Dpto.

4 control de la temperatura de las cmaras. o Alimentacin

Estacin de Bombeo de Agua.

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

J. Dpto. Alimentacin y servicio

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

Datos de Consumo e indicadores

84