libro eco_lógicas 2012

Auspiciante

Eco_LógicasConcurso Latinoamericano de Monografías sobre

Energías Renovables y Eficiencia Energética

Trabajos Seleccionados

Florianópolis2013

Quorum ComunicaçãoFone/fax: (48) 3334 [email protected] www.quorumcomunicacao.com.br

E17 Eco_lógicas : Concurso Latinoamericano de Monografías sobre Energías Renovables y Eficiencia Energética : trabajos seleccionados / Instituto para el Desarrollo de Energías Alternativas em Latinoamérica. – Florianópolis : Quorum Comunicação, 2013. 108 p.

ISBN 978-85-63190-09-3

Inclui bibliografia 1. Energia – Fontes alternativas. 2. Energia – Aspectos ambientais. 3. Recursos naturais renováveis. CDU:620.9

Catalogação na publicação por Onélia S. Guimarães CRB-14/071

COMISIÓN ORGANIZADORA

Fátima MartinsMauro Passos

COORDINACIÓN CIENTÍFICARicardo Rüther - Ph.D. - Profesor de la Universidad Federal de Santa Catarina y Director Técnico del Instituto IDEAL

COMISIÓN EVALUADORADra. Ana Ligia Papst de Abreu - Profesora del Instituto Federal de Santa CatarinaDr. Wilson Negrão Macedo - Profesor del Instituto de Tecnología de la Universidad Federal de ParáDr.- Ing. Paulo Cesar Marques de Carvalho - Profesor de la Universidad Federal de CearáDr. Samuel Luna de Abreu - Profesor del Instituto Federal de Santa CatarinaAldomar Pedrini - Ph.D. - Profesor de la Universidad Federal de Río Grande del NorteDr. Aloísio Leoni Schmid - Profesor de la Universidad Federal de ParanáDr. Jorge Antonio Villar Ale - Profesor de la Pontificia Universidad Católica de Río Grande del SurDr. Edson Bazzo - Profesor de la Universidad Federal de Santa CatarinaCícero Bley - Máster en Ingeniería Civil, Superintendente de Energías Renovables de Itaipu Binacional

COMISIÓN JUZGADORAHamilton Pollis - Director Ejecutivo da Organización Latinoamericana de Energía - OLADEJuan Carlos Rolon - Prof. Dr. de la Universidad Nacional de Asunción, ParaguayRomán Horacio Buitrago - Ph.D. de la Universidad Nacional de Litoral, Argentina.Miguel Arias Albornoz – Prof. Dr. de la Universidad de Santiago de Chile, Chile.

PRODUCCIÓN EDITORIALQuorum ComunicaçãoCoordinación: Gastão CasselProyecto gráfico: Marina RighettoDiagramación: Audrey SchmitzImpresión: Alternativa Gráfica

>>> LA REVOLUCIÓN EMPIEZA POR EL CONOCIMIENTO

Desde la primera edición del concurso Eco_Lógicas afirmamos que la inteligencia es como la energía: está en toda parte. Y de esa manera partimos de un evento re-gional para una realización continental, que mueve inteligencias de América Latina.

Entre todas las actividades del IDEAL – Instituto para el Desarrollo de Energías Alternativas en América Latina – ese concurso de monografías ciertamente es una de las más importantes. Simplemente porque la revolución energética que necesitamos no puede tener otro punto de partida que no sea el conocimiento. La investigación cien-tífica es el vértice de cualquier cambio de matriz energética que se pretenda realizar.

Estimular a profesores y estudiantes a dedicarse al tema de la energía limpia es el acto más significativo que se puede hacer para acercar nuestro conturbado planeta a nuevas posibilidades energéticas, nuevos paradigmas construidos bajo el signo de la sostenibilidad de la harmonía entre el hombre y el medio ambiente. Un mundo económicamente sostenible y socialmente más justo pasa por la revisión profunda de las matrices energéticas que viven en siniestra simbiosis con el modelo económico predominante.

Las pequeñas y grandes iniciativas de instalación de parques generadores de energía limpia y renovable tienen en común su punto de partida: el conocimiento. Y es esta percepción que sensibiliza a los organizadores, patrocinadores y colabo-radores de tal concurso.

En este libro reunimos los mejores trabajos de la última edición del concurso, aportes efectivos para transformar el mundo que el IDEAL, con el esfuerzo y la coo-peración de muchos, hace disponibles.

Buena lectura

MAURO PASSOSPresidente del Instituto Ideal

PRE

SEN

TAC

IÓN

SUM

AR

IO ARGENTINA >>> Silvina Magdalena ManriqueOportunidades y limitaciones de sistemas bioenergéticos a partir de recursos del norte argentino en un marco de sustentabilidad: Estudio, propuestas y evaluación (Trabajo Premiado) >>> 11

BRASIL >>> Ana Paula Melo Desarrollo de un método para estimar el consumo de energía de edificaciones comerciales a través de la aplicación de redes neuronales >>> 39

PARAGUAY >>> Jorge Esteban Rodas Benítez Nuevos enfoques para la generación distribuida basados en sistemas de energía eólica y solar fotovoltaica >>> 59

URUGUAY >>> Ernesto Elenter Análisis de oportunidades de incorporación de proyectos de eficiencia energética de alto impacto >>> 87

11

Trabajo Premiado >>> OPORTUNIDADES Y LIMITACIONES DE SISTEMAS BIOENERGÉTICOS A PARTIR DE RECURSOS DEL NORTE ARGENTINO EN UN MARCO DE SUSTENTABILIDAD: ESTUDIO, PROPUESTAS Y EVALUACIÓN

Silvina Magdalena ManriqueOrientadora: Dra. Judith Franco

RESUMEN

La biomasa –conjunto de materiales de origen orgánico no fosilizado– puede ser utilizada como fuente de energía renovable, contribuyendo a la sustitución parcial de combustibles fósiles (con reservas mundiales limitadas) y a la dismi-nución de gases contaminantes y de efecto invernadero (GEI) asociados al so-brecalentamiento global. En Argentina, 90% dependiente de fuentes fósiles, la bioenergía en particular podría jugar un rol significativo por lo que actualmente se está promoviendo su empleo. La provincia de Salta, ha sido identificada como una de las áreas potenciales para la implementación de Sistemas Bioenergéticos (SB) pero al comienzo de esta investigación, prácticamente no existía informa-ción generada sobre los diferentes aspectos y posibilidades de la biomasa local. El objetivo de este trabajo fue evaluar el nivel de aporte que la biomasa del Valle de Lerma (centro de la provincia) podría realizar en cuanto instrumento estratégico para la implementación de sistemas energéticos más sustentables. Se estudiaron, consensuaron, cuantificaron y midieron variables fundamentales (indicadores) de tres SB definidos. Dichos SB fueron evaluados comparativamente mediante un marco teórico-analítico de Sustentabilidad -construido para este propósito- que incluyó los siguientes eslabones (expresados como Índices Parciales, que integra-ron los valores de los indicadores medidos): Participación, Recursos, Tecnología e Impactos. Cada SB obtuvo un Índice de Sustentabilidad (IS) que osciló entre “aceptable” y “alto”, según la escala definida. Los aportes de este trabajo pue-den vislumbrarse en tres áreas fundamentales: i) generación de conocimientos científico-técnicos para el manejo planificado de la biomasa del Valle de Lerma; ii) construcción y desarrollo de metodologías novedosas de análisis y evaluación de la Sustentabilidad y iii) aporte de resultados específicos en el campo de la bioenergía, que permitirá lograr la integración de sectores y regiones con pro-puestas concretas, direccionándolos hacia niveles de mayor sustentabilidad local.

PALABRAS CLAVES: biomasa, sistema bioenergético, sustentabilidad.

AR

GE

NTI

NA

12 Eco_Lógicas: Concurso Latinoamericano de Monografías sobre Energías Renovables y Eficiencia Energética. Trabajos Seleccionados.

ABSTRACT

Biomass-set not fossilized organic materials-can be used as source of renew-able energy, contributing to the partial substitution of fossil fuels (with limited global reserves) and to the reduction of polluting gases and effect greenhouse (GHG) associated to global overheating. In Argentina, 90% dependent on fossil sources, bioenergy could play a significant role so it is being currently promoted their employment. The province of Salta has been identified as one of the poten-tial areas for the implementation of Bioenergy Systems (BS) but at the beginning of this investigation, there was virtually no information generated on different aspects and possibilities of local biomass. The objective of this study was to assess the level of contribution that the biomass of the Lerma Valley (province center) could be as strategic tools for the implementation of more sustainable energy systems. The main variables (indicators) were studied, agreed, quantified and measured for three defined BS. These BS were comparatively evaluated through a theoretical-analytical framework of sustainability –built for this purpose– includ-ed the following links (expressed as partial Indices, which integrated the values of measured indicators): Participation, Resources, Technology and Impacts. The BS got an Index of Sustainability (IS) that ranged from “acceptable” to “high”, according to the defined scale. The contributions of this work can identify in three key areas: a) generation of scientific and technical knowledge for the planned management of the biomass of the Lerma Valley; b) construction and develop-ment of novel methodologies for analysis and evaluation of sustainability; and c) contribution of specific results in the field of bioenergy, which will allow the inte-gration of sectors and regions with specific proposals, by directing them towards higher local sustainability levels.

KEYWORDS: biomass, bioenergy system, sustainability.

13

INTRODUCCIÓN

La biomasa: energía renovable y “limpia”

Argentina, como la gran mayoría de los países del mundo, tiene una fuerte dependencia de combustibles fósiles para abastecimiento energético [1]. Petró-leo y gas, si bien con diferentes proporciones en los últimos 35 años, significan el 90% de la matriz energética nacional, mientras que las energías renovables aportan sólo un 3% de la misma [2]. Según datos del IAE las reservas compro-badas totales de estos hidrocarburos, se redujeron entre 2002 y 2011 un 41%, profundizándose las caídas descriptas en periodos anteriores [3]. La proyección de crecimiento de la demanda de energía, que probablemente esté cerca de du-plicarse en un periodo de 15 años [4] y las reservas de combustibles fósiles en retroceso, configuran un escenario energético crítico, que se complejiza aún más si se considera el marco ambiental global y nacional. El uso intensivo de combus-tibles fósiles ha generado fenómenos como la lluvia ácida, la contaminación de la atmósfera y un sobrecalentamiento de la misma, que en opinión de algunos exper-tos, está guiando a un cambio climático irreversible [5-9]. En este contexto, el empleo de energías renovables junto a medidas de eficiencia energética, podrían contribuir con alternativas estratégicas locales [10-13].

La biomasa, que incluye recursos de naturaleza orgánica no fosilizados en diferentes estados de transformación [14-15] ha sido la primera y única fuente energética utilizada por el hombre hasta el advenimiento del carbón [16] y sigue constituyendo una de las principales fuentes energéticas de la humanidad [17]. Si bien su potencial energético varía en función del tipo y cantidad de recurso y sus ca-racterísticas (humedad, composición elemental, cenizas, etc.) así como del proceso de conversión energética [18-21], en muchos países en desarrollo la biomasa -prin-cipalmente en su manifestación como leña o madera- es la más importante fuente de energía, con un aporte en conjunto de alrededor de 35% de su energía primaria y valores muy superiores en algunos países africanos [22-23]. Las dos principales características por las cuales se ha revitalizado la promoción de su empleo en la actualidad son su versatilidad como fuente de energía renovable y su cualidad de ser “más limpia”, en cuanto a emisiones contaminantes (NOx, SO2) y de gases efecto invernadero (GEI, principalmente CO2, responsable del 80% del sobrecalen-tamiento global) [24-27]. En particular, se considera que la biomasa es una fuente “neutra” en emisiones de carbono, ya que todo el CO2 emitido ha sido teóricamente fijado por las estructuras vegetales previo a su empleo1 [28-30].

1 Esto depende cómo y dónde sean producidos [31-33].


En Argentina, la promoción del empleo de biomasa se ha concentrado en cul-tivos energéticos dedicados a la producción de combustibles líquidos (biodiesel y bioetanol, principalmente). La veloz expansión consecuente de estos cultivos (al igual que en otras partes del mundo) ha causado grandes controversias por el avance de la deforestación, la alta dependencia de insumos y recursos que impli-can (agua, tierra, fertilizantes, maquinarias), el destino de los biocombustibles generados y el tipo de impactos en las zonas donde se producen [34-41]. Sin embargo, otros recursos de biomasa no han tenido aún el protagonismo que po-drían tener de acuerdo a su potencial. Un estudio reciente denominado proyecto WISDOM [14] realizado en el país para definir la potencialidad de los recursos leña, carbón vegetal y residuos agroindustriales, estima que el consumo total real duplica el mencionado en el Balance Energético Nacional (alcanzando los 5.000 ktep/año). Aún así, su participación en la matriz energética es baja y el gobierno está impulsando nuevas medidas para promover que su participación alcance un 10% (aproximadamente 200 MW de electricidad y otro tanto de energía calórica desde biomasa) [42].

En la provincia de Salta, al comienzo de esta investigación prácticamente no había información generada sobre la biomasa en sus diferentes aspectos y posibi-lidades y, más allá de los usos no comerciales e improvisados (empleo de leña de monte sin planes de manejo), no existían estudios científico-técnicos ni propuestas participativas e integrales concretas que permitieran concluir sobre la bondad del empleo de biomasa. El hecho de que la biomasa se asociara con algunos de los be-neficios mencionados, ¿implicaba que el empleo de la bioenergía en la provincia fuera intrínsecamente sustentable? ¿Cuáles serían los criterios que permitirían medir la sustentabilidad de los sistemas bioenergéticos (SB) que pudieran propo-nerse? Y en términos más generales: ¿Qué sería lo sustentable? Para poder dar respuesta a estos interrogantes, es necesario aclarar algunos conceptos.

Desarrollo, desarrollo sustentable, sustentabilidad

En 1949, el presidente Truman utiliza la palabra “desarrollo” para comparar su situación como país, en cuanto a crecimiento económico, progreso industrial y avance científico alcanzados, con todas las otras variadas y múltiples realidades existentes en el mundo. De un momento al otro, los 2/3 de la humanidad pasaron a pertenecer a la categoría de subdesarrollados, cuyas diferencias con los paí-ses dominantes se consideraron un síndrome de atraso, indignidad e ignorancia [43-45]. Sin embargo, el sentido de este término se consolida a partir del siglo XV del “descubrimiento”, donde occidente nace como tal y alcanza su mayor esplendor una vez completado el proceso mercantil extractivista de colonización,

15

por una parte, y la Revolución Industrial, por otra, varios siglos más tarde [46]. El progreso al estilo occidental (de crecimiento económico, desarrollo de la pro-ducción, adquisición de riqueza y utilización de los recursos que habían surgido en el contexto específico de la industrialización y la colonización) se creyó que era posible para todos y la expansión de este modelo comenzó a generar como consecuencia contaminación, desertización, pobreza, agotamiento, sobreexplo-tación, extinción [9,45,47]. Una serie de informes científicos publicados a fines de los 60 y principios de los 70, en efecto, comienzan a alarmar sobre una crisis ambiental [48-49], impulsando la gestación de movimientos ambientalistas (si bien con raíces en siglos anteriores)-por un lado- y diversos organismos interna-cionales en materia ambiental -por otro- [50] que en 1987 parecen confluir –aún con sus diferencias- en un nuevo concepto: el de “desarrollo sustentable”[51]. Esta propuesta de desarrollo con conservación limitada, se reconoce como el primer intento global e institucionalizado de tratar simultáneamente bienestar económico, protección ambiental, y justicia social, que fueron considerados las tres dimensiones del desarrollo [52-53].

Después de casi tres décadas de esta nueva propuesta de desarrollo, aún sub-sisten y crecen los problemas que fueran el foco de discusión medio siglo atrás. Probablemente por esto la comunidad científica esté comenzando a hablar de una nueva “ciencia de la sustentabilidad” que busque y proponga verdaderas soluciones que favorezcan la transición de las sociedades hacia trayectorias más sustentables [48,54-55]. El objeto de estudio de esta nueva ciencia, cuyo enfoque epistemológico es el de sistemas complejos, parece definirse como la resiliencia socioecológica de los sistemas [56-58]. Si bien el desarrollo de principios propios bajo los cuales la comunidad de investigadores en sustentabilidad pueda construir sistemáticamente conceptos y teorías que soporten un cuerpo autónomo de co-nocimiento es todavía incipiente [56,59], los aportes de esta ciencia podrían di-reccionar las transiciones graduales hacia condiciones más sustentables para los sistemas globales, sociales y humanos [9, 60-61]. En este sentido, claramente, no puede conocerse cómo será en el futuro la sociedad o sistema “sustentable”, pero sí pueden reconocerse con certeza que algunas actividades o prácticas humanas, si no son detenidas o cambiadas, no contribuirán al logro de esa sustentabilidad [57]. Sin embargo, el manejo conjunto de información proveniente desde dife-rentes disciplinas que nutren a esta ciencia (ética ambiental, economía ecológica, ecología política, ecología cultural, entre muchas otras, [48]), sólo será posible si se desarrolla un marco de referencia dentro del cual las disciplinas individuales puedan proporcionar criterios e indicadores cuantificables para la evaluación de la sustentabilidad (definida localmente) de manera que se facilite el proceso de toma de decisiones y la resolución de problemas complejos [53, 61]. Hace un tiempo atrás que los investigadores vienen concertando esfuerzos en la propuesta


de diferentes métodos y herramientas de evaluación y es un momento clave para lograr aportes que contribuyan a conciliar los que mejor permitan medir el pro-greso hacia la sustentabilidad [62-64].

En este trabajo se resumen algunos de los principales resultados de la tesis doctoral de la autora, cuyo objetivo fue evaluar el nivel de aporte que la bioma-sa local podría realizar en el sector centro de la provincia de Salta, en cuan-to instrumento estratégico para la implementación de sistemas energéticos más sustentables. Para esto, se estudiaron, definieron, consensuaron, cuantificaron y evaluaron los recursos de biomasa locales y potenciales sistemas bioenergéti-cos (SB) a implementarse, de manera participativa, multidimensional e integral, realizando contribuciones en tres áreas fundamentales: i) generación de conoci-mientos científico-técnicos para el manejo planificado de la biomasa del Valle de Lerma, principalmente en función de su potencial de mitigación de GEI y su potencial bioenergético; ii) construcción y desarrollo de metodologías novedosas de análisis y evaluación de sustentabilidad, y iii) aporte de resultados específicos en el campo de la biomasa y la bioenergía, que permitirá lograr la integración de sectores y regiones con propuestas concretas, direccionándolos hacia niveles de mayor sustentabilidad local.

METODOLOGIA

Área de estudio

El Valle de Lerma se ubica en la provincia de Salta, Argentina, entre las coordenadas 24º22.0’ a 25º43.0’ S y de 65º15’ a 65º 48’ O. La altitud media es 1.100 m.s.n.m. y la pendiente de 1%.

La superficie alcanza los 5.005 km2 y se considera como una unidad, por sus características productivas, ecológicas y climáticas, siendo la actividad agrícola la que regula la economía de la región, dominada por el cultivo de tabaco [65]. El Valle está integrado por 7 departamentos (incluyendo el Capital) y 13 municipios y concentra el 53% de la población provincial (cerca de 600.000 personas) [66]. Se distinguieron dos regiones con características diferenciales (Fig. 1): la zona plana (70.000 habitantes) que corresponde a una llanura interior que es apta para agri-cultura y donde se concentran los centros urbanos y de servicios (hasta los 1.600 m.s.n.m.); y la zona montañosa, que bordea el Valle, con altitudes máximas de 5.000 m.s.n.m. en el oeste y 2.000 m.s.n.m. en el este, con una población dispersa, que realiza prácticas de autoconsumo y ganadería extensiva. Los SB se definieron para la zona plana, de mayor accesibilidad y diversidad de opciones.

17

Figura 1. Zonificación topográfica del Valle de Lerma, siguiendo la cota de 1.600 m.s.n.m.


Diseño de investigación

El proceso de investigación, con tres niveles diferentes de abordaje -explora-torio, descriptivo y explicativo- siguió, esquemáticamente los siguientes pasos:

a) Construcción del marco teórico-analítico de la Sustentabilidad. b) Estudio del área geográfica seleccionada.c) Identificación de recursos potenciales y disponibles en el área de estudio.d) Relevamiento y muestreo de los recursos de biomasa disponibles.e) Caracterización de los recursos de biomasa estudiados. f) Estimación del potencial bioenergético y de mitigación de GEI de los

recursos.g) Selección de la aplicación, procesos y tecnologías para cada recurso. h) Evaluación de sustentabilidad de cada uno de los SB.

Estos pasos se cumplieron en tres etapas procedimentales (que no guardan un orden cronológico ya que se fueron retroalimentando en el proceso de inves-tigación): i) gabinete (análisis, revisión de literatura, reflexión, procesamiento y construcción de conocimiento); ii) terreno: muestreos, entrevistas y encuestas, talleres locales y iii) laboratorio: procesamiento de muestras.

Detalle metodológico

Las técnicas y herramientas metodológicas empleadas se describen con mayor detalle a continuación. Los resultados logrados en el ítem (a), se muestran en el apartado “Desarrollo”, y se basó en un análisis en profundidad de literatura rele-vante, aporte de expertos en el tema y reflexión propia.

a. Estudio del área geográfica seleccionada

Mediante exploración bibliográfica (fuentes primarias y secundarias), trabajo con imágenes satelitales Landsat 5, recorridas de terreno y volcado de los datos en un Sistema de Información Geográfica (SIG). Se delimitaron principales tipos de cobertura de suelo, vegetación y recursos.

b. Identificación de recursos potenciales y disponibles (y otros aspectos de sustentabilidad)

Mediante observación participante, talleres (5), entrevista a actores clave (40 entrevistas), encuestas locales (100 encuestas) y trabajo en gabinete. Se buscó conocer e identificar la percepción local sobre fuentes de biomasa y las demandas energéticas existentes, y los aspectos a ser considerados en los SB para poder avanzar hacia sistemas más sustentables. Los sectores consultados

19

fueron: gobiernos municipales, empresas tabacaleras, asociaciones, producto-res y pobladores (agentes sanitarios, maestros, dirigentes locales, etc. Las en-cuestas permitieron contrastar la información recabada en entrevistas y talle-res, estandarizando los resultados.

c. Relevamiento y muestreo de los recursos de biomasa disponibles

Los muestreos fueron estadísticamente planificados y fueron de dos tipos: des-tructivos y no destructivos. En el primer caso, implicó la cosecha del material y llevado a laboratorio, y en el segundo, sólo el registro de variables a campo, como: diámetro a la altura de pecho (dap, medido por convención a 1,3 m), diámetro a la base, altura total y de fuste, calidad del árbol (sano, recto, torci-do, bifurcado, enfermo, hueco, muerto en pie, caído, etc.), especie, cantidad. Se trabajó con parcelas rectangulares de 100 m2 en el caso de vegetación nativa (ecosistemas naturales), donde también se tomaron muestras de suelo a 30 cm de profundidad. La cantidad de parcelas se estimó en función de la variabilidad del recurso a muestrear, considerando su biomasa (como peso seco) por unidad de su-perficie. El error de muestreo asumido fue de 20% y el nivel de confianza de 95%. Se trabajó con test estadísticos no paramétricos (Kruskall Wallis) y pruebas de dos colas para los análisis.

d. Caracterización de los recursos de biomasa seleccionados

Las muestras se caracterizaron en aspectos físicos, químicos y energéticos en el Laboratorio Central de Análisis del INTA Cerrillos (Salta). El secado se realizó en estufas a 105 ºC. Se molieron y analizó: carbono orgánico (CO) por el método de Walkley-Black; materia seca inicial (M.S.I) por gravimetría a 70ºC; materia seca final (M.S.F.) por gravimetría a 105ºC; cenizas por gravimetría a 550ºC durante 6 horas; poder calorífico inferior y superior (PCI y PCS) mediante bomba calorimétrica Parr 1108. Los resultados se expresaron en base seca. Para suelo, se estimó también densidad aparente por el método del cilindro [67].

e. Estimación de biomasa, bioenergía y mitigación de GEI

Dado que dos de las cualidades de la biomasa más apreciadas a nivel mundial son su potencialidad energética y su rol en la mitigación de GEI, ambos aspectos fueron estudiados. Para estimación de biomasa (t/ha) y carbono (asumido como el 50% de la biomasa [6]) se aplicaron las ecuaciones de Tabla 1, en función del ecosistema estudiado.


Tabla 1. Ecuaciones alométricas utilizadas para estimar biomasa (Ec. 1 a 3) y carbono orgánico de suelo (Ec.4). En todos los casos Y=biomasa árbol (kg), MT= biomasa del fuste del árbol (kg); D=dap (cm); H=altura total (m); S =densidad básica (g/cm3); H0=altura a la rama de 2,5 cm (m); COS= carbono orgánico de suelo (t/ha); CO= %carbono; DA=densidad aparente (g/cm3); P=profundidad (cm).

Ecosistema Autor Nº Ecuación (Ec)

Yungas Brown et al. (1989) [68] (1) { })2ln(9522.04090.2exp HSDY +−=

Chaco Chave et al. (2005) [69] (2) ( ) 916.0..112.0 2 HDSY ×=

Arbustales Zhou et al. (2007) [70] (3) ( ) H 0.1368 MT 7559.02 ×= D

Carbono de Suelo Macdicken (1997) [71] (4) COS=CO*DA*P

f. Definición de los SB para la zona

En este paso se conjugó la información relevada en las diferentes instancias de participación, el propio conocimiento de la temática adquirido y una nueva fuen-te de aporte: la consulta a expertos. Esta consulta, que partió de identificar los principales actores en la temática de manejo de biomasa, aspectos de sustentabi-lidad y SB (internet, links a universidades e institutos y autores de publicaciones científicas) se realizó vía correo electrónico. A cada uno de los actores identifi-cados se les envió, en formato de planilla de cálculo Excel para poder completar con sus respuestas, los tres principales SB propuestos para el Valle de Lerma, anexando la información generada, y solicitando que cada experto brindara su propia opinión para definir criterios e indicadores, como así importancia relativa de los mismos.

g. Evaluación de Sustentabilidad de los SB definidos

Un componente clave de las evaluaciones de sustentabilidad, es la compara-ción de diferentes proyectos o alternativas [61, 63]. En este trabajo se optó por utilizar la Evaluación Multi-Criterio (EMC), que puede ser definida como una aproximación formal que busca tener explícita cuenta de múltiples criterios para ayudar a individuos o grupos a explorar las decisiones y soluciones que les preo-cupan [72-74]. El método de resolución matricial utilizado fue el de sumatoria lineal ponderada (SLP) que da un valor único que permite comparar y ordenar las opciones para la toma de decisiones. Así, una vez construido el marco de análisis de Sustentabilidad, se definió de manera participativa cuáles serían los aspectos (o criterios) que deberían considerarse para proponer SB más sustentables y cuál sería su importancia (escala de 1-100). Dichos criterios (33 en total, con una im-portancia mayor de 30%) se ordenaron jerárquicamente y fueron evaluados me-

21

diante indicadores específicos (variables cualitativas o cuantitativas que podían ser medidas para evaluar la tendencia de sustentabilidad del sistema). Los valores de los indicadores (como así el rango de variación) se obtuvieron de cada uno de los pasos descriptos en el “Detalle metodológico”. Una vez definidos los indica-dores, se especificó el tipo de relación que cada uno de ellos tenía con el criterio, es decir, si el aumento del valor del indicador podría reflejar una situación mejor (+) o peor (–) para el criterio considerado. Con el fin de adaptar los indicadores a una escala común, se utilizó una función de relativización, la cual se basa en la metodología planteada por el PNUD [75] para calcular el Índice de Desarrollo Humano. En los casos en que los indicadores presentaban una relación positiva se adoptó la fórmula de la Ec.(5), y cuando ésta era negativa, la Ec.(6), donde: x= valor correspondiente de la variable o indicador para la unidad de análisis; m = valor mínimo de la variable en un período determinado; M= nivel máximo de la variable en un período determinado. Mediante la utilización de estas fórmulas se obtuvieron valores normalizados (entre 0 y 1, desde la peor situación a la mejor, respectivamente) para cada indicador (ver Fig.4). Estos valores se sumaron y re-flejaron en índices parciales (ver Fig.5), que luego fueron integrados para obtener un Índice de Sustentabilidad (IS) de cada SB analizado al integrarlos en la ma-triz de EMC. La escala de evaluación de los resultados obtenidos en función de su Nivel de Sustentabilidad (IS*100) fue: 0-20%, muy bajo; 21-40% bajo; 41-60% aceptable; 61-80% alto; 81-100% muy alto.

Ec. (5) mM

mxxf−−

=)( Ec. (6) MmMxxf

−−

=)(

DESARROLLO

La sustentabilidad como marco de análisis

La hipótesis básica de trabajo fue que un SB sustentable para la región debería estar basado en los siguientes eslabones –como partes o elementos- fundamenta-les: a) la Sustentabilidad, localmente definida, como base de cualquier propuesta; b) la participación como eje transversal necesario para el planteo de los sistemas, su evaluación y su puesta en funcionamiento; c) los recursos, como plataforma para definir escala, aplicación y características de cualquier proyecto bioenergé-tico; d) la tecnología, el conocimiento técnico-científico y los saberes populares, que definen las especificidades para la implementación de los SB; y e) los im-pactos, considerando la vinculación entre los factores anteriores específicos del proyecto y el contexto. Los aspectos económico-financieros se incluyeron dentro de las categorías de impactos y de tecnologías.


La Fig. 2 muestra los elementos necesarios para lograr SB más o menos sus-tentables, y constituyen el marco de análisis de las opciones propuestas. Los principios sólidamente definidos de la Sustentabilidad, son la base sobre la cual se asentarán las políticas, proyectos, planes o sistemas. Hay un punto de equili-brio, ya que deben confluir y consensuarse las opiniones de los diferentes actores involucrados. Sin embargo, del balance de los componentes fundamentales que dan cuerpo y altura a los SB (participación, recursos, tecnologías, impactos), depende el futuro de los mismos, como así, de la influencia de los factores ex-ternos contextuales (sociales, políticos, económicos, institucionales, ambientales, tecnológicos, etc.). Metodológicamente, cada eslabón se constituyó en un Índice Parcial, que reflejó el valor agregado de los diferentes indicadores definidos en cada caso. La suma de los índices parciales (IP, IR, IT, II), constituyó el Índice de Sustentabilidad (IS) de cada SB analizado.

Figura 2. El delicado equilibrio de los sistemas bioenergéticos. Donde P: participación; R: recursos; T: tecnologías; I: impactos; SB: sistema bioenergético.

Participación

Se considera que los enfoques participativos y los procesos colaborativos de ge-neración e intercambio de conocimientos contribuyen a la sustentabilidad y relevan-cia de los proyectos y facilitan el fortalecimiento de comunidades locales. Así, el eje transversal para el planteamiento de propuestas útiles, ajustadas a la realidad y autónomas a largo plazo, fue el involucramiento de los diferentes sectores y actores

23

vinculados con los proyectos a desarrollarse. En este caso, a pesar del reconocimiento de la demanda energética existente a nivel nacional, interesó enfocar el estudio en la demanda local, considerando que ésta tenía prioridad desde un enfoque de sustentabi-lidad. Se buscó reducir el universo posible, concentrar esfuerzos, optimizar recursos escasos (tiempo, dinero, personal), y definir SB posibles de desarrollarse en el Valle, que resultaran apropiados y apropiables, para lo cual los actores del proceso tuvie-ron oportunidades para expresar sus conocimientos, valores, y preferencias sobre el tema en discusión. Por otra parte, la participación externa actuó como disparador de ideas y enriqueció las discusiones, permitiendo –en el consenso- definir los criterios e indicadores para evaluar este “eslabón” (Tabla 2). Los valores medidos para cada indicador se muestran en la Tabla 7 y su normalización se refleja en la Fig.4.

Tabla 2. Criterios e indicadores definidos y evaluados para el eslabón P (participación). La letra S refiere a “signo” de la relación.

Criterio Indicador Rango S Descripción

P1Marco legal y

políticoLeyes que respaldan la

actividad (N°)0-10 +

Probabilidad de que continúe existiendo la fuente de generación del recurso y el SB considerando el respaldo político y

legal local y nacional.

P2Aceptabilidad

culturalRespuestas favorables al uso del recurso (%)

0-150 +Percepción sobre el recurso y su interés

de uso o aceptación social en el SB propuesto (apropiable).

P3Condiciones

laborales

Cobertura de beneficios sociales en

el sistema (%)0-100 +

Condiciones de trabajo actuales que quedarían incluidas dentro del SB

(retribución de salario justo, trabajo infantil, beneficios sociales, etc.)

P4Respeto de derechos de propiedad

Fracción de recurso no disponible (%)

0-100 -Restricciones de propiedad particular,

restricciones legales de áreas protegidas u otras existentes en la zona.

P5Organización y

vinculación

Población que pertenece a algún tipo

de asociación (N°)0-150 +

Vínculos entre actores y sectores mediante cooperativas, asociaciones,

que favorezcan contratos y acuerdos de suministro u otros.

P6Comunicación e información

Población que se vincula con otro sector

del Valle (%)0-100 +

Mecanismos de comunicación e intercambio de información entre todos los eslabones de la cadena que facilitará

la ejecución de SB.

P7Acceso a bienes

Población que debe arrendar bienes para

producir (%)0-100 -

Cantidad de personas que deberían incurrir en alquileres de herramientas

y maquinarias para poner en marcha los SB propuestos.

P8Mecanismos

de persistencia

Subsidio necesario para ejecutar el

sistema (% )0-100 -

Subsidio gubernamental financiero o de infraestructura considerando porcentaje sobre el costo total del sistema actual.

P9Respeto cultural

Fracción de recurso no disponible por otros

usos (%)0-100 -

Usos actuales. Usos establecidos del recurso como por ejemplo abono, forraje, artesanías, etc., en % sobre recurso total.

P10 AplicaciónPoblación que demanda esta aplicación (%)

0-100 +Aplicaciones energéticas o uso final de la biomasa que resulta más demandado en

la zona (calórica, eléctrica, etc.)


Recursos

La base biofísica o fuente, es decir, el recurso y sus características, marca el punto de partida de cualquier proyecto de bioenergía. No toda la biomasa po-tencial identificada en un sitio, puede ser utilizada, ya que existen restricciones de diversa índole y diferentes potenciales de aprovechamiento. Para estudiar los recursos de biomasa del Valle de Lerma se consideraron las siguientes categorías [7,76]: i) biomasa potencial (BP): total generada en el área de estudio, sin tener en cuenta otros usos de la misma; ii) biomasa disponible (BD): fracción de BP que no tiene otros usos ya establecidos, ni restricciones de propiedad o de tipo medioambiental; y iii) biomasa utilizable (BU): fracción de BD que puede ser recolectada, sin barreras técnicas o económicas. Los criterios e indicadores de evaluación de este eslabón se muestran en la Tabla 3 y los valores medidos para cada indicador se muestran en la Tabla 7 y Fig.4.

Tabla 3. Criterios e indicadores definidos y evaluados para el eslabón R (recursos).


R1 Uso del sueloSuperficie total

involucrada en la oferta (ha/año)

1-150.000 +Se refiere a la superficie en la que se genera el recurso de biomasa, sin que

implique cambio de uso del suelo.

R2Distribución territorial

Nivel de esparcimiento

del recurso (%)1-100 -

Mientras más concentrado se halle el recurso será más fácil aprovecharlo. Se estima %

cubierto de la superficie total.

R3Potencial energético

Bioenergía disponible

(GJ/ha.año)1-15 +

Toda la energía que puede obtenerse cuando la biomasa es sometida a algún

tipo de proceso de transformación.

R4Aptitud del

recurso

Índice de valor combustible

o FVI (adimensional)

100-1.700 +

Donde δ: densidad básica; Z: cenizas y W: humedad.

(g/g) W (g/g) Z

)(g/cm )P.CI.(Kj/g FVI3

××

=δ

R5Aptitud del territorio

Biomasa generada

(t MS/año)1-20.000 +

Dependerá de la climatología y/o régimen de riego, marco de plantación, especie,

entre otros. Se considera peso seco (MS) en unidad de superficie.

R6Disponibilidad

del Recurso

Índice de residuo/producto (adimensional)

0-1 +

Accesibilidad física por orografía o porcentajes que naturalmente no pueden ser utilizados (factor de uso posible del

recurso adimensional o porcentaje).

R7Renovabilidad

del recurso

Crecimiento de biomasa anual

(t/ha.año)0-1,5 +

Para fines energéticos debe utilizarse la biomasa por debajo de su tasa de renovación

(cantidad producida/unidad de tiempo).

R8Especificidad tecnológica

Necesidad de pretratamiento del recurso (N°)

1 y 4 -

Necesidad de adecuación del recurso para aplicar un determinado proceso,

considerando: reducción humedad, tamaño, compactación o eliminación de

componentes no deseados.

25

Procesos-tecnologías

La tecnología, entendida no solo como artefactos sino también como habili-dades requeridas para desarrollar, producir y usar artefactos) [77], es un factor clave para proyectos de intervención local de SB. Fue necesario realizar el rele-vamiento de las opciones de aplicación, junto a las de conversión energética, que implican procesos y tecnologías determinados, señalados por la propia población. Interesaba seleccionar la propuesta tecnológica que presentara mejores cualida-des desde el punto de vista local (aceptación, disponibilidad, accesibilidad, cono-cimiento) y su entrecruzamiento con las experiencias de expertos internacionales en el tema. Los criterios e indicadores para evaluar este eslabón se muestran en la Tabla 4 y los valores medidos para cada SB, en la Tabla 7 y Fig.4. Algunos datos de costos incorporados en los análisis deberán ser revisados en el momento de implementar los SB definidos.

Tabla 4. Criterios e indicadores definidos y evaluados para el eslabón T (tecnología).


T1Desarrollo de la tecnología

Estado de desarrollo tecnológico

(adimensional)0-1 +

Estados de desarrollo a nivel mundial, considerando 0=piloto; 0,5=experimental; 1=comercial.

T2 EficienciaEficiencia total del proceso de conversión (%)

0-100 +

Dado que está directamente ligado con un dispositivo particular, puede considerarse

el de uso más común. Se expresa en porcentaje.

T3Consumo de combustible (Heat rate)

Cantidad de energía para producir un

kwh(kcal/kwh)

0-5.000 -Es otra manera de expresar la eficiencia eléctrica. Calcula cuán eficientemente un

generador usa la energía térmica.

T4Complejidad tecnológica

Nivel de complejidad (adimensional)

0 y 1 -

Tipo de desempeño del proceso en cuanto a nivel de complejidad del mismo. Se considera complejidad alta=0;

media=0,5 o baja=1.

T5Costo de

instalaciónCosto en % del costo

total del proyecto1-100 -

Existen una serie de costos fijos que en el caso de las instalaciones pequeñas tienen

más repercusión por kW instalado. Se asumen porcentajes actuales.

T6Costos de

operación y mantenimiento

Costos en US$/kwh generado

0,01-5 -

Las tecnologías que requieren mayores periodos de mantenimiento provocan una mayor dependencia de suministradores externos. Se asumen valores teóricos.

Impactos

Si bien los impactos aparecen arriba de la pirámide, esto no significa que tengan menor nivel de importancia, sino que sólo podrán ser evaluados cuando se hayan considerado las especificidades de cada uno de los SB (recursos, procesos-


tecnologías, aplicaciones). Desde un enfoque de sustentabilidad, lograr beneficios en un área como la provisión de energía, por ejemplo, no debería generar nuevos problemas en otras áreas tales como contaminación o degradación de recursos naturales; afectación de modos de vida o desplazamiento de comunidades; ava-sallamiento de derechos humanos; escasez de alimentos o aumento de precios en los mismos; debilitamiento de las economías regionales; generación de emisiones contaminantes o de GEI, entre otros. Por tanto, el tipo de impactos a ser evalua-dos y su priorización, debieron ser definidos y consensuados con la participación de los actores involucrados (Tablas 5 y 7 y Fig. 4).

Tabla 5. Criterios e indicadores definidos y evaluados para el eslabón I (impactos).


I1Acceso a los

recursos

Personas que tienen acceso a los recursos (%)

0-100 +

La seguridad de suministro energético depende entre otros del acceso a las fuentes de combustibles, en este caso medido en %

del total de habitantes.

I2Amenaza a la biodiversidad

Uso de especies amenazadas

(adimensional)0-1 -

Preservación de especies nativas vulnerables, raras, amenazadas o en peligro. Se considera Sí=0 y No=1.

I3Contaminación

aireEmisión de N

total (%)0,1-3 -

En presencia de luz solar, los óxidos de nitrógeno (NOx) y los compuestos

orgánicos volátiles (COV) producen el smog fotoquímico, ozono y/o lluvia ácida.

I4Satisfacción de

demandas

Personas beneficiadas

energéticamente (% )

0-100 +Adecuación del proyecto en la satisfacción de las necesidades energéticas detectadas.

I5Mitigación de

GEI

Emisiones evitadas por

sustitución de fósiles (tC/año)

1-10.000 +

Se considera sólo la sustitución de gas natural, cuyo factor de emisión de carbono es de 15,3 tC/TJ2, su densidad es de 0,75 t/

m3 y PCI de 8800 kcal/m3N.)

I6Conservación de sumideros

Secuestro de carbono aéreo

(tC/ha)0,1-80 +

El secuestro de carbono es un incremento en cualquier reservorio no atmosférico. Este dato permitirá estimar el balance

de carbono total del ciclo o sistema bioenergético.

I7Experiencia

popular

Población que conoce la tecnología (%)

0-100 +Nivel de conocimiento o experiencia en el

manejo del proceso/tecnología por parte de la población destinataria.

I8Impacto

económico en la región

Capacidad de ahorro por empleo de

biomasa (%)

1-100 +

Ahorro de gasto en combustibles fósiles por uso de biomasa en cada hogar en particular,

contribuyendo al alivio en la economía individual y local.

I9Dependencia

de inputs externos

Gasto en insumos (%)

1-100 -Se considera el % de gastos en insumos,

repuestos, y otros externos sobre el costo total de producción, para poner en marcha el SB.

2 Ver otros factores de emisión de carbono para combustibles fósiles en [78].

27

Los sistemas bioenergéticos propuestos

Las clases de coberturas de suelo (asociadas con uno o más tipos de recursos de biomasa) identificadas en el Valle de Lerma, se muestran en la Fig.3. La su-perficie total cubierta de vegetación a es de 412.000 ha y el resto corresponde a cuerpos de agua, caminos, zonas urbanas, etc.

Figura 3. Superficie ocupada por las principales clases de cobertura de suelo del Valle de Lerma (Salta).

Los SB que mostraron mayor interés en la población participante y su impor-tancia relativa (cantidad de respuestas favorables sobre el total) fueron leña para combustión en hornos y estufas eficientes (56%), residuos agrícolas para estufas de tabaco (23%), RSU para generación de biogás en un relleno sanitario regional (14%), residuos ganaderos y efluentes industriales (3% cada uno, sin definición de sistemas específicos) y, por último, residuos forestales para aplicaciones di-versas (1%). Los principales ecosistemas identificados, que podrían aportar leña bajo condiciones de manejo son [79]: Chaco, Yungas y arbustales. Dentro del ecosistema de arbustal se identificaron y relevaron particularmente cuatro espe-cies de Acacias (Acacia caven, A. aroma, A. furcatispina y A. praecox) de mayor frecuencia y densidad, y se consideraron en su oferta de biomasa particular. Se trabajaron los tres principales SB definidos que se muestran en la Tabla 6.


Tabla 6. Los SB definidos para el Valle de Lerma. Las letras A, B, y C designan cada uno de los SB. Para “residuos agrícolas” se incluyen residuos de tabaco Criollo, tabaco Virginia y ají, y los datos computados en Tabla 7 en todos los casos se corresponden con un valor promedio.

SB Recurso Proceso Tecnología Producto Aplicación

AResiduos sólidos urbanos (RSU)

Digestión anaeróbica

Relleno sanitario y motor de combustión

interna Biogás Electricidad

BLeña de Acacias

Combustión Hornos y estufas

mejorados y/o motores Stirling

Calor y gasesCalor o

electricidad a pequeña escala

CResiduos agrícolas

Combustión Estufas y hornos

mejoradosCalor y gases Calor de proceso

En el caso de los RSU se consideró la cobertura de demanda eléctrica por hogar tomando el valor mencionado en CNEA (Comisión Nacional de Energía Atómica, 2007), y utilizados en el Documento de Referencia de la Huella de Carbono (SAyDS, 2008) de consumo de 1.200 kWh/cápita.año. Se aplicó un valor de eficiencia de 28% de los motores de combustión interna (MACI). En el caso de leña de Acacias, se consideró el % de cobertura de la demanda de leña para estufas de secado de tabaco (que en total se aproxima a las 55.400 t/año, Manrique y Franco, 2012). Sólo en los casos en que se requirió los valores comparables, se estimó la posibilidad de generación eléctrica mediante un motor Stirling de pequeña escala. Para residuos agrícolas, dado que la demanda de leña para el secado de tabaco en estufas no es cubierta por la leña anual obtenida por manejo de las Acacias, se estimó también como % de esta demanda. Los valores de los indicadores obtenidos para cada SB se muestran en la Tabla 7 (Anexo) y su normalización en la Fig. 4.

Figura 4.Valores normalizados de los indicadores para cada uno de los SB considerados.

29

Evaluación (Multi-Criterio) de la Sustentabilidad

Los valores ingresados en la matriz de EMC muestran los resultados de la Fig.5, donde se destaca la participación relativa de cada uno de los Índices Par-ciales considerados (IP, IR, IT, II). A simple vista puede notarse que ninguno de los tres SB propuestos alcanza un nivel de sustentabilidad “muy alto” (más de 81%), pero tampoco muestra un nivel “muy bajo” (menos de 20%). Esto implica que cada uno de los SB definidos podría, en primera instancia, ser implementado en la zona de estudio con mayores beneficios que perjuicios.

Figura 5. Análisis de Sustentabilidad de los SB propuestos para el Valle. Las letras corresponden: IP, índice de participación; IR, índice de recursos; IT, índice de tecnologías;

II, índice de impactos.

Las debilidades y amenazas detectadas para los SB (reflejado en bajos valores de los indicadores medidos) son las que deberán ser trabajadas a fin de elevar su “nivel de sustentabilidad”, y posiblemente, si no hay consensos locales, el SB no debería ser implementado. Los indicadores específicos de un SB que muestran bajos valores, en algunos casos pueden constituirse en “banderas rojas”, es decir, aspectos que repercutirán en magnitud o dirección de manera irreversible en el medio en el que se proyecta su empleo, por lo que si bien se rescatan aspectos positivos que permitirán avanzar hacia mayores niveles de sustentabilidad, éstos quizás no compensan en su conjunto a uno o dos de los indicadores negativos. Por tanto, el umbral de decisión (es decir, qué “nivel de sustentabilidad” será considerado para definir cuál sistema implementar y cuál no) definido localmente para la toma de decisiones de implementación, también es un componente clave


para asegurar el éxito del SB en la zona. Ahora bien, dado que el resultado total enmascara los indicadores evaluados en cada caso (al interior de los Índices Par-ciales), y no permite detectar los aspectos más débiles de los SB pero tampoco sus fortalezas, es necesario explorar en detalle cada uno. Observando la Fig.6 puede notarse que la superficie sombreada que representa el IS del sistema, es irregular y escasa, mostrando un sistema que responde muy bien en ciertos indicadores (altos valores) y muy mal en otros (donde obtiene muy bajos valores). Un sistema ideal, sería aquel que mostrara un diagrama con una distribución regular entre sus indicadores y con un área sombreada de 100%. Posiblemente éste podría ser en algunos casos, el umbral de decisión más cauto, pero quizás no el más adecua-do a la realidad local, en función de las demandas y necesidades.

Figura 6. Representación del IS, donde puede verse el comportamiento total de cada SB analizado, y el aporte individual de cada indicador.

De manera general puede reconocerse que, analizando los valores actuales de cada uno de los indicadores de los SB propuestos, existen perspectivas bioenergé-ticas y de mitigación de GEI positivas para el Valle de Lerma, si bien de diferente magnitud. De los sistemas analizados, el que mayor IS presenta es el sistema “C”, de aprovechamiento de residuos agrícolas (restos de cultivos de tabaco Vir-ginia, Criollo y ají) para las estufas de secado de tabaco, que muestra una gran aceptación, conocimiento de la tecnología, cualidades de los recursos y fortalezas locales (el IS es de 0,7). Se contaría con cerca de 46.000 Gcal/año, a partir de 18.000 t (peso seco) de residuos generados desde estas producciones en una superficie cultivada anualmente de 17.300 ha en promedio (Tabla 7). Su aprove-chamiento para las estufas de secado de tabaco (u otras demandas calóricas de los ciclos de producción de estos cultivos) posibilitarían reemplazar -según el tipo de estufas- gas natural o leña obtenida actualmente sin ningún plan de manejo de los ecosistemas locales.

31

De cerca le sigue el sistema A (IS= 0,67) de aprovechamiento de RSU median-te digestión anaeróbica en un relleno sanitario regional (que es un proyecto actual de la provincia) para producir electricidad (se considera un 70% de valorización del biogás). Se generan en el Valle de Lerma cerca de 24.100 t (peso húmedo) anuales, con un potencial energético de 9.000 Gcal/año, que podría ser utilizado en alumbrado público, por ejemplo, o beneficiar a cerca de 2.200 personas.

En último lugar, aunque no muy lejano a los dos SB anteriores, se encuentra el aprovechamiento de leña de Acacias para calor de proceso (y/o para generación de electricidad a pequeña escala), con un IS de 0,54. Las especies estudiadas se encuentran dispersas en una superficie de 68.000 ha, y en algunos sectores se encuentran formando bosquecillos casi puros. Se contaría con cerca de 50.900 Gcal/año a partir de una oferta leñosa anual de 15.500 tMS. Para poner en ejecu-ción este SB es necesaria una fuerte intervención gubernamental para implemen-tar planes de manejo que permitan la renovación de los arbustales, acompañados de sistemas de monitoreo y control. Los principales ecosistemas identificados en la zona, sólo con adecuados planes de manejo podrían ser utilizados de manera complementaria para lograr los objetivos mencionados (energía calórica), sin los cuales podrían verse afectados en su biodiversidad y posibilidades de subsistencia.

Más allá de las especificidades de cada uno de los SB analizados, que pueden ser largamente discutidas, los análisis reflejan la realidad de los sistemas comple-jos que intentan ser abordados por la ciencia de la sustentabilidad: el análisis de uno o pocos aspectos del sistema, no permite la toma de decisiones acertada sobre los mismos. Es decir, tener una amplia superficie de un recurso, o con excelentes cualidades combustibles o capacidad de mitigación de GEI, o una tecnología dis-ponible localmente, o fácilmente apropiable y “más limpia”, no conduce a una conclusión efectiva sobre las bondades de un SB –en este caso- ni permite la toma directa de decisiones sobre su implementación. Al igual que en otros sistemas, las innumerables interrelaciones que se retroalimentan unas a otras, pueden actuar en sinergia o generando lo que actualmente se denomina como “fugas”, es decir efectos no deseados en otro sitio u otro aspecto no contemplado, si es que no son debidamente estudiadas. Una conclusión insoslayable de los análisis realizados es que debe asumirse como imprescindible para la toma de decisiones en proyectos de bioenergía, la conformación de equipos multidisciplinarios, que integren no sólo múltiples perspectivas de análisis sino también que incluyan las múltiples miradas del mismo (de los diferentes sectores y actores involucrados). El rol de la ciencia y los científicos es muy importante en el proceso de obtener y comunicar la información necesaria para reducir el riesgo inherente a todo proceso de toma de decisiones en condiciones de incertidumbre, pero este proceso exige amplia participación social y requiere del uso de metodologías específicas. Para que la


incipiente ciencia de la sustentabilidad contribuya con soluciones prácticas a los problemas actuales, es imprescindible la cooperación estrecha entre gobiernos, investigadores, empresarios, comunidades y todos los actores directa o indirec-tamente afectados o interesados en cada problema o proyecto en particular. Con esta premisa, la generación de conocimiento pasará de las esferas académicas a lograr la integración de sectores y regiones a la corriente que conduce hacia mayores niveles de sustentabilidad, en los cuales los eslabones se encuentran ba-lanceados en su justo punto de equilibrio.

CONCLUSIONES

Si bien el abordaje del objeto de estudio –biomasa- se realizó considerando múltiples dimensiones y perspectivas, existe una compleja conjunción de factores, elementos, interrelaciones, energías, coyunturas temporales, que entran en siner-gia y en sintonía en la constitución concreta de cada SB definido para el Valle de Lerma (Salta) y de sus aspectos relacionales individuales. Aún las partes aparen-temente más simples están conformadas por interrelaciones entre sus componen-tes y con el entorno que las rodea (contexto territorial, temporal y humano) y el mismo sujeto que analiza no se sitúa al margen de esta realidad, sino que es parte del proceso de la realidad y de su conocimiento reflejo. Por tanto, la exploración, descripción, explicación y evaluación de las partes de los SB estudiados no ago-taron el conocimiento sobre los mismos, y por otra parte, los análisis parciales realizados mostraron resultados diferentes a los obtenidos cuando se evaluaron todos en su conjunto (desde el marco de análisis de “sustentabilidad”). El mar-co analítico construido posibilitó por tanto, conocer el comportamiento integral comparativo de tres SB, y permitirá asimismo, testear las tendencias de cada sis-tema, evaluando idénticos indicadores en el tiempo. La implementación de los SB más sustentables localmente, conducirá a la población del Valle de Lerma a una situación más sustentable por definición. El estudio realizado brinda un aporte significativo en tres direcciones: i) generación de conocimientos científico-técni-cos para el manejo planificado de la biomasa del Valle de Lerma, principalmente en función de su potencial de mitigación de GEI y su potencial bioenergético; ii) construcción y desarrollo de metodologías novedosas de análisis y evaluación de sustentabilidad, y iii) contribución de resultados específicos en el campo de la bioenergía, que permitirá lograr la integración de sectores y regiones con pro-puestas concretas, direccionándolos hacia niveles de mayor sustentabilidad local.

33

REFERENCIAS BIBLIOGRÁFICAS

[1]Pasquevich, D. La creciente demanda mundial de energía frente a los riesgos ambientales. Instituto de Energía y Desarrollo Sustentable. Comisión Nacional de Energía Atómica. Argentina. 2012.

[2]SEN (Secretaría de Energía de la Nación). Matriz Energética. 2012. www.energia3.mecon.gov.ar

[3]IAE (Instituto Argentino de la Energía “General Mosconi”). Informe: evolución de las reservas de hidrocarburos en Argentina entre 2002 y 2011. Compilador Luciano Caratori. Argentina. 2012.

[4]Montamat, D.G. Una estrategia energética sustentable para el siglo XXI: gas natural de la región y paulatina inserción de fuentes primarias alternativas. Plan Energético 2005-2020. Buenos Aires. 109 p. 2005.

[5]Ezzati, M., Bailis, R., et al. Energy management and global health. Rev.Env.Res 29, 383–419. 2004.

[6]IPCC (Intergubernamental Panel Climate Change). Cambio climático: Informe de síntesis. Ginebra, Suiza, 2007.

[7] Angelis-Dimakis, A.; Biberacher, M.; et al. Methods and tools to evaluate the availability of renewable energy sources. Ren.Sust.Ener.Rev.15:1182–1200. 2011.

[8] Baños, R.; Manzano-Agugliaro, F.; et al. Optimization methods applied to renewable and sustainable energy: A review. Ren.Sust.Ener.Rev.15:1753–1766. 2011.

[9] Dedeurwaerdere, T. Sustainability Science for Strong Sustainability. Université Catholique de Louvain. SR-FNRS. 2013.

[10]Zhang, F.;Cooke, P. Global and regional development of renewable energy. Project “Green innovation and entrepreneurship in Europe” funded EU FP6. 2009. http://www.dimeeu.org/working-papers/sal3-green.

[11]Cicerone, R.J.; Vest, C.M. Electricity from Renewable Resources: Status, Prospects, and Impediments. America’s Energy Future Panel. NRC. Academies Press. 2009.

[12] Borges de Oliveira, S.V.W.; Bevilacqu Leoneti, A.; et al. Generation of bioenergy and biofertilizer on a sustainable rural property. Biomass and bioenergy 35: 2608-2618. 2011.

[13] Sardianou, E.; Genoudi, P. Which factors affect the willingness of consumers to adopt renewable energies? Ren. En.57: 1-4. 2013.

[14] FAO (Food and Agricultural Organization). Análisis del Balance de Energía derivada de Biomasa en Argentina - WISDOM Argentina- Departamento Forestal. Proyecto TCP/ARG/3103. 118 p. 2009.

[15] EUBIA (European Biomass Industry Association). www.eubia.org. Acceso 24/02/2013.


[16] Karekezi, S., Lata, K. y Coelho, S.T. Traditional biomass energy. Improving its use and moving to modern energy use. Bonn. 2004.

[17] IEA (International Energy Agency). Key world energy statistics. Paris (France): OECD/IEA. 2012.

[18] Hatje, W.; M. Ruhl. Use of biomass for power and heat generation: possibilities and limits. Ecol.Eng. 16: 41-49. 2000.

[19] Demirbas, A. Potential applications of renewable energy sources, biomass combustion problems in boiler power systems and combustion related environmental issues. Prog.Ener.Comb.Scie.31:171–92. 2005.

[20] Balat, M.; Balat, M.; et al. Main routes for the thermo-conversion of biomass into fuels and chemicals. Ener.Conv.Man.50: 3147-57.2009.

[21] Stolarski, M.J.; Szczukowski, S.; et al. Comparison of quality and production cost of briquettes made from agricultural and forest origin biomass. Ren.Energy 57: 20-26. 2013. [22] Hoogwijk, M.;Faaij, A.; et al. Potential of biomass energy out to 2100, for four IPCC SRES land-use scenarios. Biom.Bioen. 29:225–57.2005.

[23] Demirbas, M.F.; Balat, M. y Balat, H. Potential contribution of biomass to the sustainable energy development. Ener.Conv.Manag. 50: 1746–1760. 2009.

[24] Bauen, A.; Woods, J. y Hailes, R. Bioelectricity vision: achieving 15% of electricity from biomass in OECD countries by 2020. WWF and Aebiom. United Kingdom Ltd. 2004.

[25] Lechón, Y.; Cabal, H.; et al. Energy and greenhouse gas emission savings of biofuels in Spain’s transport fuel. The adoption of the EU policy on biofuels. Biom.Bioen. 33:920–932. 2009.

[26] Bollino, C.A.; Polinori, P. Sustainability: Will there be the will and the means? Pags 137-164. In: Energy, Sustainability and the Environment. Ed. F. Sioshansi. Menlo Energy Economic. Elsevier. 2011.

[27] Felten, D.; Fröb, N.; et al. Energy balances and greenhouse gas-mitigation potentials of bioenergy cropping systems based on farming conditions in Western Germany. Ren.Ener.55:160-174. 2013.

[28]Kirschbaum, M.U.F. To sink or burn? A discussion of the potential contributions of forests to greenhouse gas balances through storing carbon or providing biofuels. Biom.Bioen. 24, 297– 310. 2003.

[29]Krajnc, N.; Domac, J. How to model different socio-economic and environmental aspects of biomass utilisation: Case study in selected regions in Slovenia and Croatia. Energy Policy 35, 6010–6020. 2007.

[30] Zhang, X.; Yan, S.; et al. Energy balance and greenhouse gas emissions of biodiesel production from oil derived from wastewater and wastewater sludge. Ren.Energy 55:392-403. 2013.

[31]Farrell, A.E.; Plevin, R.J.; et al. Ethanol can contribute to energy and environmental goals. Science 311:506-8. 2006.

35

[32]Alder, P.R.; Grosso, S.J.D. y Parton, W.J. Life cycle assessment of net greenhouse-gas flux for bioenergy cropping systems. Ecol.Applic.17: 675–91. 2007.

[33]Gibbs, H. K.; Johnston, M.; et al. Carbon payback times for crop-based biofuel expansion in the tropics: The effects of changing yield and technology. Environ.Res.Letters 3: 10pp. 2008.

[34]Sarandón, S.J.; Iermanó, M.J. Sustainability of the production of biodiesel as an alternative fuel in Argentine Republic. III Congreso Brasileiro de Agroecología, Florianópolis, SC, Brasil. 2005a.

[35]Salomon, O.D.; Orellano, P.W.; et al. Transmisión de la Leishmaniasis tegumentaria en la Argentina. Medicina 66, 211-219. 2006.

[36]Lamers, P. Emerging liquid biofuel markets: A dónde va la Argentina?. IIEE Thesis: Lund, Sweden. 2006.

[37]Van Dam, J.; Faaij, A.P.C.; et al. Large-scale bioenergy production from soybeans and switchgrass in Argentina. Environmental and socio-economic impacts on a regional level. Ren.Sust.En.Rev.13, 1679–1709. 2009.

[38]Panichelli, L. ; Dauriat, A. y Gnansounou, E. LCA of soybean- based biodiesel in Argentina for export. I.J.LCA 14,144–159. 2009.

[39]Tomei, J.; Upham, P. Argentinean soy-based biodiesel: an introduction to production and impacts.Tyndall Working Paper 133. /http://tyndall.ac.uk/ publications/working_papers/twp133.pdfS. 2009.

[40]Rodriguez, A.M.; Jacobo, E.J. Glyphosate effects on floristic composition and species diversity in the Flooding Pampa grassland (Argentina).Agric.Ecosyst.Environ.(2010),doi:10.1016/j.agee.2010.05.003

[41]Affuso, E.; Hite, D. A model for sustainable land use in biofuel production: An application to the state of Alabama. Energy Econ.37:29-39. 2013. [42]Minagri (Ministerio de Agricultura, Ganadería y Pesca). Proyecto Probiomasa. Revista MINAGRI 9 (2). 2012.

[43]Esteva, I. Development. In Sachs, W. The development dictionary: a guide to knowledge as power. Londres, Zab, 6-25. 1992.

[44]Bressers, H. Implementing sustainable development: how to know what works, where, when and how’, in W.M. Lafferty (ed.), Governance for Sustainable Development: the challenge of adapting form to function.Edward Elgar. 2004.

[45]RAMIREZ, H.E. Desarrollo, subdesarrollo y teorías del desarrollo en la perspectiva de la geografía crítica. Rev. Esc. Hist. 7 (2). 2008. ISSN 1669-9041.

[46]Merchant, C. The scientific revolution and The Death of Nature. Isis 97: 513-533. 2006.

[47]Jerneck, A.; Olsson, L.; et al. Structuring sustainability science. Sustainability Science 6: 69-82. 2010.


[48]Salas-Zapata, W.; Ríos-Osorio, L. y Álvarez-Del Castillo, J. La ciencia emergente de la sustentabilidad: de la práctica científica hacia la constitución de una ciencia. Interciencia 36(9). 2011.

[49] Anderson, M.W.; Teisl, M. y Noblet, C. Giving voice to the future in sustainability: Retrospective assessment to learn prospective stakeholder engagement. Ecol.Econ 84:1–6. 2012.

[50] Foladori, G; Pierri, N. (Coord.)¿Sustentabilidad? Desacuerdos sobre el desarrollo sustentable, Colección América Latina y el Nuevo Orden Mundial. México. ISBN 970-701-610-8. 2005.

[51]WCED (World Commission on Environment and Development). Our Common Future. Oxford University Press. 1987.

[52]Holden, E. y Linnerud, K. (2007). The Sustainable Development Area: satisfying basic needs and safeguarding ecological sustainability. Sustainable Development 15, 174–187.

[53] Lindmark, M.; Acar, S. Sustainability in the making? A historical estimate of Swedish sustainable and unsustainable development 1850–2000. Ecol.Econ. 86:176–187. 2013.

[54]Kates, R.W. What kind of a science is sustainability science? PNAS 108 (49), 19449–19450. 2011.

[55] White, M.A. Sustainability: I know it when I see it. Ecol.Econ.86: 213–217. 2013.

[56]Clark, W.; Dickson, N. Sustainability science: the emerging research program. PNAS100:8059-61. 2003.

[57]Fiksel, J. Sustainability and resilience: toward a systems approach. Sus.Sci.Pract. Policy 2: 14-21. 2006.

[58]Ríos, L.; Ortiz, M. y Álvarez, X. An epistemology for sustainability science: a proposal for the study of the health/disease phenomenon. Int. J. Sust. Dev. World 16: 48-60. 2009.

[59]Kajikawa, Y. Research core and framework of sustainability science. Sustainability Science 3: 215-239. 2008.

[60]Haas, R.; Nakicenovic, N.; et al. Towards sustainability of energy systems: A primer on how to apply the concept of energy services to identify necessary trends and policies. Energy Policy 36: 4012–4021. 2008.

[61] Gasparatos, A.; Scolobig, A. Choosing the most appropriate sustainability assessment tool. Ecol.Econ 80:1–7. 2012.

[62]Ness, B.; Piirsalu, E.U.; et al. Categorising tools for sustainability assessment. Ecol.Econ 60:498– 508. 2007.

[63]Bond, A.J.; Morrison-Saunders, A. y Pope, J. Sustainability assessment: the state of the art. I.Ass.Proj.App.30:53-62. 2012.

[64]Pintér, L.; Hardi, P.; et al. Bellagio STAMP: principles for sustainability assessment and measurement. Ecol.Indic.17:20-8.2012.

37

[65]Núñez, V.; Moreno, R.; et al. Cartografía digital proyecto CIUNSA 1345. CIUNSa. 2007.

[66]INDEC (Instituto Nacional de Estadísticas y Censos). http://www.Indec.Gov.Ar/Webcenso/Index.Asp. 2011.

[67]Blake, G.R. y Hartge, K.H. Bulk density. In: A. Klute (ed.). Methods of Soil Analysis. ASA and SSSA, Madison, WI: 363-375. 1986.

[68]Brown, S.; Gillespie, A.J.R. y Lugo, A.E. Biomass estimation methods for tropical forests with applications to forest inventory data. Forest Science 35 (4), 381-902. 1989.

[69]Chave, J.J.; Andalo, C.; et al. Tree Allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia 145, 87–99. 2005.

[70]Zhou, X.; Brandle, J.R.; et al. Developing above-ground woody biomass equations for open-grown, multiple-stemmed tree species: shelterbelt-grown Russian- Olive. Ecol.Model.202, 311–323. 2007.

[71]Macdicken, K.G. A guide to monitoring carbon storage in forestry and agroforestry projects. F. C. M. P. Winrock International Institute for Agricultural Development; 1997.

[72]Solomon, D.S.; Hughey, K.F.D. A proposed Multi Criteria Analysis decision support tool for international environmental policy issues: a pilot application to emissions control in the international aviation sector. Envir.Sc.Policy 10, 645-653. 2007.

[73]Buchholz, T.; Rametsteiner, E; et al. Multi Criteria Analysis for bioenergy systems assessments. Energy Policy 37: 484-495. 2009.

[74] Stewart, J.; French, S. y Rios, J. Integrating Multicriteria decision analysis and scenario planning. Omega 41: 679–688. 2013.

[75]UNDP (United Nations Development Programme). Sustainability and equity: a better future for all. 2011. New York, USA.

[76]Puigdevall, J.; Galindo, D. Energía de la Biomasa. Módulo de la Maestría en EERR de la Universidad de Zaragoza, España. 2007.

[77]Seghezzo, L. Desarrollo a Secas, Desarrollo Sustentable y Sustentabilidad. Curso de Postgrado. Ciencias Naturales. UNSa. Argentina. 2008.

[78]Barros, V. et al. Primera Comunicación Nacional de la República Argentina a la Convención Marco de las Naciones Unidas sobre Cambio Climático. Inventario de GEI sector transporte. Argentina. 1999.

[79]Cabrera, A.L. Regiones Fitogeográficas Argentinas. Enciclopedia Argentina de Agricultura y Jardinería. Ed. ACME SACI, Buenos Aires. 1994.


ANEXO

Valores de cada indicador medidos para los SB del Valle de Lerma.

Tabla 7. Valores estimados para cada uno de los indicadores trabajados en la investigación.

Indicador Unidad

SBA B C

Valor valor ValorP1 N° 8 3 7P2 % 20 56 65P3 % 45 7 17P4 % 0 20 8P5 N° 40 40 78P6 % 30 15 14P7 % 0 25 65P8 % 80 50 100P9 % 2 80 5

P10 % 81 50 35R1 ha/año 100.000 68.000 17.315R2 % 40 80 25R3 GJ/ha.año 3 3 14,6R4 Adim. 307 1500 603R5 t MS/año 12.050 15.476 17.800R6 Adim. 0,6 0,8 0,56R7 t/ha.año 0,12 0,54 1,01R8 N° 1 3 2T1 Adim. 1 0,5 1T2 % 30 12 13T3 kcal/ kwh 4.536 2.200 3.000T4 Adim. 0 0,5 0T5 % 80 60 10T6 US$/kwh 0,1 0,2 0,01I1 % 100 80 78I2 Adim. 0 0,5 0I3 % 0,84 1,02 1,71I4 % 3 7,62 32I5 tC/año 4.908 4.220 3.153I6 tC/ha 0,45 9 3,11I7 % 58 10 78I8 % 3 11 36I9 % 15 8 75

<<<

39

>>> DESARROLLO DE UN MÉTODO PARA ESTIMAR EL CONSUMO DE ENERGÍA DE EDIFICACIONES COMERCIALES A TRAVÉS DE LA APLICACIÓN DE REDES NEURONALES

Ana Paula MeloOrientador: Prof. Roberto Lamberts

RESUMEN

Este estudio presenta el desarrollo de un método más exacto para evaluar el consumo de energía de edificaciones comerciales. Se basó en el modelo simplificado para evaluar la eficiencia del envolvente presente en el Reglamento Técnico de la Calidad del Nivel de Eficiencia Energética de Edificios Comerciales, de Servicios y Públicos (RTQ-C), utilizado en Brasil. Inicialmente, se evaluó la utilización del método estadístico de redes neuronales artificiales para el desarrollo de un nuevo modelo simplificado basándose en datos de entrada y salida adoptados para el mo-delo simplificado presente en el RTQ-C. Otra etapa del método consistió en la apli-cación del método Hipercubo Latino para combinar la interacción entre diferentes parámetros de entrada. Se puede observar que, al aplicarse la técnica de modelado estadístico de redes neuronales y la técnica de muestreo por el Método Hiperbubo Latino fue posible describir la correlación entre los datos de entrada y de salida que no presentan un comportamiento linear. Como resultado final, se alcanzó los obje-tivos del estudio, lo que permitió desarrollar un modelo más exacto para estimar el consumo de energía eléctrica de las edificaciones comerciales.

PALABRAS CLAVES: modelo simplificado, redes neuronales artificiales, RTQ-C.

ABSTRACT

The main objective of this study is to develop a more accurate method to es-timate the energy consumption of commercial buildings in the design stage. The study is based on the simplified model presented in the Regulation for Energy Efficiency Labelling of Commercial Buildings in Brazil (RTQ-C). The first step was to evaluate the feasibility and relevance of more complex statistical modeling techniques, such as neural network. The second step of the assessment consisted of applying the Latin Hypercube sampling technique to combine the effects of

BR

ASI

L


several input parameters. Based on artificial neural network and Latin Hypercube method it was able to describe the relation between inputs parameter and energy consumption in the case of commercial buildings in Brazil. As a result, the objec-tives of this research were achieved letting to develop a simplified model which can predict the commercial buildings energy consumption.

KEYWORDS: simplified model, artificial neural network, RTQ-C.

INTRODUCCIÓN

El concepto de sostenibilidad y la búsqueda por edificios eficientes está cam-biando las prácticas y poniendo en evidencia el área de la construcción civil. Los edificios sostenibles, los que supuestamente se construyen con el mínimo impacto ambiental posible, están adquiriendo gran relevancia en el mercado y contribu-yen para la construcción de edificaciones más eficientes energéticamente. Sin embargo, se debe señalar la importancia de la integración de los proyectos ar-quitectónicos con los proyectos de edificios con sistema de acondicionamiento de aire, iluminación y equipamientos para mejorar el desempeño energético de tales edificaciones de forma sostenible.

La sostenibilidad se está intensificando con la demanda creciente de certifi-caciones y sellos ambientales, por ejemplo, LEED, BREEAM y AQUA. Muchos países se han dado cuenta de la importancia de construir de forma sostenible y buscan elaborar certificaciones que aumenten la eficiencia de sus edificaciones.

Inversiones en eficiencia energética de edificaciones, además de ofrecer bene-ficios financieros, también proporcionan beneficios ambientales. Pérez-Lombard et al. (2009) relatan que el éxito de una certificación se basa en tres factores: obtención de una certificación que resulte en calidad para la inversión; la exacti-tud de la economía de energía alcanzada; y el compromiso de reducir los gases de efecto invernadero, con el fin de prevenir los impactos del calentamiento global.

Actualmente, muchas de las certificaciones adoptan la simulación computa-cional de edificaciones para realizar su evaluación energética, a través de pro-gramas como EnergyPlus, ESP-r y Trnsys. Sin embargo, muchos países, como Portugal, Holanda y Brasil están desarrollando sus propios métodos para hacer una evaluación energética de la edificación, los cuales generalmente tienen como base un modelo simplificado.

En Portugal, el nuevo reglamento térmico fue implantado en 2006, dividi-do entre edificios residenciales (RCCTE, 2006) y edificios de oficinas (RSECE, 2006). El tipo y el nivel de los requisitos dependen de la categoría del edificio.

41

La exactitud del método simplificado de la reglamentación térmica de Portugal para los edificios existentes fue evaluada por Silva et al. (2009). Con base en mediciones “in-situ” para calibrar datos de entrada, los resultados muestran que generalmente el modelo simplificado presenta resultados aproximadamente 11% superiores a los resultados del método detallado.

Desde 1995, las nuevas construcciones de edificaciones en Holanda deben estar de acuerdo con el Código Holandés (NEN 2916, 1994) para determinar el desempe-ño energético de los edificios no residenciales. Se adopta tal código para estimar el consumo total de energía primaria para iluminación, refrigeración, calentamiento, ventilación, bombeo, humidificación y agua caliente para uso doméstico. Además, ese código establece las necesidades energéticas de calentamiento y refrigeración para diferentes sistemas de acondicionamiento de aire. Sin embargo, se evaluó la relación entre el desempeño energético con base en la certificación y en el real con-sumo de la edificación (CDC, 2004; Santil et al., 2009). Los resultados demuestran que hay una diferencia significativa entre los valores de EPC (Energy Performance Coefficient) y el consumo actual. El comportamiento del usuario puede hacer que el consumo de energía para calentamiento varíe en hasta un 4,2%, pero dicha varia-ción puede alcanzar el 42%, dependiendo de la utilización de aislamiento térmico y de la presencia de termostato en la edificación.

Con la crisis del sector eléctrico en 2001, Brasil empezó a establecer acciones para estimular el uso eficiente de la energía eléctrica. El primer paso fue la ela-boración de la Ley № 10.295, publicada por el Ministerio de Minas y Energía en 17 de octubre de 2001, que establece la creación de mecanismos que resulten en edificaciones más eficientes energéticamente (BRASIL, 2001a). En diciembre de 2001, esa ley fue reglamentada por el Decreto № 4.059 (BRASIL, 2001b), que advertía que fabricantes e importadores de máquinas y aparatos consumidores de energía están obligados a adoptar niveles máximos de consumo de energía y mínimos de eficiencia energética, de acuerdo con los estudios referentes a cada máquina y aparato. Después de algunos años de discusión y de trabajos de diver-sas instituciones, fue aprobado por el Orden Ministerial (en Brasil, “Portaria”) № 53, el 27 de febrero de 2009 (INMETRO, 2009), el Reglamento Técnico de la Calidad del Nivel de Eficiencia Energética de Edificios Comerciales, de Servicios y Públicos (RTQ-C). Ese reglamento tiene como objetivo el etiquetado de edifica-ciones en Brasil clasificándolas según el nivel de eficiencia energética, con base en tres requisitos principales: eficiencia y potencia instalada del sistema de ilumi-nación, eficiencia del sistema de acondicionamiento de aire y desempeño térmico del envolvente de la edificación siempre que esta sea acondicionada artificialmen-te. Inicialmente, el reglamento tiene carácter voluntario, pero, algunos años tras su implantación, la propuesta pasará a tener carácter obligatorio, y la edificación


será evaluada de acuerdo con requisitos que varían de eficiencia A (más eficien-te) a E (menos eficiente). El RTQ-C presenta dos métodos para evaluar el nivel final de eficiencia de una edificación: Método Prescriptivo, que se refiere a una ecuación en la que se atribuyen diferentes pesos a cada requisito; o a través del Método de Simulación, que adopta la utilización de un programa de simulación computacional. El nivel de eficiencia de la edificación o de los sistemas se indica a través de la Etiqueta Nacional de Conservación de Energía (ENCE).

Con programas de simulación energética, es posible evaluar el desempeño tér-mico y energético de edificaciones. En los últimos años, se verificó que diferentes programas de simulación fueron desarrollados (CRAWLEY et al., 2008), lo que aumenta la posibilidad de analizar la interacción de diferentes sistemas presen-tes en un proyecto. Por otra parte, la utilización de tales programas exige una demanda considerable de tiempo y recursos. Además, el uso de programas de simulación de desempeño térmico requiere un nivel de conocimiento muy amplio y complejo en comparación con los métodos simplificados. Estos generalmente seleccionan pocos datos de entrada y se desarrollan con base en diversas supo-siciones respecto al clima, estándares de uso y tipo de construcciones. Dichos métodos proveen una herramienta rápida para evaluar el desempeño de la edifi-cación, pero también implican una incertidumbre considerable con relación a sus resultados que puede comprometer el proceso de certificación de los edificios.

Durante el desarrollo del modelo simplificado para la evaluación del envolven-te presente en el RTQ-C, se encontró algunas limitaciones con relación a la volu-metría del edificio y de la transmitancia térmica de las paredes (CARLO, 2008). La solución para eso fue determinar dos modelos simplificados para evaluar el envolvente de las edificaciones con base en el área de la proyección y en el área de la fachada de la edificación y excluir del modelo simplificado el parámetro trans-mitancia térmica de las paredes, para encontrar una correlación de alta calidad entre los datos de entrada y el dato de salida a través de la utilización del método estadístico de regresión linear múltiple.

Esas limitaciones fueron evaluadas (CARLO y LAMBERTS, 2010; MELO et al., 2011) observándose que el modelo simplificado tiene límites respecto al uso de diferentes volumetrías de edificaciones y limitaciones con relación a la utili-zación de cristales de alto desempeño en conjunto con una gran área de venta-na. El estudio realizado por Melo et al. (2012) analizó la exactitud del modelo simplificado presente en el RTQ-C y concluyó que este presenta resultados fuera del límite establecido en comparación con casos del BESTEST (Building Energy Simulation Test) (ASHRAE Standard 140, 2004). La mayoría de los casos sobre-pasó hasta 60% el límite establecido. Otra limitación encontrada en tal estudio fue con relación al nivel de eficiencia determinado por los métodos presentes en

43

el RTQ-C. El modelo simplificado del RTQ-C resulta en un nivel de eficiencia de envolvente inferior en comparación con el método de simulación. También se ob-servó que el modelo simplificado presente en el RTQ-C presenta un resultado final establecido como un indicador de consumo, y no como un resultado de consumo de energía de la edificación. Consecuentemente, se recomienda aplicar el método de simulación para edificaciones más complejas (con gran área acondicionada, diferentes ambientes, presencia de equipamientos, entre otros). Con relación al método estadístico utilizado para desarrollar el modelo simplificado, se puede concluir que él no logró representar las interacciones entre los datos de entrada y de salida, lo que influenció la exactitud de sus resultados.

Ante esas limitaciones y con base en los resultados presentados en los estudios antes citados, se verifica la necesidad de desarrollar un método más preciso para calcular el consumo de energía de edificaciones comerciales.

MÉTODO

Comparación entre las técnicas de modelado estadístico aplicadas a los casos del RTQ-C

Este capítulo presenta una comparación entre dos técnicas de modelado esta-dístico aplicadas en los casos utilizados para desarrollar el modelo simplificado presente en el Reglamento Técnico de la Calidad del Nivel de Eficiencia Energé-tica de Edificios Comerciales, de Servicios y Públicos: regresión linear múltiple y redes neuronales artificiales. El método de regresión linear múltiple fue utilizado para desarrollar el modelo simplificado encontrado en el RTQ-C.

El método de regresión linear es un método simple de desarrollar y fácil de utilizar en comparación con el uso de programas de simulación computacional. Consecuentemente, se verifica la creciente utilización de tal herramienta para determinar el consumo de energía de edificaciones. Sin embargo, actualmente existen otros métodos estadísticos que permiten evaluar la respuesta del desa-rrollo de modelos simplificados. Entres los métodos que se están destacando y generando interés por el estudio y desarrollo, está el método estadístico de redes neuronales artificiales. Las redes neuronales artificiales (RNA) se basan en el funcionamiento del cerebro humano, más específicamente en el comportamiento de las neuronas. Según Bezdek y Pal (1992), entre las ventajas de la utilización del método estadístico de redes neuronales, se destacan la calidad superior con relación a otros métodos estadísticos, la imunidade a fallos y ruidos y los modelos compactos con respuestas rápidas.


Para el desarrollo de esa fase y la aplicación del método estadístico de redes neuronales, se utilizó la misma base de datos usada para desarrollar el modelo simplificado presente en el RTQ-C (Carlo, 2008). Eso permitió comparar entre los dos métodos los valores de error medio, desviación estándar y coeficiente de determinación. Se obtuvo dichos valores comparando, por medio de simulación computacional, los resultados encontrados con los valores ecuacionados.

Para la utilización del método de redes neuronales, se adoptó el programa EasyNN-Plus (EasyNN Plus, 2011). Se clasificó la arquitectura de la red neu-ronal como prealimentación (del inglés, feed-forward), en la cual la capa de salida se conecta sólo con la capa anterior. Se utilizó la metodología en que se secciona el 50% de los casos para el entrenamiento de la red neuronal y el 25% para la validación de la rede. Los otros 25% se usa para verificar el desempeño de la red, teniendo en cuenta que esos casos no forman parte ni del entrena-miento ni de la validación. Todos los casos fueron seleccionados aleatoriamente por el programa EasyNN-Plus.

Los parámetros utilizados para desarrollar el modelo simplificado fueron con-siderados como datos de la capa de entrada. El consumo de energía de la edifi-cación (kWh/m2 de área acondicionada) fue considerado como dato de salida. Se consideró los parámetros de entrada y sus correspondientes valores como varia-bles independientes, y el consumo de energía, como variable dependiente. Para el entrenamiento de la red neuronal, se consideró la misma metodología utilizada para desarrollar los modelos simplificados presentes en el RTQ-C. O sea, se entre-nó dos redes neuronales: una para edificaciones con área de proyección superior a 500 m2 y otra para edificaciones con área de proyección inferior o igual a 500 m2.

Con tal procedimiento, fue posible comparar los resultados provistos por ambos métodos estadísticos para los dos modelos simplificados considerados. Las etapas de esa metodología pueden ser observadas en la Figura 1. Las etapas realizadas anteriormente para desarrollar el modelo simplificado presente en el RTQ-C están señaladas en rojo. Las etapas desarrolladas en este trabajo están pintadas de negro.

45

Figura 1– Técnicas de modelado estadístico consideradas.

Comparación entre las técnicas de muestreo aplicadas a los casos del RTQ-C

Este capítulo presenta una comparación entre dos técnicas de muestreo aplica-das en los casos utilizados para desarrollar el modelo simplificado presente en el Reglamento Técnico de la Calidad del Nivel de Eficiencia Energética de Edificios Comerciales, de Servicios y Públicos: el cambio de un sólo parámetro para cada nuevo caso y el método Hipercubo Latino.

Entre las etapas de un análisis estadístico, se destaca el aspecto importante de las formas de muestreo. Es necesario garantizar que la muestra seleccionada para el estudio logre representar y ejecutar el método estadístico utilizado (Risso et al., 2010; Olsson et al., 2003; Xu et al. 2005). La determinación de una mues-tra de baja calidad podrá producir errores y comprometer los resultados finales (De Wit y Augenbroe, 2002). Se debe tener un cuidado especial y criterioso con relación a la muestra elegida.

Para el desarrollo de los casos del RTQ-C, se utilizó la técnica de muestreo en que hay el cambio de un sólo parámetro para cada nuevo caso. Esa técnica permite observar la influencia de cada parámetro en el resultado del dato de sa-lida de la simulación, pero exige que se elabore diversos casos de acuerdo con el número de parámetros que serán analizados, aunque estos no tengan influencia significativa en el resultado final. Además, esa técnica oculta la influencia de la interacción de dos o más parámetros en cada simulación.

Al utilizarse el método Hipercubo Latino (MHL), es posible analizar la influen-cia de la combinación de diferentes factores, pues la técnica posibilita reducir el nú-


mero de casos que serán simulados, sin reducir la calidad de los resultados (McKay et al., 1979). La comparación de ambas técnicas de modelado permite entender su comportamiento y influencia en el desarrollo de un modelo simplificado.

Tras analizar las dos técnicas de muestreo (cambio de un parámetro por vez y Hipercubo Latino), se aplicó la técnica de modelado estadístico de redes neuro-nales artificiales (utilizada en la etapa anterior) en los casos generados a partir de la aplicación de ambas técnicas de muestreo. Es decir, se aplicó el método estadístico de redes neuronales tanto en los casos generados para el desarrollo del modelo simplificado presente en el RTQ-C como en los casos generados por el método Hipercubo Latino.

Las etapas realizadas para desarrollar el modelo simplificado están destaca-das en rojo vermelha, y las etapas desarrolladas en este trabajo están señaladas en negro (Figura 2).

Figura 2 – Técnicas de muestreo consideradas.

Base de datos ampliada para el desarrollo de un modelo simplificado más preciso

Para cumplir el objetivo del estudio, se consideró diferentes tipologías, con diferentes números de planta tipo, área construida, área acondicionada, área de cobertura, entre otros, para abarcar las características de muchas edificaciones brasileñas. Además, fueron considerados diferentes datos de entrada, cuyos valo-res variaban de mínimos a máximos.

Se consideró un total de diéciseis tipologías, teniendo en cuenta pequeñas y grandes lojas, pequeñas y grandes oficinas, hoteles y oficinas verticales. Respecto a los datos de entrada, la preocupación fue incluir valores mínimos y máximos respectivos a los datos de entrada, como se presenta en la Tabla 1. Se debe se-ñalar que el análisis fue realizado teniendo en cuenta el clima de la ciudad de Florianópolis, Brasil.

47

Después de generar todos los casos, se aplicó el programa de simulación com-putacional EnergyPlus, versión 6.0 (DOE, 2010) para obtener el consumo final de energía para cada caso. Con base en estos resultados, fue posible observar la influencia de los datos de entrada en el consumo final de las edificaciones y la variación encontrada en los resultados de consumo para cada tipología.

Tabla 1. Parámetros utilizados.

Parámetros Valores consideradosPorcentual de ventanas en la fachada 5; 15; 30; 45; 65; 90

Densidad de carga interna (W/m2) 20; 35; 40; 65

Transmitancia térmica de las paredes (W/(m2.K)) 0,66; 1,61; 2,02; 2,28; 2,49; 3,7; 4,4

Transmitancia térmica de la cobertura (W/(m2.K)) 0,62; 1,03; 1,18; 1,75; 1,92; 2,25; 4,56

Ángulo de proyección de la lama (brise) verticales 0 (sin lama (brise)); 35; 45

Ángulo de proyección de la lama (brise) horizontal 0 (sin lama (brise)); 45Coeficiente de Ganancia de Calor Solar de los

cristales0,87; 0,81; 0,76; 0,59; 0,49; 0,25

Cambios de Aire por Hora (ACH) 0,5; 1; 3

Absortancia de las paredes a la radiación solar 0,2; 0,5; 0,8

Absortancia de la cobertura a la radiación solar 0,2; 0,5; 0,8

Estándar de uso (horas/día) 11; 14; 24 (hotel)

Orientación (o Norte verdadero) Norte-Sur; Este-Oeste

Sistema de acondicionamiento de aireEquipo partido (Split) con Coeficiente de

Rendimiento (COR, en inglés COP) de 3,20 (wtérmico/weléctrico)

Modelos simplificados basados en la nueva base de datos

Para desarrollar el nuevo modelo simplificado, se adoptó el método estadís-tico de redes neuronales y se utilizó el programa EasyNN-Plus. Los parámetros fueron considerados como datos de la capa de entrada (variables independientes), y el consumo de la edificación en kWh/m2, como dato de salida (variable depen-diente) para el entrenamiento de la red neuronal. Además de los parámetros de entrada considerados, también se utilizó parámetros relacionados con el área constructiva de cada una de las diéciseis tipologías adoptadas. Todos los paráme-tros considerados en la capa de entrada para el entrenamiento de la red neuronal pueden ser observados en la Tabla 2.


Tabla 2. Datos de entrada.

Parámetros constructivos Parámetros relacionados con el área de las tipologías

Proporción muros-ventanas (en inglés, WWR) (%) Altura libre (m)

CGCS (en inglés, SHGC) Largo (m)

AHS (o) Número de plantasAVS (o) Área de fachada (m2)

Upar (W/(m2.K)) Área de proyección de la cobertura (m2)

Ucob (W/(m2.K)) Área de piso acondicionada (m2)

Infiltración (ACH) Área de piso no acondicionada (m2)Desviación de la sangría de carga (ILD) (W/m2)

Absortancia pared

Absortancia coberturaEstándar de uso (horas)

Con los resultados obtenidos a partir de la aplicación de la red neuronal, se calculó el coeficiente de determinación (R2), la media de errores (ē) y la des-viación estándar de los errores (σе). Se obtuvo tales resultados por medio de la comparación entre los resultados del programa EnergyPlus y del método estadís-tico de redes neuronales, teniendo en cuenta que ambos obtienen resultados en la misma unidad, kWh/m2. La frecuencia de errores entre el resultado simulado y ecuacionado fue observada a través de un histograma.

Validación del modelo

Este capítulo presenta la aplicación del modelo simplificado desarrollado, para evaluar la exactitud de sus respectivos resultados. Para la evaluación del nuevo modelo, se utilizó tres tipologías: una considerada una Pequeña Edifica-ción; otra, una Grande Edificación; y la tercera, una Edificación Vertical. No se consideró estas tres tipologías para el desarrollo del modelo simplificado. También fue evaluada la exactitud del modelo usando una tipología con dimen-siones no convencionales para verificar el error encontrado entre el resultado simulado y el equacionado. Además de las diferentes tipologías utilizadas, se determinó valores de datos de entrada que también no fueron considerados en el desarrollo del modelo simplificado. Con base en los resultados, se verificó el error final del modelo simplificado para responder a tipologías no adoptadas en la nueva base de datos.

49

RESULTADOS

Comparación entre las técnicas de modelado estadístico aplicadas a los casos del RTQ-C

Según Carlo (2008), la aplicación del método estadístico de regresión linear múltiple alcanzó un R2 de 0,99 para las tipologías con área de proyección infe-rior o igual a 500 m2 y un R2 de 0,99 para las tipologías con área de proyección superior a 500 m2. Al aplicar el método estadístico de rede neuronal, se encontró un R2 de 0,98 para las tipologías con área de proyección inferior o igual a 500 m2, y un R2 de 0,99 para las tipologías con área de proyección superior a 500 m2.

Se puede observar que los resultados de consumo final obtenidos con la utiliza-ción del programa EnergyPlus son casi idénticos a los encontrados con el uso del método estadístico de redes neuronales (Figura 3). Sin embargo, al evaluar los resultados de IC encontrados para el modelo simplificado para las tipologías con área de proyección inferior o igual a 500 m2, se observa una gran diferencia entre los resultados calculados por el modelo simplificado y por el método estadístico de redes neuronales.

Figura 3. Tipologías con área de proyección inferior o igual a 500 m2

Para las tipologías con área de proyección superior a 500 m2, se verifica el mismo comportamiento observado anteriormente. Comparando los resultados del programa EnergyPlus con el método de redes neuronales, se observa, en la Figura 4, que los valores encontrados son semejantes. Sin embargo, al compararlos con el modelo simplificado, se encuentra una gran diferencia entre los resultados.

Figura 4. Tipologías con área de proyección superior a 500 m2

Un análisis del resultado del cálculo del promedio y de la desviación estándar de los errores para el método estadístico de redes neuronales permite observar que, para las tipologías con área de proyección inferior o igual a 500 m2, los


valores encontrados fueron 2,3 kWh/m2 y 4,7 kWh/m2, respectivamente; y para las tipologías con área de proyección superior a 500 m2, los valores encontrados fueron 0,7 kWh/m2 y 5,1 kWh/m2, respectivamente. Se puede observar los valo-res en la Tabla 3.

Tabla 3. Aplicación del método estadístico de redes neuronales.

Tipologías

Características Área de proyección≤ 500 m2

Área de proyección> 500 m2

NN NN

R2 0,98 0,99

Promedio de errores (kWh/m2.ano) 2,3 0,7

Desviación estándar (kWh/m2.año) 4,7 5,1

Los valores del promedio de errores calculados muestran que la media puede ser próxima o distante en 4,7 kWh/m2 para las tipologías con área de proyec-ción inferior o igual a 500 m2; y 5,1 kWh/m2 para las tipologías con área de proyección superior a 500 m2. Al observar los valores, se verifica que el método estadístico de redes neuronales logró representar con exactitud los resultados de consumo de energía obtenidos con el programa EnergyPlus.

Aunque se verifique que las unidades de los resultados del método de simula-ción (kWh/m2) y del modelo simplificado (IC) son diferentes, se puede concluir, en esta etapa, que el método estadístico de redes neuronales fue más eficiente para representar la interacción entre los datos de entrada y salida en comparación con el método de regresión linear múltiple utilizado para desarrollar el modelo simplificado presnete en el RTQ-C. El comportamiento del modelo simplificado ante las simulaciones realizadas por ordenador se explica con base en las mismas conclusiones observadas anteriormente: el modelo simplificado presenta resulta-do inexacto, y el método estadístico de regresión linear múltiple adoptado para desarrollar el modelo simplificado fue incapaz de representar adecuadamente la relación entre los datos de entrada y el consumo de energía.

Al evaluar el R2 encontrado para el método de redes neuronales y el modelo simplificado, se observa que el valor encontrado es casi igual y que hay una co-rrelación satisfactoria entre los casos reales y los resultados equacionados. Pero, una evaluación del promedio y desviación estándar de los errores para el método estadístico de redes neuronales, permite observar que este presenta una desvia-ción estándar máxima de 5,1 kWh/m2 para las tipologías con área de proyección superior a 500 m2 y de 4,7 para las tipologías con área de proyección inferior o igual a 500 m2. Por otra parte, para el modelo simplificado, se puede verificar la existencia de una gran diferencia entre los resultados de IC y kWh/m2. Se observa

51

que ambos métodos poseen el mismo valor de R2, pero, al observar el orden de los residuos, se comprueba que los resultados del método estadísticos de redes neuronales son inferiores respecto al promedio de errores y desviación estándar. Se debe señalar la importancia de evaluar el promedio y la desviación estándar de los errores entre el valor calculado y el observado antes de afirmar que el modelo encontrado presenta comportamiento satisfactorio.

Comparación entre las técnicas de muestreo aplicadas a los casos del RTQ-C

La aplicación y los resultados obtenidos con la utilización del método estadís-tico de redes neuronales demuestra que el método logró representar los valores de consumo de energía calculados por simulación computacional para cada modelo simplificado (con base en el área de proyección de las tipologías). Teniendo en cuenta tales resultados, se optó por observar el comportamiento del método esta-dístico para el entrenamiento de todos los casos en una única ecuación.

Como resultado, se observó que, utilizando el método estadístico de la rede neuronal, fue posible integrar todos los casos en una sola ecuación y encontrar un valor de R2, el promedio de errores y la desviación estándar que consiguen repre-sentar el comportamiento de los casos generados por ambas técnicas de muestreo: cambio de un parámetro para cada nuevo caso y método Hipercubo Latino.

Para los casos generados por medio de la técnica de muestreo en que un sólo parámetro se modifica para cada nuevo caso, se observó que el R2 encontrado fue de 0,98. Al evaluar el promedio de los errores y la desviación estándar, se verifica nuevamente una diferencia mínima entre resultados calculados con el programa de simulación computacional y los resultados encontrados por la aplicación del método estadístico de redes neuronales. Para los casos generados por el método Hipercubo Latino, el valor de R2 encontrado fue 0,96. Los resultados obtenidos para el prome-dio de errores y la desviación estándar del error para este método fueron -0,2 kWh/m2 y 5,3 kWh/m2, respectivamente. Se puede observarlos en la Tabla 4.

Tabla 4. Aplicación de las técnicas de muestreo.Tipologías

Características Área de proyección≤ 500 m2 + > 500 m2

Un parámetro por caso Hipercubo LatinoR2 0,98 0,96

Promedio de errores (kWh/m2) -1,9 -0,2

Desviación estándar (kWh/m2) 6,6 5,3


Evaluando los resultados encontrados para ambas técnicas de muestreo, se observa que tanto la técnica en que ocurre un sólo cambio de parámetro a cada nuevo caso como el MHL logró representar el consumo de energía obtenido a través de simulación computacional. Sin embargo, comparando los resultados, se verifica que la técnica de muestreo del método Hipercubo Latino conseguió representar mejor el comportamiento de las tipologías analizadas. Este método presentó un promedio de -0,2 kWh/m2, con una desviación de 5,3 kWh/m2 próxi-ma o distante del promedio encontrado .

Además de permitir evaluar la influencia de la interacción de dos o más pará-metros en el dato de salida de la edificación, el MHL también posibilita reducir el número de simulaciones necesarias sin interferir en la calidad de los resultados. Se observó que, incluso adoptando un número reducido de casos para desarrollar el modelo simplificado, este presentó los mejores resultados de promedio de los errores y desviación estándar.

El desarrollo de dos modelos simplificados para evaluar la eficiencia ener-gética del envolvente de las edificaciones en el RTQ-C fue necesario, pues el método estadístico de regresión linear no logró tener un comportamiento favo-rable para abarcar todas las tipologías en una sola ecuación. La aplicación del método estadístico de redes neuronales de acuerdo con el área de proyección de cada tipología conseguió representar mejor los resultados obtenidos con la simulación computacional.

Modelo simplificado basado en la nueva base de datos

Para desarrollar el nuevo modelo, se consideró todas las tipologías (total de 3200 casos) y se adoptó el método estadístico de red neuronal. Fueron seleccio-nados 25% (800 casos) de los casos para proceder la validación de la red, 25% (800 casos) para verificar el desempeño de la red y el porcentual restante (1600 casos) para realizar el entrenamiento de la red.

Tras entrenar y validar la red neuronal, el programa generó un archivo de salida en formato .csv, que permitió analizar los casos que fueron seleccionados para la evaluación del desempeño de la red. Dicho archivo posibilitó comparar los valores de consumo ecuacionado (kWh/m2) por la red neuronal y el consumo simulado (kWh/m2) por el programa EnergyPlus. Con base en tales resultados, fue posible evaluar el promedio de errores de los resultados, la desviación están-dar y el coeficiente de determinación y analizar por medio de un histograma la frecuencia en que ocurren los errores (simulado x ecuacionado).

Los resultados de promedio y desviación estándar de los errores para esos casos fueron -3,7 kWh/m2 y 8,7 kWh/m2, respectivamente. El valor del promedio

53

de errores encontrado fue relativamente bajo, y el valor de la desviación estándar demuestra que los valores a partir de los cuales se obtuvo el promedio son 8,7 kWh/m2 próximos o distantes del resultado del promedio de -3,7 kWh/m2. El va-lor del coeficiente de determinación encontrado fue 0,89 y puede ser observado en la Figura 5. Al evaluar los resultados encontrados por medio de un histograma, se verifica que 241 del total de 800 casos seleccionados para evaluar el desempeño de la red presentaron una diferencia entre el consumo simulado y el equacionado de -5 kWh/m2 a 0 kWh/m2.

Figura 5. Coeficiente de determinación del nuevo modelo simplificado.

Entre los resultados para una diferencia de -10 kWh/m2 y -5 kWh/m2, se encon-tró un total de 195 casos. Para la diferencia entre 0 y 10, un total de 140 casos. La mayor diferencia entre los casos simulados y ecuacionados, considerando todas las tipologías, está entre los límites de -10 kWh/m2 a 10 kWh/m2 (84% de los casos). Entre -5 kWh/m2 y 5 kWh/m2, se encuentra un total de 64% de los casos.

Los resultados del valor obtenido para el coeficiente de determinación y del histograma con la diferencia entre el consumo simulado y ecuacionado muestran que el método estadístico de redes neuronales logró representar la interacción entre los datos de entrada y el dato de salida para el modelo, considerando todas las tipologías estudiadas.

Validación del modelo

Los resultados de consumo de energía por m2 de las tipologías consideradas para la evaluación de la exactitud del nuevo modelo simplificado fueron obtenidos a través del programa EasyNN-Plus. El modelo desarrollado permanece almace-nado en el programa y, con base en las características de la edificación bajo aná-lisis, provee los resultados de consumo de energía por m2. Los resultados pueden ser observados en la Tabla 5.


Tabla 5.Validación del modelo simplificado.

Consumo (kWh/m2)Diferencia (kWh/m2)

EnergyPlus Red neuronalPequeña Edificación 182 168 14

Grande Edificación 95 102 -7

Edificación Vertical 46 55 -9

No convencional 58 49 9

Al calcular el consumo con la ayuda del programa informático EnergyPlus para el modelo que representa las Pequeñas Edificaciones, el resultado encontra-do fue 182 kWh/m2. Sin embargo, evaluando el consumo a través del modelo sim-plificado desarrollado por medio de la utilización de redes neuronales, se obtuvo el valor de 168 kWh/m2. La diferencia encontrada entre el resultado simulado y el ecuacionado es de 14 kWh/m2.

El modelo que representa las Grandes Edificaciones resultó en un consumo de 102 kWh/m2. Al evaluar esta misma tipología a través del programa EnergyPlus, el valor encontrado fue 95 kWh/m2. La comparación del valor simulado con el ecuacionado presentó un valor de -7 kWh/m2.

Comparando los resultados simulado y ecuacionado para la tipología que re-presenta las Edificaciones Verticales, se observa que el resultado de simulación computacional fue 46 kWh/m2 y el del modelo fue 55 kWh/m2, o sea, hay una diferencia de -9 kWh/m2 entre ellos.

Para la tipología con dimensiones no convencionales, el resultado encontrado a través del programa EnergyPlus fue 58 kWh/m2. La evaluación del consumo obtenido por medio de la aplicación del modelo simplificado presenta el valor de 49 kWh/m2. La diferencia encontrada entre el resultado simulado y el ecuaciona-do fue de 9 kWh/m2.

El análisis de los resultados encontrados muestra que el modelo simplificado logró representar con una diferencia inferior a 15 kWh/m2 en comparación con el resultado de la simulación realizada por el programa EnergyPlus. Con base en los resultados encontrados, se puede concluir que cuanto más detallados son los datos de entrada y mayor es el número de informaciones mejor será el aprendizaje de una red neuronal. Como el modelo considera todas las edificaciones y abarca des-de las pequenas hasta las grandes tipologías, es posible verificar que tal modelo presentó un aprendizaje mejor durante su desarrollo con la utilización del método estadístico de redes neuronales.

55

CONCLUSIONES

El objetivo principal de este trabajo fue desarrollar un método para estimar el consumo de energía en edificaciones comerciales. El estudio señaló el modelo simplificado presente en el Reglamento Técnico de la Calidad del Nivel de Eficien-cia Energética de Edificios Comerciales, de Servicios y Públicos.

Con base en los resultados, es posible llegar a las siguientes conclusiones:• el método estadístico utilizado para desarrollar el modelo simplificado

del RTQ-C no fue capaz de entender la influencia de los datos de en-trada en el dato de salida, pero la aplicación del método estadístico de redes neuronales presentó resultados con poca diferencia en compara-ción con los resultados del programa EneryPlus;

• la aplicación del método Hipercubo Latino reduce el número de casos que debe ser generado para determinado análisis en comparación con la técnica que altera un sólo parámetro por caso sin influir en la cali-dad de los resultados;

• la aplicación del método estadístico de redes neuronales permitió abarcar todas las tipologías con diferentes áreas de proyección de co-bertura en una única ecuación;

• el desarrollo del nuevo modelo simplificado que considera todas las tipologías logró representar la interacción entre los datos de entrada y el dato de salida y presentó como resultado un promedio de errores de -3,7 kWh/m2 y una desviación estándar de 8,7 kWh/m2; y

• el nuevo modelo simplificado que considera todas las edificaciones pre-sentó una pequeña diferencia entre el consumo simulado y el ecuacio-nado para las tipologías que no fueron consideradas en su desarrollo, incluso para la tipología considerada como no existente.


ASHRAE, 2004. ANSI/ASHRAE Standard 140-2004: Standard Method of Test for the Evaluation of Building Energy Analysis Computer Programs. Atlanta, 2004.

BEZDEK, James C.; PAL, Sankar K. Fuzzy models for pattern recognition: methods that search for structures in data. New York: IEEE Press, 544p. 1992.

BRASIL. Decreto n. 4.059, de 19 de dezembro de 2001. Regulamenta a Lei no 10.295, de 17 de outubro de 2001, que dispõe sobre a Política Nacional de Conservação e Uso Racional de Energia, e dá outras providências. Brasília, DF, 2001a. Disponível em: http://www.mme.gov.br/ministerio/legislacao/decretos/Decreto%20nº%204.059-2001.htm Acesso em: 24 de março de 2011.


_____. Lei n. 10.295, de 17 de outubro de 2001. Dispõe sobre a Política Nacional de Conservação e Uso Racional de Energia. Brasília, DF, 2001b. Disponível em: http://www.inmetro.gov.br/qualidade/lei10295.pdf Acesso em: 24 de março de 2011.

_____. Instituto Nacional de Metrologia, Normalização e Qualidade Industrial (INMETRO). Portaria 163, de 08 de junho de 2009. Regulamento Técnico da Qualidade do Nível de Eficiência Energética de Edifícios Comerciais, de Serviços e Públicos. Rio de Janeiro, 2009. Disponível em: http://www.inmetro.gov.br/legislacao/rtac/pdf/RTAC001462.pdf Acesso em: 01 março de 2011.

CARLO, J. Desenvolvimento de metodologia de avaliação da eficiência energética do envoltório de edificações não-residenciais. Tese de doutorado. Departamento de Engenharia Civil, UFSC, Florianópolis, 2008.

CARLO, J., LAMBERTS, R. 2010. Parameters and methods applied in the energy efficiency labelling regulation for buildings – part 1: prescriptive method (in Portuguese). Revista Ambiente Construído, v.10, n. 2, 7-26.

CDC. Relation between EPC and actual energy use of office buildings, ir. E.R. van den Ham, Climatic Design Consult in order by SenterNovem, 2004.

CRAWLEY, D. B. Building performance simulation: A tool for policymaking. (Tese de doutorado). Department of Mechanical Engineering, University of Strathclyde, Glasgow, 2008. 306 p.

DE WIT, S.; AUGENBROE, G. Analysis of uncertainty in building design evaluations and its implications. Energy and Buildings, v.34, n.9, p.951-958. 2002.

DOE – Department of Energy. Programa EnergyPlus - version 6.0. Available from: http://apps1.eere.energy.gov/buildings/energyplus/ Accessed: 19 de outubro 2010.

EasyNN PluS. EasyNN-plus neural networks. Neural Planner Software, 2011.

MCKAY, M.D.; CONOVER, W. J.; BECKMAN, R. J. A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code. Technometrics, v.21, n.2, p.239-245. 1979.

MELO, A.P., CÓSTOLA, D.; LAMBERTS, R.; HENSEN, J. L. M. Capability and deficiency of the simplified model for energy calculation of commercial buildings in the Brazilian regulation. In: Building Simulation, 2011, Sydney. Proceedings…Sydney: IBPSA, 2011. p.902-909.

MELO, A.P., CÓSTOLA, D.; LAMBERTS, R.; HENSEN, J. L. M. Assessing the accuracy of a simplified building energy simulation model using BESTEST: The case study of Brazilian regulation. Energy and Buildings, v.45, n.0, p.219-228. 2012.

NEN 2916, Energy performance of non-residential buildings - Determination method (em holandês), NNI, Delft (The Netherlands),1994.

OLSSON, A.; SANDBERG, G.; DAHLBLOM, O. On Latin hypercube sampling for structural reliability analysis, Structural Safety, v. 25, n.1, p.47–68. 2003.

57

PÉREZ-LOMBARD, L., ORTIZ, J., GONZÁLEZ, R., MAESTRE, I. R. A review of benchmarking, rating and labelling concepts within the framework of building energy certification schemes. Energy and Buildings, v.41, n.3, p 272-278, 2009.

RISSO, V. F., RISSO, F. V. A., SCHIOZER, D. J. Aplicação da Técnica do Hipercubo Latino na Análise de Risco de Campos de Petróleo. In: Rio Oil & Gas Expo and Conference, 2010, Rio de Janeiro. Anais...Rio de Janeiro: 2010. p.1-3

RCCTE. Regulamento das Características do Comportamento Térmico dos Edifícios (Regulation of the Buildings Thermal Behaviour Characteristics), Ministry of Public Works, Transportation and Communications, Decree-Law nº 80/2006 of April 4.

RSECE. Regulamento dos Sistemas Energéticos e de Climatização de Edifícios (Regulation of the Buildings Energetic Systems and Climatization), Ministry of Public Works, Transportation and Communications, Decree-Law nº 79/2006 of April 4.

SANTIL, O., G.; ITARD, L.; VISSCHER, H. The effect of occupancy and building characteristics on energy use for space and water heating in Dutch residential stock. Energy and Buildings, v.41, n.11, p.1223-1232. 2009.

SILVA, P., ALMEIDA, M., BRAGANÇA, L., MESQUITA, V. Methodology to enhance the Portuguese thermal regulation accuracy for existing buildings. In: BUILDING SIMULATION, 2009, Glasgow. Proceedings…Glasgow: IBPSA, 2009. p.2106-2113.

XU, C.; HE, H. S.; HU, Y.; CHANG, Y.; LI, X.; BU, R. Latin hypercube sampling and geostatistical modeling of spatial uncertainty in a spatially explicit forest landscape model simulation. Ecological Modelling, v.185, n.2-4, p.255-269. 2005.

<<<

59

>>> NUEVOS ENFOQUES PARA LA GENERACIÓN DISTRIBUIDA BASADOS EN SISTEMAS DEENERGÍA EÓLICA Y SOLAR FOTOVOLTAICA

Jorge Esteban Rodas BenítezOrientador: Prof. Dr. Ing. Raúl Gregor

RESUMEN

La región enfrentará durante la próxima década un nuevo entorno internacio-nal en materia energética impulsado por un cambio estructural en la demanda de energía global como consecuencia del desarrollo económico acelerado de países industrializados y de economías emergentes. El rol de América Latina en este sentido no se encuentra disociado de la tendencia progresiva hacia la consoli-dación de un nuevo régimen internacional para combatir el cambio climático y en consecuencia se prevé una expansión en el uso y las aplicaciones de nuevas tecnologías que colaboren a la mitigación de los problemas asociados al cambio climático. En este contexto, el presente trabajo aborda el desarrollo y la imple-mentación de nuevos enfoques para la generación distribuida basados en sistemas de energía eólica y solar fotovoltaica, haciendo especial énfasis en el aumento de la eficiencia de los sistemas de generación desde una perspectiva proactiva proponiendo así nuevas tecnologías que permitan asegurar energía limpia y un desarrollo sostenible.

PALABRAS CLAVE: Generación distribuida, Energía eólica, Energía solar fotovoltaica.

ABSTRACT

In the next decade, the region is going to face a new international context regarding the energy demand, promoted by a structural change in the global energy demand as a consequence of the economic development in industrialized countries and those of emerging economies. Latin America’s role concerning that is not dissociated from the progressive trend towards the consolidation of a new

PAR

AG

UAY


international framework against the climatic changes, and according to that, is foreseen an expansion in the usage and application of new technologies that col-laborates to the mitigation of the problems associated to climatic changes. In this context, the present work intends for development and implementation of new ap-proaches for distributed energy generation based on wind and photovoltaic power systems, making a special emphasis on increasing the efficiency of generation systems from a proactive perspective, by proposing new technologies that allows guaranteeing clean energy and a sustainable development.

KEYWORDS: Distributed generation, Wind Energy, Photovoltaic solar energy.

JUSTIFICACIÓN Y METODOLOGÍA

El interés en la generación de energía eléctrica a partir de fuentes de energías renovables (ER) ha experimentado un crecimiento significativo en los últimos años, justificado principalmente por el reducido impacto generado al medio am-biente. El esfuerzo investigador en esta área es atribuido (por muchos autores) a la incipiente inversión propiciada por una política energética impulsada inicial-mente mediante el primer periodo del Protocolo de Kioto que ha obligado a los países ratificantes a reducir las emisiones de gases de efecto invernadero en el periodo comprendido entre los años 2008 y 2012, en un 5,2 % de media anual, en relación con el nivel base de 1990 [NU, 1998] y que recientemente se ha con-solidado en un segundo periodo de vigencia comprendido entre el 1 de enero de 2013 hasta el 31 de diciembre de 2020, donde se han marcado metas concretas enfocadas en la canalización de financiamiento y tecnologías de apoyo a países en desarrollo, lo cual resulta sin duda un claro proceso de consolidación progresiva de un nuevo régimen internacional para hacer frente a la problemática que impli-ca el cambio climático. Si bien estudios recientes han demostrado que América Latina tiene poco peso en las emisiones globales de CO2 asociadas al sector ener-gético (3,.5 % al 2005), y no se proyectan grandes variaciones en esta participa-ción de la región en los escenarios disponibles 2005-2030, Las oportunidades en América Latina y el Caribe para contribuir al escenario de mitigación del cambio climático global se concentran, por un lado, en la mejora de la eficiencia en el uso de energía en todos los sectores (generación eléctrica, transporte, industrial, edificaciones etc.) y por otro, en la participación proactiva en el desarrollo y la implementación de nuevas tecnologías que permitan mitigar el cambio climático, asegurar energía limpia y un desarrollo sostenible. En este contexto, el presente trabajo aborda el desarrollo de nuevas tendencias en sistemas de generación,

61

tanto eólicos como solares fotovoltaicos desde el punto de vista técnico, con la proyección del uso de estos en sistemas bajo el concepto de generación distribuida a ser aplicados concretamente en la República del Paraguay.

El escenario energético actual de las ER en Paraguay

En la República del Paraguay, la Ley No 3.009 promulgada en el año 2006 crea el marco legal que regula la producción y transporte independiente de ener-gía eléctrica (PTIEE) que fomenta entre otras cosas, la generación de energía eléctrica mediante ER tales como la eólica, solar, hidráulica, biomasa e hidróge-no. Estudios previos de viabilidad publicados por el Vice Ministerio de Minas y Energías (VMME) y las proyecciones en el marco del plan estratégico del sector energético de la República del Paraguay (2004-2013), han demostrado que una parte importante de la matriz energética Nacional, puede ser potenciada por un lado por sistemas de generación eólicos, identificándose las regiones de mayor potencial el norte del chaco, el eje noreste-este-sureste de la región oriental y el suroeste de la misma, y por otro por sistemas solares, reportándose incluso va-rias experiencias centradas en el aprovechamiento de la energía solar pasiva, sin embargo, se ha demostrado que el Paraguay cuenta con grandes potenciales para el uso fotovoltaico; justificado principalmente en función de la radiación que re-cibe de la luz del Sol, sobre todo en la región occidental y norte, debido a la gran uniformidad en términos geográficos de los niveles de radiación solar y rangos de intensidad que alcanzan valores pico de más de 6,0 kWh/m2 por día, con un promedio diario próximo a los 4,5 kWh/m2. Estos datos demuestran que la ener-gía solar disponible en el país es abundante y de niveles aptos para la aplicación fotovoltaica [VMME, 2005].

Impulsados por el escenario energético actual (escasamente diversificado a ni-vel Nacional) y las pre-dicciones realizadas por el VMME que prevé por un lado, un aumento del 300% para el año 2013 en la producción de energía eléctrica con respecto a la producción Nacional realizada en el año 2008 si se considera como medio de producción la eólica, y por otro la puesta a punto de instalacio-nes de energía solar fotovoltaica para el suministro eléctrico en zonas de difícil acceso de la red de distribución, donde se ha proyectado la instalación de 40 kW durante los años 2008-2013 con una producción estimada en el año 2013 de 60 MWh [VMME PESE, 2005]. Se detecta la necesidad de investigar soluciones avanzadas a problemas asociados con la maximización de la eficiencia energética tanto de los sistemas eólicos como los solares fotovoltaicos, bajo el concepto de generación distribuida que contribuyan al proceso de mitigación del problema asociado al cambio climático.


Metodología

El trabajo aborda el desarrollo de nuevas tendencias en el uso y las aplica-ciones de las ER, tomado como punto de partida dos vertientes complementarias bajo el concepto de la generación distribuida; el sistema eólico basado en el ge-nerador multifásico (más de tres fases) y el sistema solar fotovoltaico. La proble-mática global que contiene este trabajo se acota mediante un estudio, centrado en el análisis y la evaluación de los generadores de inducción multifásicos (GIM) orientados a aplicaciones de ER, mediante el diseño e implementación de una bancada de ensayos experimentales que permita emular un sistema de generación de energía eléctrica, y que a su vez permita investigar diferentes algoritmos de control en tiempo discreto enfocados en la mejora de la eficiencia energética del sistema de generación mediante el diseño de algoritmos cuyas consignas de con-trol se enfocan en alcanzar el punto de máximo seguimiento de potencia (MPPT, por sus siglas en inglés) que garantizan el máximo aprovechamiento energético, abordando luego el diseño y la puesta a punto del sistema solar fotovoltaico, ha-ciendo especial énfasis en la maximización de la eficiencia mediante el control de posición de una estructura soporte de dos grados de libertad. Cabe mencionar en este punto que la cuantificación de los resultados obtenidos en términos de potencia generada, correlacionada con datos meteorológicos de irradiación so-lar, temperatura, humedad, viento, etc. pretenden ahondar los conocimientos sobre el “estado del arte” a nivel local, con vista a la futura implementación de sistemas de generación solar fotovoltaico y eólico, por un lado, en comunidades aisladas donde no llega el tendido eléctrico del Sistema Interconectado Nacional (SIN), y por otro, como una alternativa sostenible enfocada en la diversificación de la matriz energética actual.

Los objetivos del presente trabajo se resumen en los siguientes puntos:a) El desarrollo del modelo matemático y de simulación del sistema de

generación de energía eléctrica basados en sistemas eólicos y el di-seño a nivel de prototipo, de una bancada de ensayos experimentales que permita evaluar sobre un sistema real los algoritmos de control propuestos

b) El desarrollo del modelo matemático y de simulación del sistema de generación de energía eléctrica basados en sistemas solares fotovol-taicos y el diseño, implementación y montaje de la estructura de dos grados de libertad que permita validar los resultados de simulación obtenidos previamente

c) Potenciar la diversificación de la matriz energética del Paraguay, fo-mentando el uso de fuentes de energías renovables (en particular la

63

energía solar fotovoltaica y eólica) y la búsqueda de soluciones no con-vencionales asociadas a la maximización de la eficiencia energética

d) La búsqueda de estrategias de minimización de armónicos y de control de potencia activa y reactiva, orientada a la interconexión de los siste-mas de generación al Sistema Interconectado Nacional (SIN).

Este trabajo es dividido en cuatro apartados principales. El primero, introdu-ce el generador multifásico, citando las ventajas que justifican su utilización en aplicaciones de ER y se presenta resultados de simulación del accionamiento de seis fases. El segundo apartado muestra los resultados de simulación de la turbina eólica y el diseño de la plataforma de ensayo experimental para la extracción de resultados experimentales. El tercer apartado se centra en los resultados de simu-lación de los distintos esquemas de conexión de los paneles solares fotovoltaicos (PSFs), así como el diseño e implementación de la estructura de dos grados de li-bertad para su aplicación. Se propone la utilización del control predictivo basado en el modelo (MBPC, por sus siglas en inglés) para el desarrollo de este trabajo. En el siguiente apartado se desarrollan dos métodos de control de velocidad en-focados en alcanzar el MPPT, basados en el estimador de Luenberguer y el Filtro de Kalman, respectivamente. Posteriormente, se aborda el sistema completo y se proponen dos métodos de control de corriente como paso previo al control de la potencia activa y reactiva entregada a una carga trifásica. Finaliza el trabajo con las conclusiones más relevantes del mismo.

ENERGÍA EÓLICA BASADA EN GENERADORES MULTIFÁSICOS

Las máquinas multifásicas han sido recientemente propuestas en diversas apli-caciones debido a las importantes ventajas que ofrecen; reducción de armónicos de corriente, mejor distribución de la potencia por cada una de las fases, aumento de la fiabilidad) y hacen de este tipo de máquinas una opción bastante interesante para aprovecharlas en aplicaciones donde se requiera elevada potencia. Aunque el análi-sis y las aplicaciones sobre máquinas multifásicas se remontan a los años 1920, el desarrollo y las investigaciones tuvieron un crecimiento considerable a comienzos siglo [Levi, 2008]. Esto se debió en gran parte al importante aumento en la capaci-dad de procesamien to de datos de los dispositivos electrónicos digitales,que permi-ten implementar estrategias de control sobre estos sistemas (poco convencionales y complejos). Algunas soluciones asociadas a las máquinas multifásicas que reportan en la literatura, tomando como base la solución trifásica son:

• Disminución de la corriente que circula por cada fase: Las corrientes de fase de la máquina pueden alcanzar valores extremadamente altos como para poder implementarse con un único dispositivo electrónico


de potencia, además la utilización de varios de estos dispositivos en paralelo resultan muy complejas y poco económicas

• Alta fiabilidad: En el caso que la aplicación necesite una elevada fiabi-lidad, para trabajar inclusive en el caso de pérdida de una o más ramas del inversor

• Disminución de los armónicos: Las máquinas multifásicas poseen me-nor contenido de armónicos, además el contenido de armónicos de la corriente del DC-link (Vdc) que alimenta los inversores debe ser re-ducido para tener una capacidad del filtro de entrada más pequeña, especialmente cuando el inversor opera con formas de onda cuadrada

• La reducción del 6o armónico asociado al par pulsante: El 6o armónico puede ser eliminado mediante la solución multifásica por medio de una cancelación, producto de una distribución apropiada de las bobi-nas de la máquina

• Reducción del tamaño de componentes: se puede conseguir inverso-res de fuente de corriente (CSI, por sus siglas en inglés) económi-cos, reduciendo el tamaño de los componentes reactivos y los picos de las tensiones de conmutación

• Reducción de pérdidas en el rotor: En comparación con la solución tri-fásica, las pérdidas por armónicos en el rotor de la máquina son más reducidas para el caso multifásico

• Control multi-máquina: En las soluciones multifásicas se pueden apro-vechar los grados de libertad para realizar un control simultáneo de múltiples máquinas, utilizando un solo convertidor de potencia

• Reducción de los pulsos del par electromagnético: especialmente en máquinas alimentadas por convertidores de potencia de tipo CSI o convertidores de potencia de fuente de tensión (VSI, por sus siglas en inglés) operando en modo de generación de ondas de tensión cuadrada

• Modificación de la velocidad de giro: Cuando se debe mantener constan-te la frecuencia de alimentación, la solución multifásica permite variar la velocidad modificando el número de pares de polos de la máquina

• Reducción de las pérdidas en el estátor: existe una significativa re-ducción de las pérdidas por efecto Joule en el cobre del estátor según aumenta el número de fases de la máquina, en comparación con la solución trifásica

Las máquinas eléctricas de seis fases pueden ser clasificadas en simétricas y asimétricas. Las simétricas, son aquellos cuyo desplazamiento espacial entre las bobinas del estátor es uniforme. En cambio, en las máquinas asimétricas, el des-plazamiento espacial de las bobinas de dos fases consecutivas es diferente. Esto a

65

su vez provoca una distribución asimétrica de los ejes magnéticos y es el caso par-ticular que se utiliza en este trabajo. En este contexto, las máquinas multifásicas que ofrecen buenas prestaciones son los accionamien os electromecánicos que se han denominado máquinas hexafásicas de doble devanado trifásico independiente y asimétrico, esquematizado en la Figura 1 (a). Este tipo de máquinas eléctri-cas posee dos devanados trifásicos independientes, desfasados entre sí 30 grados eléctricos, con neutros aislados y accionados desde dos convertidores trifásicos diferentes. Las ventajas que aportan este tipo de accionamientos incluyen las asociadas a las máquinas multifásicas antes mencionadas, pero añaden otra muy importante que es la posibilidad de utilizar muchos de los desarrollos hardware y software existentes para los accionamientos trifásicos convencionales (sistemas microprocesadores con periféricos especiales para el control de convertidores de potencia trifásicos, convertidores de potencia convencionales, semiconductores y dispositivos electrónicos especiales para el control y disparo de interruptores de potencia incluidos en convertidores comerciales, y otros).

aro de interruptores de potencia incluidos en convertidores comerciales, y otros).

Figura 1: (a) Esquema general del accionamiento de seis fases asimétrico. (b) Proyección de los 64 vectores de tensión en el sub-espacio (α – β).

Una metodología que simplifica el modelo del accionamiento de seis fases se basa en la Teoría de Descomposición de Vectores (VSD, por sus siglas en inglés). Esta teoría fue introducida por [Zhao, 1995] y es utilizada para transformar el sistema original representado mediante seis ecuaciones diferenciales, en tres sub-espacios ortogonales bidimensionales (α – β), (x – y) y (z1 – z2) que poseen ejes de referencia estáticos, utilizando una matriz de transformación de variables de fase a sub-espacios ortogonales. A partir de la teoría VSD es posible enfatizar que la conversión de la energía electromecánica se encuentra relacionada con las


variables (tensiones y corrientes) proyectadas en el sub-espacio (α – β), mientras que las variables proyectadas en el sub-espacio (x – y) representan armónicos de orden 6n ± 1 (n = 1,3,5,...) y están relacionadas con las pérdidas por efecto Joule por lo que deben ser controladas de manera a que estas variables sean lo más pequeñas posible. Los vectores de tensión proyectados en el sub-espacio (z1 – z2) son cero para el caso particular de la máquina de seis fases asimétrica con neutros independientes por lo que este sub-espacio no tiene influencia alguna en el control. La proyección de los 26 = 64 distintos vectores de tensión para el caso particular de la máquina de seis fases en el sub-espacio (α – β) puede apreciarse en la Figura 1 (b).

Análisis mediante simulaciones

Utilizando las ecuaciones que modelan el funcionamiento de la máquina de inducción de seis fases y la herramienta de simulación Matlab/Simulink, a con-tinuación se resumen los resultados obtenidos a partir del modelo de simulación. Los parámetros utilizados en las simulaciones, fueron extraídos de una máquina real, utilizando métodos clásicos, de ensayo de vacío (tensión nominal), y rotor bloqueado (corriente nominal).

En las gráficas de la Figura 2 (a) se muestran los resultados simulados de la evolución del par de la máquina a lo largo del tiempo total de simulación (2 segundos), cuando la máquina es alimentada con tensiones sinusoidales con una frecuencia eléctrica de 50 Hz. En esta figura puede apreciarse la oscilación característica de la curva de par debido al desequilibrio de las corrientes del estátor (ver Figura 2 (a)). Este comportamiento transitorio, coincide con las afirmaciones realizadas en [Krause, 1995]. Posteriormente, la curva de par evoluciona hasta un valor distinto de cero que depende del coeficiente de fric-ción (Bi) de la máquina. Por otro lado, la velocidad del accionamiento tiende a alcanzar la velocidad síncrona1, sin embargo, tal como puede apreciarse en la Figura 2 (b), la velocidad en régimen permanente no alcanza la velocidad síncrona debido a las características propias de la máquina de inducción asín-crona, por el efecto del deslizamiento.

1 La velocidad síncrona es de 1000 rpm para el caso particular de la máquina con 3 pares de polos.

67

Figura 2: (a) Evolución del par. (b) Evolución de la velocidad. (c) Corriente del estátor, correspondiente a una de las fases de la máquina. (d) Corriente del rotor.

En las gráficas de la Figura 2 (c) se muestra la evolución de la corriente de una de las fases del estátor de la máquina en una ventana de tiempo de simulación equivalente a 2 segundos. En esta figura es posible notar el consumo de corriente de la máquina en el momento del arranque. En el instante de tiempo igual a 1.5 segundos la máquina llega a su velocidad nominal (cercana a 1000 rpm según la Figura 2 (b)) y el consumo de corriente en vacío del accionamiento multifásico es cercano a los 3 amperios. Finalmente, en la gráfica de la Figura 2 (d) se muestra la evolución de la corriente del rotor, en esta figura es posible apreciar que la fre-cuencia de la senoide de corriente disminuye conforme aumenta el tiempo hasta que la máquina alcanza su velocidad nominal debido principalmente a una dismi-nución del deslizamiento. Puede observarse además, que una vez que la máquina alcanza la velocidad nominal fluye por el rotor una corriente muy pequeña que se debe en este caso al coeficiente de fricción de la máquina (se considera que la máquina no posee carga).

Diseño de la plataforma de ensayo experimental

En este apartado se resume el diseño y la puesta a punto de la plataforma de ensayo experimental, el cual actualmente (marzo 2013) se encuentra funcional y los trabajos se centran en la extracción de resultados experimentales que permitan validar los resultados que se han obtenido previamente a nivel de simulaciones. En este contexto, con la finalidad de emular el comportamiento de la turbina eólica, y asumiendo que el objetivo del bucle de control de velocidad es lograr el control de manera eficiente de la velocidad de giro del rotor del accionamiento a fin de alcan-zar el MPPT que garantiza la máxima entrega de potencia a la carga, se utilizó el


modelo matemático de la turbina para realizar simulaciones. En la Figura 3 puede observarse una simulación paramétrica de la variación de la potencia generada en función a la velocidad angular de la turbina para distintas velocidades de viento, extraída utilizando el modelo de simulación Matlab/Simulink.

Figura 3: Modelo de la turbina eólica. Potencia vs. velocidad del rotor.

El diagrama de bloques de los distintos componentes que conforman la plata-forma experimental puede apreciarse en la Figura 4. Puede observarse en el dia-grama de la figura que la turbina es emulada mediante un software propietario que se ejecuta en la PC Controladora del Sistema y que asume como variables de entradas ciertos parámetros que son extraídos en tiempo real, desde una estación meteorológica de la serie Vantage Vue de Davis Instruments. Este dispositivo posee una consola que recibe los datos de la estación de manera inalámbrica y se conecta vía USB a la PC Colectora de datos desde donde se extraen los datos que son utilizados para emular la turbina eólica. Esta PC opera con sistema operativo Debian 6.1 que es una distribución de GNU/Linux de licencia libre. Los datos son utilizados para realizar cálculos en tiempo real de la velocidad óptima de giro del rotor del GIM para extraer la máxima potencia. El software que se ejecuta en la PC Controladora del Sistema, recibe como entrada los siguientes parámetros; características de la turbina (ángulo de inclinación β y el radio de las aspas Rt) y la velocidad del viento (v), con lo cual calcula el coeficiente de potencia máximo (Cp

max) y el valor óptimo de la velocidad lineal de giro de la turbina λopt. De esta forma, el software genera como salida la velocidad angular de referencia óptima (ωt

*) de manera a lograr el punto de máxima potencia.

69

Figura 4: Fotografía de los distintos componentes que conforman la plataforma experimental donde se detalla el protocolo de comunicación entre cada dispositivo.

Por otro lado, la PC Controladora del Sistema debe comunicarse con la PC Colectora de datos de manera a extraer la información de la estación en tiempo real. A este efecto se ha desarrollado un software que extrae datos cada cierto tiempo (configurable) de la consola del Vantage Vue, y lo almacena en un archivo con un formato especial que es propio de la aplicación. El mismo programa, en un hilo separado actúa como un servidor Modbus TCP, de modo que espera las solicitudes entrantes a través de la red TCP/IP. Las solicitudes provienen desde un cliente y solicitan siempre lo mismo; que se envíe los últimos datos climáticos leídos, este programa por tanto, es llamado Servidor Vantage. Para este sistema, el cliente Modbus que se conecta al Servidor Vantage es el software de emula-ción de la turbina. Por otro lado el software de emulación se conecta vía Modbus RTU a un Inversor de Frecuencia (serie CFW09 de la marca WEG) acoplado al GIM. El Inversor de Frecuencia recibe como parámetro la velocidad óptima de giro del GIM que representa una entrada al bloque del control de velocidad. La comunicación establecida entre la PC Controladora del Sistema y el Inversor de Frecuencia se rige por el protocolo Modbus RTU y se realiza sobre una red serial bajo el protocolo de capa física RS-485, en esta red el software de emulación se


comporta como un máster Modbus RTU y el Inversor de Frecuencia actúa como un esclavo. Para lograr esta aplicación se ha diseñado una tarjeta conversora de protocolo RS232 a RS485 que establece el medio de comunicación entre ambos módulos. Esta tarjeta se muestra en la fotografía de la Figura 5 (d).

En la fotografía de la Figura 5 (a) puede apreciarse el montaje concluido de la aparamenta de potencia diseñada, donde se muestran los convertidores de po-tencia, los dispositivos de protección y las placas de acondicionamiento de señal que como puede apreciarse en la fotografía integra la placa de control2. A fin de mantener la integridad del sistema, las señales conectadas a los periféricos de entrada y salida de la placa de control han sido aisladas galvánicamente median-te el aislador ISO7230CDW fabricado por la empresa Texas Instruments. En la fotografía de la Figura 5 (b) se muestra la integración de los distintos módulos que conforman la plataforma experimental diseñada.

ografía de los distintos componentes que conforman la plataforma experimen-tal.

Figura 5: Fotografía de los distintos componentes que conforman la plataforma experimental.

Por otro lado, la conexión de un banco de capacitores en los terminales del GIM es necesaria de manera a suministrar la potencia reactiva a la carga. Para el caso particular del generador de inducción de doble devanado trifásico inde-

2 La placa de control se basa en el DSP TMS320F28335 de punto flotante fabricado por la empresa Texas Instruments y en el sistema de desarrollo MSK28335 de la empresa Technosoft, tal como se muestra en la Figura 4.

71

pendiente y asimétrico abordando en este trabajo, se ha montado un banco de capacitores mediante dos configuraciones independientes en estrella, conectados en paralelo con los bobinados del estátor del accionamiento. Una fotografía de la aparamenta de potencia diseñada para el caso de los capacitores de magne-tización se muestra en la Figura 5 (c). El GIM, ha sido diseñado a partir de un motor originalmente trifásico de 15 kW de potencia nominal con 72 ranuras y tres pares de polos. Una fotografía del accionamiento rebobinado, montado sobre la bancada de ensayo y acoplado al motor trifásico que emula la turbina eólica puede apreciarse en la Figura 5 (e).

Los módulos Inversores de la serie SKS 35F fabricados por la empresa Se-mikron utilizados para el desarrollo del trabajo (ver Figura 4), poseen inter-namente una resistencia de pre-carga de manera a limitar la corriente sobre los capacitores que según especificaciones del fabricante, deberán permanecer activas mientras el banco de capacitores (que conforma el Dc-link) alcanza su carga nominal. En este contexto, y con la finalidad de automatizar el control de las resistencias de pre-carga, se ha diseñado una tarjeta de control, previendo dos modos de operación; por hardware o por software, respectivamente. Una fotogra-fía de la tarjeta de control diseñada se muestra en la Figura 5 (f).

A fin de evaluar el correcto funcionamiento de la plataforma experimental, se ha realizado pruebas en lazo abierto generando los disparos de los IGBTs utili-zando la técnica de modulación por ancho de pulso considerando una frecuencia de muestreo (equivalente a la frecuencia de la portadora) de 5 kHz y una frecuen-cia eléctrica de 50 Hz. En la Figura 6 (Izq.) se muestra la respuesta transitoria del accionamiento, si se considera una de las corrientes de fase para el caso del accionamiento de seis fases. Tal como puede apreciarse en esta figura al momento del arranque, el accionamiento alcanza picos de corriente superiores a los 25 A, con un transitorio que se extingue en 0,45 segundos. Por otro lado, en la Figura 6 (Der.) se muestra el consumo de corriente en vacío que para una frecuencia nominal de 50 Hz puede ser cuantificada en 5 A. Estos resultados, demuestran el funcionamiento óptimo de la plataforma diseñada y conforman el punto de parti-da para la extracción de resultados experimentales que avalen la eficiencia de los métodos de control que han sido propuestos en el marco del trabajo.


to. (Der.) Consumo de corriente en vacío para una frecuencia nominal de 50 Hz.

Figura 6: Ensayo experimental en lazo abierto aplicado al GIM. (Izq.) Respuesta transitoria del accionamiento. (Der.) Consumo de corriente en vacío para una frecuencia nominal de 50 Hz.

Generación eólica

En la Figura 7 muestra el esquema del control propuesto. Los algoritmos asociados al control de velocidad del GIM, enfocado en la obtención del MPPT (denominado “Control del lado del generador”), y por otro lado el control de corriente orientado al control de la potencia activa y reactiva entregada a la carga (denominado “Control del lado de la red”), lo cuales serán desarrollados en la sección 4.

ión 4.

Figura 7: Diagrama de bloques del esquema propuesto.

Tal como puede observase en la Figura 8, el controlador del tipo predictivo no requiere a priori de técnicas de modulación, característica que lo vuelve atrac-tivo en el campo del control de accionamientos electromecánicos. En su forma más básica, el objetivo del bucle interno del control de corriente es encontrar el esfuerzo de control que logre el seguimiento de la corriente, donde is

* es la con-signa de corriente o corriente de referencia, tal como se muestra en la Figura 8. Para ello, el control predictivo utiliza un optimizador que selecciona el esfuerzo de control U más adecuado que minimice una función de costo. Por lo general, existe más de un método para aplicar esto a accionamientos electromecánicos, dependiendo de la complejidad de la función de costo considerada [Barrero et al., 2011]. Una taxonomía de las posibles funciones de costo que pueden ser imple-mentadas puede consultarse en [Rodríguez et al., 2012].

73

En el esquema propuesto las referencias son proporcionadas por el bloque que emula la turbina, y son recalculadas en cada periodo de muestreo de manera a lograr en cada muestra el MPPT. Para el control de velocidad se utiliza un con-trolador Proporcional Integral (PI) basado en el esquema del control vectorial indirecto. En el esquema propuesto, el controlador PI de velocidad es utilizado para generar la referencia de corriente i*

ds en coordenadas dinámicas. La corrien-te de referencia utilizada en el modelo predictivo es obtenida mediante el cálculo del ángulo eléctrico, donde este parámetro es utilizado para convertir la referen-cia de corriente originalmente especificada en coordenadas dinámicas (d — q) a coordenadas estáticas (a — β), tal como se muestra en la Figura 8.

Análisis de eficiencia mediante simulaciones

Un entorno de simulación basado en la herramienta Matlab/Simulink ha sido diseñado de manera a evaluar la eficiencia del esquema propuesto. La eficien-cia es medida con respecto al error cuadrático medio (ECM) con respecto a la velocidad y las corrientes del estátor. En las Figuras 9 (Der.) e (Izq.) pueden apreciarse que el ECM asociado al control basado en el Filtro de Kalman posee mejores prestaciones que el caso del control basado en el estimador de Luenber-guer, obteniéndose una mayor diferencia a medida que los ruidos de medida (Ru) y de proceso (Rρ) aumentan. Puede observarse además que los dos métodos de control propuestos presentan mejoras significativas si se lo compara con la técni-ca de control que no utiliza estimadores de estados en el modelo de predicción. El sub índice (α – β) representa cantidades de corriente en el sistema de referencia estacionario. La medida de velocidad es realimentada y el error es inyectado al controlador PI tal como se muestra en la Figura 8.

Figura 8: Diagrama de bloque del esquema propuesto de control de velocidad.


Figura 9: Resultados de simulación. (Izq.) ECM de la corriente del estátor en los ejes a y β, variando el ruido de medida (Rv) y el ruido de proceso (Rω), mediante los métodos: (a) Sin

utilizar estimadores, (b) Observador de Luenberger y (c) Filtro de Kalman. (Der.) ECM de la corriente del estátor en los ejes α y β, variando el ruido de medida (Rv), el ruido de proceso (Rω)

y el par de carga (TL), mediante los métodos: (a) Sin utilizar estimadores, (b) Observador de Luenberger y (c) Filtro de Kalman.

GENERACIÓN DE ENERGÍA SOLAR FOTOVOLTAICA

Existen actualmente en la literatura, varios enfoques para incrementar la efi-ciencia de un sistema de generación fotovoltaico; uno de ellos se centra en los sistemas de rastreo solar que basan su funcionamiento en algoritmos de control dinámicos o activos. Diferentes estudios han demostrado que los paneles fotovol-taicos tienen una máxima potencia de salida cuando la incidencia (de los rayos del sol) es perpendicular a los paneles [Larard, 1998], [Hamilton, 1998], la mejora puede ser cuantificada incluso en un 50% [Argeseanu et al., 2010]. Por otro lado, si se considera la ubicación geográfica del Paraguay, sobre todo en días de verano, cuando la irradiación solar alcanza los niveles más elevados, puede observarse que en este periodo existe una variación aproximada de 30o en azimut, lo cual justifica plenamente la necesidad de utilizar un sistema de dos grados de libertad para maximizar la potencia producida por los paneles solares fotovol-taicos. En este contexto, esta sección se presenta, por un lado, los resultados de simulación de las prestaciones de los paneles solares fotovoltaicos (PSFs) en sus distintas formas de conexión, y por otro lado, el diseño y la puesta a punto de una estructura soporte móvil de dos grados de libertad (para los paneles solares fo-tovoltaicos), para en un trabajo futuro abordar la implementación de algoritmos de control de posición en tiempo discreto enfocados en la mejora de la eficien-cia energética del sistema de generación mediante el diseño de algoritmos cuyas

75

consignas de control se enfocan en alcanzar el MPPT que garantizan el máximo aprovechamiento energético de los paneles fotovoltaicos.

En la Figura 10 (a) puede observarse una fotografía del módulo de la serie ZDNY-100C36 utilizado en el presente trabajo. Mientras que, en la Figura 10 (b) se muestra el circuito eléctrico que modela una celda del panel solar fotovoltai-co donde además se representa las características eléctricas más resaltantes de este dispositivo a fin de elaborar las ecuaciones que describan el comportamiento dinámico del PSF. Las ecuaciones así obtenidas modelan matemáticamente el comportamiento de los módulos solares, despreciando los efectos térmicos.

Figura 10: (a) Fotografía del módulo de la serie ZDNY-100C36. (b) Circuito eléctrico del PSF.

Simulación de las prestaciones dinámicas del PSF ZDNY-100C36

A fin de implementar el modelo de simulación de los PSFs de la serie ZDNY-100C36, se hace uso del modelo matemático que se obtiene del modo mencionado en el apartado anterior. Para ello se utiliza el entorno de simulación Matlab/Si-mulink y las características técnicas proporcionadas por la hoja técnica del fabri-cante de los paneles que se resumen en la Figura 12 (a), donde Vm y Im representan la tensión y la corriente óptima de operación, respectivamente. En la Figura 12 (b) puede apreciarse una simulación paramétrica de la evolución de la intensidad de la corriente IPV en función a la tensión Vpvcell para distintos valores de irradia-ción3. Por otro lado, en la Figura 12 (c) se muestra la variación de la potencia eléctrica generada por los paneles en función a la tensión para los mismos rangos de variación de irradiación considerados para el caso de la Figura 12 (b). Puede observarse en estas gráficas que para cada valor de irradiación existe un punto de máxima potencia que garantiza la máxima entrega de potencia activa desde el sistema de generación solar fotovoltaico hacia la carga.

3 Se ha considerado en las simulaciones rangos de irradiancia comprendidos entre 200 y 1000 en pasos de a 200 [W/m2].


Esquema de conexión en Paralelo

En esta configuración se considera un arreglo de 24 PSFs conectados en para-lelo, por lo cual todos tienen la misma tensión de operación (VPVcell). La corriente total de la configuración en Paralelo se obtiene mediante la suma de las corrientes de salida de cada uno de los módulos (IPV). La potencia total generada (PPVtotal) es igual al producto entre la tensión de operación y la corriente total del arreglo (IPVto-

tal), el diagrama de bloques del esquema propuesto puede apreciarse en la Figura 11 (a). Debe tenerse en cuenta, que la principal limitación de esta topología radica en los niveles de corriente que debe soportar la electrónica de potencia asociada al proceso de conversión de la energía, que para esta aplicación en particular (consi-derando la máxima irradiación) pude alcanzar valores de 24 x IPV, tal como puede observarse en la Figura 11 (b). Por otro lado, en la Figura 11 (c) puede apreciarse las curvas de Potencia en función de la Intensidad de corriente para distintos valo-res de irradiación para el caso particular de la conexión en Paralelo.

Figura 12: Simulación paramétrica para distintos valores de irradiación. (a) Esquema propuesto de conexión en Paralelo. (b) Curvas de Corriente vs. Tensión. (c) Curvas de Potencia vs. Tensión.

77

Esquema de conexión Serie - Paralelo

En esta configuración los módulos son agrupados en dos conjuntos de 12 PSFs como se ilustra en la Figura 13 (a). En cada conjunto los módulos están conec-tados mediante la configuración Serie, de tal forma que los PSFs operan con una misma referencia de corriente (IPV). La tensión total de cada conjunto será entonces igual al producto entre el número de módulos solares fotovoltaicos en cada conjunto y la tensión de operación de los módulos (12 x VPVcell). Finalmente, ambos conjuntos están conectados entre si mediante una configuración Parale-la, cuyo modo de operación es análogo al abordado en el apartado anterior. La ventaja del esquema de conexión Serie - Paralelo radica, por un lado, en que se opera con niveles de corrientes menores en comparación al caso del esquema de conexión en Paralelo, y por otro, en que la tensión total del arreglo es cercana a la amplitud (RMS) equivalente en alterna, tal como puede apreciarse en las gráficas de la Figura 13 (b). Puede apreciarse además en la Figura 13 (c) que la potencia nominal máxima (2,4 kW) ocurre para niveles máximos de irradiación y corriente, respectivamente.

Figura 11: Respesta dinámica del panel ZDNY-100C36 para distintos valores de irradiación. (a) Representación del modelo Matlab/Simulink con los respectivos parametros. (b) Curvas de Intensidad de Corriente IPV vs: la Tensión VPV cell.(c) Curvas de Potencia vs: la Tensión VPV cell.


Figura 13: Simulación paramétrica para distintos valores de irradiación. (a) Esquema propuesto de conexión Serie - Paralelo. (b) Curvas de Tensión vs. Corriente. (c) Curvas de Potencia vs. Corriente.

Diseño e implementación de la estructura de dos grados de libertad

El proceso de diseño de la estructura de dos grados de libertad para la apli-cación solar fotovoltaica se ha abordado siguiendo la siguiente secuencia; Pri-meramente, se ha realizado el diseño geométrico de la estructura, donde se ha tenido en cuenta las dimensiones físicas de los paneles fotovoltaicos. Por otro lado, a modo de dimensionar los materiales a ser utilizados para la elaboración de la estructura utilizando la herramienta de diseño computacional Solidwork, se ha realizado el cálculo de la fuerza equivalente del viento sobre cada panel so-lar, para posteriormente realizar el cálculo del estado de carga de la estructura. Finalmente, con los resultados teóricos, se ha dimensionado los elementos que conforman la estructura soporte que se propone para el desarrollo del trabajo.

79

En la Figura 14 (a) puede apreciarse el diseño geométrico de la estructura de dos grados de libertad. Se ha optado por esta topología debido a que este tipo de estructura ofrece resistencias menores a la fuerza del viento, lo cual permite, generalmente el dimensionamiento de piezas de menor peso, lo cual redunda en beneficio de los motores a ser utilizados en esta aplicación, principalmente si se tiene en cuenta la potencia necesaria para mover la estructura. Por otro lado, los bornes de los paneles en esta topología son de fácil acceso, lo cual facilita la ta-rea de montaje. En la Figura 14 (b), puede observarse una vista lateral donde se especifica además los detalles para el ensamblaje de la estructura y en la Figura 14 (c) se muestran los detalles y dimensiones de parte de la estructura soporte de los paneles. Una vez definida la geometría de la estructura es verificada utilizan-do los procedimientos descritos en las normas mexicanas [CFE, 2008] ante la ausencia de normas locales y consideraciones relativas a la norma paraguaya de viento [INTN, 1992], obteniéndose resultados satisfactorios.

Figura 14: (a) Vista global del diseño de la estructura.(b) Vista latereal, dimenciones y detalles para el ensamblaje del la estructura. (c) Detalle y dimensiones de parte de la estructura soporte

para los paneles.

Implementación y montaje

En este apartado se muestra la implementación de la estructura de dos gra-dos de libertad para la aplicación solar fotovoltaica, la cual fue fabricada y montada. En la fotografía de la Figura 15 (a) se observa parte del proceso de montaje de la estructura. Por otro lado, en la fotografía de la Figura 15 (b) puede apreciarse una vista general de la estructura diseñada luego de concluir el montaje, la cual se encuentra físicamente instalada en el predio del Centro de Innovación Tecnológica (CITEC) de la Facultad de Ingeniería de la Universidad Nacional de Asunción.


Figura 15: Estructura de dos grados de libertad. (a) Proceso de montaje. (b) Vista general del montaje concluido.

La estructura fue fabricada a partir de piezas formadas por tubos y perfilería de acero, y soldadura MIG. Las uniones de las piezas utilizan tornillos de acero inoxidable. Cada uno de los soportes posee 8 módulos de PSFs de 100 W de po-tencia nominal, dispuestos tal como se aprecia en la fotografía de la Figura 15 (b), proporcionando una potencia máxima de 2,4 kW.

Energía solar fotovoltaica

Desde el punto de vista la eficiencia del sistema de generación de energía eléctrica a partir de paneles solares fotovoltaicos, se pretende abordar la pro-blemática mediante, por un lado, la maximización de la energía producida por los paneles mediante el diseño y la puesta a punto de un sistema de rastreo solar de dos grados de libertad enfocado en alcanzar el punto de máximo seguimiento de potencia. Por otro lado, tal como se demuestra en [Argeseanu et al., 2010], el aprovechamiento eficiente de la energía producida está a su vez relacionado con la conversión eficiente de la energía almacenada en el banco de baterías. En este contexto, se propone investigar estrategias de control de potencia activa y reactiva de manera a lograr la máxima transferencia de energía desde el banco de baterías hacia la carga. En la Figura 16 puede apreciarse el esquema de control propuesto que utiliza un lazo interno de control predictivo de corriente basado en la estrategia MBPC. En este esquema se considera además un eje de referencia dinámico (d – q) alineado con el vector de tensión VPPC. Finalmente, la caracte-rística ortogonal de la variable eléctrica en ejes dinámicos, representada en el diagrama de bloque de la figura, permite el control independiente de la potencia activa y reactiva inyectada a la carga a través del control de las corrientes direc-tas y en cuadratura respectivamente.

81

Figura 16: Esquema propuesto para la conversión electrónica de la energía y el control de la potencia.

El control de posición del sistema se realiza en una PC en tiempo real a través de un algoritmo proporcional-integral-derivativo (PID) independiente, tanto para acimut como para elevación. Los mismos reciben la referencia de parte de una PC que actúa como un registro de datos (datalogger en inglés) a través del protocolo Modbus TCP, y la señal de control se envía al microcontrolador como valor del ancho de pulso (0 a 100%) a través del protocolo inalámbrico 802.15.4 usando transceptores Xbee Pro. La adquisición de datos de referencia se realiza a tra-vés de una solicitud Modbus hecha al PC datalogger, que se encarga de realizar una consulta a la estación climática por intermedio del microcontrolador, y son devueltas las posiciones de acimut y elevación calculadas por la estación basadas en los datos proveídos por el GPS. La adquisición de datos de realimentación se realiza a través del microcontrolador, que realiza la lectura de los encoder asocia-dos a los motores de acimut y elevación, a través de una interfaz de entrada que provee dicha función específica. La señal es acondicionada a través de una placa electrónica que hace de interfase. El accionamiento se realiza a través de motores independientes para Acimut y Elevación, cuyo control se realiza por modulación de ancho de pulso, según el valor que ha sido calculado por el control PID que se describió anteriormente. Los motores son accionados a través de un controlador de motores que permiten disponer de la densidad de potencia necesaria. Tanto la


realimentación como la señal de accionamiento son transmitidas por una cone-xión separada utilizando el protocolo inalámbrico 802.15.4, coordinado por una rutina de comunicaciones tanto en la PC de Control como en el microcontrolador, asegurando el determinismo del sistema.

SISTEMA DE GENERACIÓN DISTRIBUIDA

Una vez extraída la máxima energía de los sistemas de generación presen-tados en los apartados anteriores, en este apartado se aborda el concepto de la generación distribuida. Para ello se toma como punto de partida el desarrollo de algoritmos de control de corriente como paso previo al proceso de sincronización y control de la potencia activa y reactiva, cuya consigna se centra en permitir la máxima transferencia de energía desde el generador hacia la carga. En este contexto se asume por un lado, que la salida del GIM es rectificada mediante dos rectificadores trifásicos independientes y que la tensión rectificada es aplicada a un banco de capacitores que conforma el Dc-Link, y por otro lado que el sis-tema solar fotovoltaico se conecta a un banco de baterías con niveles de tensión compatibles a las tensiones de la red. En ambos casos ambos niveles de Dc-Link son conectados a la carga a través de un inversor trifásico como se muestra en la Figura 18 (a). La carga trifásica reactiva de la Figura 18 (b) puede ser modelada matemáticamente utilizando la representación en el espacio de estados.

Figura 18: (a) Diagrama en bloque del control predictivo de corriente basado en la técnica SVPWM aplicado al lado de la red. (b) Carga trifásica reactiva RLC.

83

La Figura 19 muestra los resultados de simulación de las dos técnicas de con-trol de corriente utilizados, la MBPC + SVPWM4 que es continua5 y el MBPC que es discontinua6. Se considera que es aplicada a la carga una corriente de refe-rencia sinusoidal de 1,5 A de amplitud y 50 Hz de frecuencia eléctrica. Se asume que el sistema trifásico se encuentra operando en régimen permanente cuando es sometido a un cambio en las referencias de corriente en el sub-espacio (a – β) de 1,5 a 3,5 A de amplitud y fase.

La Figura 19 (a) muestra el seguimiento de corriente obtenido a partir del control discontinuo MBPC, mientras que en la Figura 19 (b) se muestra los re-sultados obtenidos a partir del control continuo MBPC combinado con una estra-tegia de modulación, cuyo diagrama en bloque se muestra en la Figura 18 (a). Como puede apreciarse en ambos casos la corriente medida converge al valor de referencia. Por otro lado, en las Figura 19 (c) y (d) se muestran el porcentaje de distorsión total armónica (THD, por sus siglas en inglés) medida con respecto a la frecuencia fundamental (50 Hz), cuantificada si se tiene en cuenta dos ciclos de la corriente alfa medida. En este contexto puede apreciarse como la técnica de control continua introduce mejoras si se tiene en cuenta la THD, lograda a costa del incremento en la frecuencia de conmutación de los interruptores de potencia.

Figura 19: Resultados del control de corriente aplicado al lado de la red, la predicción de la corriente alfa, se muestra en la parte superior (en forma ampliada y de color verde). (a) Técnica de control

discontinua MBPC. (b) Técnica de control continua MBPC + SVPWM. Distorsión armónica de la corriente alfa, para dos ciclos en régimen permanente sinusoidal. (d) Control MBPC.

4 SVPWM, por sus siglas en inglés, Space vector PWM.5 Técnica continua: se produce conmutación en cada instante de muestreo.6 Técnica discontinua: se desconoce la frecuencia de conmutación.


CONCLUSIÓN

En este trabajo se ha propuesto nuevos enfoques para sistemas de generación distribuida basadas en fuentes potenciales de energías renovables en Paraguay, en este contexto se ha abordado por un lado, el desarrollo, la implementación y la puesta a punto de un sistema de generación basado la energía eólica cuya prin-cipal aportación constituye el uso de generadores de inducción multifásicos como solución avanzada con respecto a los sistemas trifásicos reportados actualmente en la literatura, proponiendo además nuevas estructuras de control, evaluando las prestaciones del sistema eólico multifásico tanto a nivel teórico como a nivel experimental y por otro lado el diseño y la implementación de un novedoso sistema de generación basado en la energía solar fotovoltaica a través del diseño de una estructura soporte de dos grados de libertad, cuya ventaja principal radica en la simplicidad del diseño y la robustez comparada con la solución convencional de po-tencia nominal equivalente si se tiene en cuenta factores climáticos como la resis-tencia al viento. En ambos sistemas se han propuesto algoritmos de control cuyas consignas se han centrado en alcanzar el MPPT que garantiza la máxima entrega de energía a la carga. Finalmente siendo coherente con la filosofía asociada a la generación distribuida se ha presentado la integración de los sistemas propuestos a través de una estructura de control de corriente basada en dos técnicas de con-trol (continua y discontinua) que se pretende sea el punto de partida para futuras implementaciones a nivel experimental, orientadas a la eficiencia energética con respecto a la reducción de armónicos, sincronización y conexión a red.


[NU, 1998] Naciones Unidas (1998). Protocolo de Kyoto. Convención marco de las Naciones Unidas sobre el cambio climático, URL, http://unfccc.int/resource/docs/convkp/kpspan.pdf

[Greenpeace, 2007] Greenpeace (2007). Greenpeace. [r]evolución energética, perspectiva mundial de la energía renovable, URL, http://www.greenpeace.org/espana/Global/espana/report/cambio_climatico/r-evoluci-n-energetica-persp.pdf

[VMME, 2005] VMME (2005). Vice Ministerio de Minas y Energías. Energías Renovables y Medio Ambiente, URL, http://www.crecerconenergia.net/archivos/PDF/pep_13VIIener_renovab.PDF

[VMME PESE, 2005] VMME (2005). Vice Ministerio de Minas y Energías. El Plan Estratégico del Sector Energético, URL,http://www.crecerconenergia.net/archivos/PDF/pep_15IXplan_estrateg.PDF

[Levi, 2008] Levi, E. (2008). Guest Editorial. IEEE Transactions on Industrial Electronics, Vol. 55, No. 5, (May 2008) page numbers (1891-1892), ISSN 0278-0046

85

[Zhao, 1995] Zhao Y. & Lipo, T. (1995). Space vector PWM control of dual three-phase induction machine using vector space decomposition. IEEE Transactions on Industry Applications, Vol. 31, No. 5, (October 1995) page numbers (1100-1109), ISSN 0093-9994

[Ong, 1997] C.M. Ong, “Indirect Field Orientation Methods”, Dynamic Simulation of Electric Machinery Using MatLab/Simulink, Prentice Hall, 1997.

[Larard, 1998] Larard, E. (1998). Tesis de grado. Department of Electrical and Computer Engineering, University of Queensland, (May 1998)

[Hamilton, 1998] Hamilton, S. (1998). Tesis de grado. Department of Electrical and Computer Engineering, University of Queensland, (June 1998)

[Argeseanu et al., 2010] Argeseanu, A., Ritchie, E. & Leban, K. (2010). New Low Cost Structure for Dual Axis Mount Solar Tracking System Using Adaptive Solar Sensor. International Conference on Optimization of Electrical and Electronic Equipment (OPTIM), (May 2010) page numbers (1109 - 1114 ), ISSN 1842-0133

[CFE, 2008] Comisión Federal de Electricidad, Instituto de Investigaciones Eléctricas (2008). Manual de diseño de obras civiles: Diseño por viento, URL, http://www.mediafire.com/?mijonmx2zo0

[INTN, 1992] Instituto Nacional de Tecnología y Normalización - INTN - (1992). Norma Paraguaya 30-001-92: Acción del viento en las construcciones, disponible en la biblioteca del INTN.

[Krause, 1995] Krause, P.C. (1995). Analysis of electric machinery. McGraw-Hill Book Company, Technology and Industrial Arts

[Slootweg et al., 2003] Slootweg, J.G.; de Haan, S.W.H.; Polinder, H. & Kling, W.L. (2003). General model for representing variable speed wind turbines in power system dynamics simulations. IEEE Transactions on Power Systems, Vol. 18, No. 1, (Feb 2003) page numbers (144-151), ISSN 0885-8950

[Barrero et al., 2009] Barrero, F.; Arahal, M.; Gregor, R.; Toral, S. & Durán, M. (2009). A proof of concept study of predictive current control for VSI driven asymmetrical dual three-phase AC machines. IEEE Transactions on Industrial Electronics, Vol. 56, No. 6, (June 2009) page numbers (1937-1954), ISSN 0278-0046

[Barrero et al., 2011] Barrero, F.; Prieto, J.; Levi, E.; Gregor, R.; Toral, S.; Durán, M. & Jones, M. (2011). An Enhanced Predictive Current Control Method for Asymmetrical SixUphase Motor Drive. IEEE Transactions on Industrial Electronics, Vol. 58, No. 8, (Aug. 2011 ) page numbers (3242-3252 ), ISSN 0278-0046

[Rodríguez et al., 2012] J. Rodríguez y P. Cortés, “Predictive Control of Power Converters and Electrical Drives”, Wiley-IEEE Press, 2012, ISBN: 978-1-1199-6398-1.

<<<

87

>>> ANÁLISIS DE OPORTUNIDADES DE INCORPORACIÓN DE PROYECTOS DE EFICIENCIA ENERGÉTICA DE ALTO IMPACTO

Ernesto ElenterOrientación: Dr. Ing. Mario Vignolo

RESUMEN

El potencial de la Eficiencia Energética en Uruguay ha sido evaluada en 241 MW medios, o 2,1 TWh/año, lo que representa un 20,4% de la demanda eléctrica total del país.

Este trabajo realiza una propuesta para capturar dicho potencial a través de programas de promoción de inversiones en eficiencia energética a nivel de la de-manda (consumidores) financiados o incentivados parcialmente por la compañía eléctrica (UTE).

Se proponen proyectos que presenten una buena relación costo/beneficio tanto para la compañía eléctrica, como para el consumidor, cuando se realizan inver-siones en dispositivos energéticamente eficientes (iluminación, paneles solares térmicos, refrigeradores, lavarropas y secarropas, termotanques y aires acondi-cionados).

El beneficio para los participantes del programa consiste en la reducción de sus cuentas de energía (facturas de UTE), mientras que los beneficios para la compañía eléctrica corresponden a los costos evitados en energía y capacidad (infraestructura).

Para el sector residencial uruguayo, se plantea como un objetivo razonable para los próximos 3 años, un programa que permitiría retirar una demanda me-dia de 85,4 MW.

PALABRAS CLAVE: Negavatios, Eficiencia Energética, Gerenciamiento de la demanda.

ABSTRACT

Energy Efficiency potential in Uruguay has been evaluated in 241 MW average, or 2.1 TWh/year, representing 20.4% of the country’s total electricity demand.

This paper makes a proposal to capture this potential through programs pro-moting energy efficiency investments at the demand level (consumers) partially funded or encouraged by the power company (UTE).

UR

UG

UAY


The projects proposed show a good cost/benefit relationship, to both the elec-tric company, and the consumer, when making investments in energy efficient devices (lighting, solar panels, refrigerators, washers and dryers, water heaters and air conditioners).

The benefit for the participants of the program is the reduction of their energy bills, while the benefits for the utility company, are the avoided costs in energy and capacity (infrastructure).

For the Uruguayan residential sector, is proposed as a reasonable goal for the next three years, a program that would avoid an average demand of 85,4 MW.

KEYWORDS: Negawatts, Energy Efficiency, Demand Side Management.

INTRODUCCIÓN

El “hueco” de la Eficiencia Energética

Diversos investigadores a nivel mundial han encontrado evidencia teórica y empírica que sugiere la existencia de un potencial de aumento del bienestar de la sociedad a través de la incorporación de políticas de promoción de la eficiencia energética a nivel de la demanda (LOVINS, 2011; HURLEY et al., 2008; HOP-PER; GOLDMAN; SCHLEGEL, 2006; IEA, 2011; CONSELHO DA COMUNIDA-DE EUROPEIA, 2008; DEXIA ASSET MANAGEMENT, 2010; JOSHI, 2012).

En la literatura técnica existen muchos trabajos abordando el denominado problema del “hueco de la eficiencia energética”. Por ejemplo Adam Jaffe y Ro-bert Stavins (1994), en “The energy-efficiency gap”2, explican que este “hueco”, refiere a la diferencia entre la eficiencia energética del parque de dispositivos existentes, comparado con la que debería haber, si los consumidores hubieran ad-quirido aquellas tecnologías que optimizan el costo del ciclo de vida (incluyendo inversión inicial + costo operativo futuro).

Este hueco se explica principalmente por barreras de mercado, fallas de merca-do y fallas del comportamiento de los consumidores (GILLINGHAM; NEWELL; PALMER, 2009).

Dicho hueco, puede ser caracterizado mediante la tasa de descuento implícita en las decisiones de los consumidores. En efecto, si se selecciona un equipo inefi-ciente y más barato, el costo operativo futuro aumenta, y es posible calcular la tasa de descuento que iguala la opción ineficiente vs. la eficiente.

Gillingham, Newell y Palmer (2009) concluyen en el estudio “Energy Efficien-cy Economics and Policy” que se han detectado tasas de descuento implícitas, utilizando diversas metodologías que van desde el 25% hasta más del 100%.

89

Por lo tanto, estas condiciones proveen una motivación para la aplicación de políticas y/o regulaciones sobre el mercado de dispositivos consumidores de ener-gía, a efectos de promover la adquisición de equipos eficientes como una priori-dad en el gerenciamiento del consumo de energía a nivel de la demanda.

Megavatios vs. Negavatios

Al mismo tiempo diversos estudios (BID SECCI, 2008) sostienen que la Efi-ciencia Energética es la forma más barata de “generar” energía, y que produce más externalidades positivas. En este contexto se ha acuñado el término NW (“negavatio”), es decir el MW evitado, que desde el punto de vista de la gene-ración equivale a incluir dentro del parque generador, una máquina virtual que genera energía negativa.

En el siguiente cuadro se muestran algunas estimaciones internacionales del costo normalizado de la energía, que considera los costos de inversión inicial, de combusti-ble y de operación y mantenimiento, para cada tipo de tecnología (COOPER, 2011).

Este elocuente gráfico, incluye a la eficiencia energética (“Efficiency”), como una de las fuentes virtuales de energía a un costo muy inferior al resto de las alternativas.

El objetivo del trabajo, es realizar una evaluación completa sobre los poten-ciales de mejora en la eficiencia energética del sector residencial de Uruguay, analizando la relación costo/beneficio, y sugiriendo un programa de alto impacto que incentive económicamente a los usuarios residenciales para la adquisición de dispositivos ahorradores de energía.


BENEFICIOS PERCIBIDOS POR EL SISTEMA ELÉCTRICO

Los beneficios económicos, definidos como los ahorros que percibirá el sis-tema eléctrico por la demanda evitada se componen de ahorros de energía y ahorros de capacidad.

Ahorros de Energía

Los ahorros de energía para UTE (Compañía eléctrica estatal de Uruguay), se calculan a través de simulaciones, utilizando el software SimSEE1 (UDELAR – FING), para escenarios con y sin ciertas cantidades de energía evitada. El Sim-SEE utiliza el método denominado “Programación Dinámica Estocástica”, que predice los costos futuros de generación, utilizando para ello, modelos estocásti-cos de la producción hidroeléctrica, energía eólica, precios de los combustibles, disponibilidad de máquinas térmicas, etc.

Para modelar el sistema eléctrico uruguayo, se han seleccionado hipótesis de trabajo usuales en la programación de largo plazo de sistemas eléctricos (creci-miento de la demanda, incorporaciones al parque generador, precios de energéti-cos, disponibilidad de máquinas, intercambios internacionales de energía, etc.).

El resultado de las simulaciones, mostraron para el escenario tendencial o sea “bussines as usual” (sin incorporar un plan agresivo de Eficiencia Energética), los siguientes resultados:

Evolución del CAD (Costo de Abastecimiento de la Demanda) en millones de dólares al año, con el valor esperado, y los valores con una probabilidad de excedencia del 80% y del 20%:

1 Una descripción detallada acerca de cómo opera este software, puede encontrarse en: http://iie.fing.edu.uy/simsee/

91

Análogamente, se procede a realizar corridas con los mismos parámetros, pero reduciendo la demanda en distintos niveles, mostrándose a continuación el caso de 100 MW medios evitados a causa de la incorporación de un plan de Eficiencia Energética, obteniéndose los siguientes resultados:

Evolución del CAD en millones de dólares al año:

El siguiente cuadro muestra la energía anual evitada (NGWh/año) en cada es-calón de NW introducidos, el ahorro medio (2012 a 2019) en el CAD (MMUSD/año) respecto del escenario tendencial, y finalmente el valor unitario de la energía evitada USD/NMWh:

Esta tabla se confeccionó utilizando la siguiente expresión:

Nota: Dado que al evitar energía en el sitio de consumo, también se ahorran las pérdidas técnicas de T&D (trasmisión y distribución), es necesario expandir dicho valor incrementándolo en un 10,4% (UTE, 2011), para evaluar la energía aho-


rrada a nivel de la barra de generación del sistema. Así el valor hallado para 100 NW, de USD 104/NMWh, asciende a USD 116,6 referido a barras de generación.

Ahorros de Capacidad

La demanda de electricidad per cápita en Uruguay viene creciendo sostenida-mente, y se espera que esta tendencia continúe. En efecto, tal como se ve en el gráfi-co, en el 2010, en Uruguay se consumían unos 2.800 kWh/habitante (DNE/MIEM, 2011), mientras que la media europea al 2005, era de 6.149 kWh/habitante.

A medida que la demanda crece es necesario incorporar nuevas plantas de gene-ración, y aumentar la capacidad de las redes de Trasmisión y Distribución (T&D).

Véase a continuación la evolución del crecimiento de la demanda en Uruguay

(DNE, 2012).

93

Por otro lado, es interesante observar como el crecimiento de la infraestructu-ra física de UTE (2000 a 2010), acompaña el crecimiento de la demanda.

La expansión de las redes (T&D), esta asociado por un lado a la expansión geográfica de nuevas líneas en nuevos emplazamientos (nuevas urbanizaciones, nuevos consumidores puntuales, etc.). Y por el otro lado, al aumento de la intensi-dad energética, lo que conduce al aumento de la capacidad de transporte y trans-formación de la electricidad a medida que la infraestructura existente comienza a estar con su capacidad colmada.

Es evidente que una reducción del crecimiento de la demanda, determina la re-ducción o postergación de las inversiones en infraestructura eléctrica necesarias para atender la demanda.

Los ahorros de capacidad, en expansión de la infraestructura eléctrica (redes de trasmisión y distribución) son calculados a través de los peajes del sistema uru-guayo. Es razonable utilizar los peajes ya que estos han sido calculados para fijar la remuneración para el transportista y el distribuidor, de manera de reconocer los costos incurridos por unidad de demanda.

Los ahorros de capacidad, por las inversiones postergadas o evitadas, en nueva capacidad de generación, son calculados tomando como base los costos de capital de una central de ciclo combinado, con las siguientes hipótesis:

• Costo inicial: USD 1.100 por MW instalado (LARROSA, 2011).• Tasa de descuento: 10%• Factor de convocatoria: 50%• Factor de disponibilidad: 90%• Anualidad de la inversión/MWh generados por año: USD 33/MWh

Resumen de ahorros por la energía evitada

El costo evitado, depende de diversos factores, entre los que se destacan los costos de generación, el nivel de penetración de la Eficiencia Energética, la curva horaria de la demanda evitada y el sitio en donde se ahorra la energía. En este trabajo y como primer aproximación se calculan los costos evitados en valores medios.


Los costos evitados se expresan en USD/NMWh, es decir, dólares por “nega-vatio hora” (megavatio hora evitado), y están referidos a “barras de la deman-da”, es decir, la energía evitada a nivel del consumidor.

A continuación se muestran los resultados hallados, de los costos evitados por cada MWh ahorrado, para un nivel de 100 MW medios (curva plana), evitados por proyectos de Eficiencia Energética.

EL POTENCIAL DE EFICIENCIA ENERGÉTICA EN URUGUAY

El Potencial de Eficiencia Energética en Uruguay ha sido evaluado reciente-mente en Uruguay por la Dirección Nacional de Energía. Los resultados y meto-dologías del mismo, se encuentran disponibles en la página web del Programa de Eficiencia Energética de Uruguay (DNE, 2011).

Tomando como base dicho estudio, y considerando solamente los ahorros de electricidad, y expresando los resultados en unidades más usuales de energía y potencia eléctrica, se obtiene el siguiente cuadro:

Nótese que el potencial de Energía evitada a nivel de la demanda, resulta ser de 1,889 TWh/año es decir, el 20,4% del total de la energía consumida. Estos va-lores expandidos por el factor de pérdidas en trasmisión y distribución (10,4%), equivalen a 2,1 TWh/año o 241 MW medios a nivel de la generación del sistema.

95

Siendo:kTep: kilo toneladas equivalentes de petróleo.% s/Res: el porcentaje de ahorro sobre el consumo del sector% s/CFE: el porcentaje de ahorro sobre el consumo total del paísNGWh: Energía evitada en GWh (“negagigavatios hora”)NW medios: Potencia media evitada en MW (“negavatios”)


Metodología de la EPA para la planificación de la EE

Este trabajo toma como modelo, la guía para la planificación de proyectos de Eficiencia Energética, elaborado por la EPA (“Guide to Resource Planning with Energy Efficiency” Environmental Protection Agency, USA), la cual plantea una serie de pasos que resultan de interés considerar (PRICE et al., 2007; EPA, 2008):

1) Predecir el potencial de Eficiencia Energética mediante un estudio de potencial

2) Calcular los beneficios económicos de la energía ahorrada a través de la metodología de los costos evitados

3) Analizar las MCE´s (Medidas de Conservación de la Energía) y deter-minar su costo/beneficio.

4) Elaborar un portafolio de programas para aplicar las MCE´s5) Estimar y reportar los impactos que tendrá el programa al sector

planificación de inversiones de UTE, para que estas reducciones de demanda sean contempladas.

6) Implementar el portafolio de programas, luego medir y verificar el resultado.

Beneficios económicos de la energía ahorrada

Se plantea calcular los costos evitados, que representan los beneficios económi-cos proyectados tanto para la compañía eléctrica como para el usuario de energía.

97

Para ellos se calcula el VPN (Valor Presente Neto) de los flujos de fondos, utilizando tasas de descuento fijadas en 12% para el consumidor, y del 10% para la compañía eléctrica.

Así se realizan tests de costo/beneficio que permiten verificar tanto para la com-pañía eléctrica como para el consumidor, que dicha relación resulte favorable.

En otros países es usual “monetizar” la reducción de gases de efecto inverna-dero, asignándoles un precio, y adicionando este valor al costo evitado.

Para el caso de Uruguay, y en el presente trabajo, este valor no será consi-derado como un beneficio económico directo. Sin embargo es posible que algún proyecto pueda ser incluido como programa de actividades en el Mecanismo de Desarrollo Limpio del Protocolo de Kioto, en cuyo caso sí se podría monetizar este beneficio de carácter ambiental.

Análisis de los ahorros producidos por las MCE´s.

En primer lugar es necesario estimar el ahorro por MCE (Medida de Conser-vación de la Energía) que se logrará, en términos de energía y potencia evitada.

Luego es necesario realizar ciertos ajustes como se explica a continuación.Siguiendo la metodología de la EPA, la expresión para evaluar el ahorro lo-

grado por una medida de conservación de la energía es:

Siendo:: Reducción anual de energía de la Medida m

NABm: Coeficiente de ajuste “Neto A Bruto” de la Medida mInstalaciones m: Cantidades de instalaciones implementadas de la Medida m

Para el presente trabajo, se tomará en general la estimación de ahorros reali-zada en el trabajo “Potencial de Eficiencia Energética del Uruguay” ya citado, y en algunos casos el autor formulará algunas estimaciones concretas (DNE, 2011).

El coeficiente NABm, es el cociente del ahorro logrado por la medida m, ex-cluyendo las instalaciones de la medida m, que se hubieran realizado en ausencia del programa de incentivos a la eficiencia energética.

Por ejemplo un NABm=80%, implica que por cada 100 incentivos pagados, existen 20 usuarios de energía que hubieran hecho la inversión sin el incentivo. Por tanto, cada 100 incentivos, sólo 80 provocaron la incorporación de la MCE, ya que otros 20 usuarios lo hubieran hecho de todos modos.


Valores a utilizar

Costos evitados de Capacidad y Energía

En base a la metodología indicada en el capítulo anterior, se tomará como prome-dio del beneficio de la energía evitada, un valor de USD 201,47/NMWh en bornes de la demanda. Es decir 201,47 dólares por MWh evitado en el sitio del consumo.

Costos de Administración/Marketing

Cada programa de ahorro de energía requiere de una campaña de difusión y marketing para asegurar su éxito.

Por otro lado, es necesario administrar el programa, que requiere de recursos humanos y materiales destinados a tal fin.

A efectos del presente trabajo, y partiendo del análisis de programas desarro-llados por la compañía eléctrica de USA, Southern California Edison (2009), se tomará como estimación inicial de costos de administración y marketing, un 15% del costo de los incentivos o aportes directos que la compañía eléctrica entrega.

Incentivos pagados

Se han seleccionado niveles de incentivos, siguiendo la siguiente premisa:

Costos del programa + Pérdida neta de ingresos ≤ Beneficios

Es decir:

Siendo:Incentivo: Cantidad de dinero en USD/unidad, que la compañía eléctrica dis-pondrá para cada MCESCA: Es el coeficiente de Sobrecosto Administrativo (de administración y marketing del programa), que se fijará en este trabajo en 15% (SCA=1,15).NABm: Coeficiente Neto a Bruto, que se estimará para cada MCE.VPN (Pérdida neta de ingresos): es el valor presente neto de la pérdida de in-gresos de la compañía eléctrica, por la menor venta de energía, durante la vida

99

útil de la MCE, calculados a la tarifa variable “costo reflectiva”2 (USD 0,141/MWh para un cliente residencial de UTE para un consumo medio de 227 kWh/mes, incluyendo cargos fijos y variables, a Agosto de 2012).VPN (Beneficios): es el valor presente de los beneficios que percibe la compa-ñía eléctrica, durante la vida útil de la MCE, por la energía evitada, valorada a USD 201,47/NMWh).

Con este nivel de incentivos, el programa sería neutro desde el punto de vista económico para la compañía eléctrica, no requiriendo aumentos de tarifas para solventar el programa. Esto es válido, si la tarifa de UTE reflejara bien los costos de la empresa, es decir con un cargo variable menor al actual pero con cargos fijos mayores a los vigentes.

En la situación actual de tarifas, en la cual parte de los costos fijos son “ener-gizados” e introducidos dentro del cargo variable de la tarifa, la pérdida de recau-dación de la compañía eléctrica por la menor venta de energía podría conducir a la necesidad de incrementar tarifas para costear el plan. La metodología de la EPA, formula recomendaciones al respecto, y sugiere que en la medida que el costo total de los recursos (CTR) sea positivo, es admisible algún grado de aumento de tarifas. Se entiende por CTR, los costos (independientemente de quien paga los costos o recibe los beneficios del plan), vistos como un todo (clientes + empresa eléctrica), de proveer el servicio eléctrico, incluyendo los costos de la adquisición de equipos eficientes y la administración y marketing del programa de Eficiencia Energética.

Es relevante recordar que los consumidores no pagan “tarifas eléctricas” sino “facturas eléctricas”. Por lo tanto y a modo de ejemplo si la tarifa aumentara un 4%, pero el consumo se redujera un 30%, el consumidor observaría una reduc-ción total en su costo del 26%.

El problema en este ejemplo, es que los consumidores no participantes del programa verían incrementar su costo, sin percibir beneficios por una reducción del consumo.

2 En las tarifas eléctricas de UTE (al igual que en diversas compañías eléctricas del mundo), parte de los costos fijos son “energizados” e introducidos dentro del cargo variable de la tarifa, esto hace que las tarifas no reflejen adecuadamente los costos de la provisión del servicio. El autor ha es-timado como primer aproximación, que el cargo variable de la tarifa “costo-reflectiva”, sería del 55% del costo total de la tarifa (incluyendo costos fijos y variables).


ANÁLISIS DE LAS MCE IDENTIFICADAS EN EL ESTUDIO DE POTENCIAL DE EFICIENCIA ENERGÉTICA EN URUGUAY.

Calentamiento de Agua Solar

Se toma como hipótesis de trabajo que se instalarán paneles de 2 m2 de área efectiva de captación, a un costo de USD 1500 con impuestos e instalación in-cluida y con un rendimiento complexivo del sistema solar del 44%3. Así la ener-gía evitada por hogar, (considerando la irradiación solar para Montevideo15) en promedio anual, será de 123 kWh/mes. Se estiman 12 años de vida útil y un coeficiente NAB (“neto a bruto”) de 90%.

De acuerdo al estudio de potencial de eficiencia (FB-DNE 2011), se ha estima-do que del total de viviendas, existen 106238 (10.3%) de viviendas en edificios en altura. A su vez, otro factor a considerar es la sombra, que puede no hacer factible la instalación de panelería solar en determinadas viviendas.

Por ello, el citado estudio estima que sólo el 85% de los hogares urbanos po-drán aprovechar la energía solar.

Así se tendrán unos 875000 hogares que podrían acceder potencialmente a dicha tecnología.

Refrigeradores Eficientes

Partiendo del estudio de potencial de eficiencia energética para el uso “con-servación de alimentos” en el sector residencial se puede estimar que el consumo medio en Uruguay, de un equipo de conservación de alimentos es de 48,7 kWh/mes, partiendo de un consumo anual de 683,4 GWh, y que el parque esta com-puestos por 1,168,962 equipo. El ahorro esperado en promedio, será del 45%, o sea 21,9 kWh/mes.

Lámparas Eficientes

El estudio de potencial de eficiencia energética para el uso “Iluminación” en el sector residencial expresa lo siguiente:

“ …, al año 2008 quedarían para reemplazar 4,040,000 de lámparas incandescen-tes. Unas 3,820,000 en los hogares urbanos y las restantes 220,000 en los rurales. .”

3 Valores de rendimiento complexivo, vida útil y costos típicos de instalación estimados en base a la experiencia profesional del autor del presente trabajo (en la práctica dependen de la tecnología, temperatura de uso del agua, temperatura ambiente, calidad del equipo y otros factores).

101

A efectos de estimar el consumo unitario, se toma como referencia una lámpa-ra incandescente de 60 W, encendida 4 hrs/día, y se estima un nivel de ahorro del 75% al pasar a lámparas de bajo consumo.

Así se puede estimar que el consumo medio de una lámpara incandescente es de 7,2 kWh/mes y que el ahorro esperado en promedio, será del 75%, o sea 5,4 kWh/mes.

Termotanques

Partiendo del estudio de potencial de eficiencia energética para el uso “Calen-tamiento de agua” en el sector residencial, se estima que cada unidad demanda en promedio 115 kWh/mes.

“En el año 2008, el parque estimado de calentadores eléctricos era de 839.100 eléctricos (De ellos se estima que el 30% corresponde a equipos ineficientes).

El ahorro mensual por unidad es del 53% (para el calentador ineficiente), es decir 61 kWh/unidad-mes.

Lavarropas y Secarropas

El estudio "Balance nacional de energía útil de Uruguay 2006, de la DNE - MIEM)”, muestra que el parque de estos equipos ascendía a 809031 (incluyendo la-varropas y secarropas, en todas sus versiones y para zonas urbanas y rurales del país).

El ahorro potencial de 4212 Tep (49,0 GWh), repartido entre el parque de uni-dades existente, permite estimar una ahorro promedio mensual 5 kWh/unidad-mes.

Nota: Este ahorro de 5 kWh/unidad-mes, es en opinión de los autores de-masiado bajo, y probablemente exista una gran cantidad de usuarios que per-ciban un ahorro mucho mayor. Recuérdese que la metodología del potencial de eficiencia, parte del consumo total por uso, y luego se aplican los potenciales de ahorro para los equipos más eficientes. Es posible que algunos lavarropas y secarropas se utilicen pocas horas por mes, por lo que el estudio de consumos para este uso, muestre un valor en promedio muy bajo. Piénsese como ejemplo, que un lavarropa típico consume aprox. 2 kW, por lo que si los lavados duran 1 hora, y se realizan 20 lavados al mes, se esperaría un consumo de 40 kWh/mes para esta modalidad de uso del lavarropa, y con ahorros del orden del 42%, el cálculo resulta en un ahorro de 42%x40 kWh/mes= 16 kWh/mes, en lugar del valor 3 veces inferior de 5 kWh/mes.


Aires Acondicionados

Del estudio "Balance nacional de energía útil de Uruguay 2006, de la DNE - MIEM)”, se obtiene que el parque de estos equipos ascendía a 115903 (inclu-yendo equipos Split y de ventana).

El ahorro potencial de 1776 Tep, repartido entre el parque de unidades exis-tente, permite estimar una ahorro promedio mensual 15 kWh/unidad-mes.

Nota: No cabe duda que este parque de aires acondicionados del año 2006 ha tenido un crecimiento explosivo en los últimos años. De hecho, según las estadís-ticas del Instituto Uruguay XXI, tan sólo en el año 2011 se importaron 144.000 equipos de aire acondicionado. Resulta evidente en este caso, que el potencial es mucho mayor, probablemente 4 veces más grande en la actualidad (2012). Esto también muestra que la dinámica de incorporación de nuevas tecnologías y electrodomésticos obliga a revisar los potenciales de ahorro, y actualizarlos a la realidad de cada momento.

Resumen de resultados para Sector Residencial

Se muestra a continuación un resumen de los resultados esperables y los costos asociados para un portafolio básico de programas de eficiencia energética que promuevan mediante incentivos directos, la rápida incorporación de MCE`s a nivel de la demanda.

Así, se podrían evitar 85,4 MW medios solamente en el sector residencial, con una inversión acumulada de UTE de USD 248 millones, lo que traducido a valores de la jerga de la planificación de la generación energética, resulta de 2,9 MMUSD/MWm.

103

Recuérdese que el valor de MWm es muy distinto al de MW instalado, ya que el último es el valor nominal de una planta de generación y que en la practica es afectado por factores de planta (aprox. 0,35 para el caso eólico por ejemplo).

Por tanto, considerando los NW (negavatios) como una alternativa a la incor-poración de nueva generación, no cabe duda que es una forma económica, limpia y con impactos favorables a nivel de la sociedad en su conjunto.

CONCLUSIONES

Se ha detectado en la bibliografía analizada y en los trabajos técnicos disponibles, un consenso entre los expertos en la materia, acerca de la existencia de un “gap de la EE”, es decir un desaprovechamiento de la eficiencia energética como herramienta para lograr un uso óptimo de la energía, explicado principalmente por barreras de mercado, fallas de mercado y fallas del comportamiento de los consumidores.

La Eficiencia Energética en Uruguay ha sido evaluada en profundidad en 2011 por DNE-MIEM (Dirección Nacional de Energía) detectando ahorros potenciales de electricidad de 241MW medios, o 2,1 TWh/año, lo que representa un 20,4% de la demanda total del país.

Esto no incluye el potencial de Cogeneración, que también tiene un relevante potencial (del mismo orden que la EE) de ahorro de electricidad para el Sistema, y que podría ser analizado bajo una metodología similar a la del presente trabajo.

(También podrían utilizarse los resultados de este trabajo para el análisis de proyectos de generación eléctrica distribuida, conectada a la red de distribución).

A la luz, de los éxitos obtenidos en reducción de la demanda, a través de progra-mas implementados por otros países, el presente trabajo examina el nivel de incen-tivos que UTE podría entregar a quienes adquieran equipos ahorradores de energía.

Para Uruguay, la estimación de costos evitados por UTE, cuando los usuarios co-nectados en la red de Distribución ahorran energía, asciende a USD 201,5/NMWh. Estos costos evitados contemplan tanto los costos de energía como de capacidad.

Existen claras oportunidades para el desarrollo de programas de incentivos econó-micos a ser otorgados por UTE a sus clientes para la adquisición de equipos eficientes.

De acuerdo a las hipótesis de este trabajo, estos incentivos podrían aplicarse sin requerirse incrementos de tarifas, lo que permitiría lograr importantes bene-ficios para los consumidores, para UTE, y para la sociedad en su conjunto.

Estos incentivos permitirían lograr una rápida incorporación de equipos que ahorren energía, y así lograr alcanzar una porción importante de los 2,1 TWh/año del ahorro potencial disponible.

Con las metas del portafolio de programas de Eficiencia Energética propuesto, se podrían evitar 85,4 MW medios solamente en el sector residencial, con una inversión acumulada de UTE de USD 248 millones



ABAL, G. et al. Mapa solar do Uruguai. Versão 1.0, Memória técnica, p. 40, Faculdade de Engenharia, Universidad de la República, Montevidéu, abr. 2010. Disponível em: <www.fing.edu.uy/if/solar/msu-miem-v1.pdf>.

EPA – AGÊNCIA DE PROTEÇÃO AMBIENTAL. Compreender a rentabilidade dos programas de eficiência energética: práticas recomendadas, métodos técnicos e questões emergentes para os responsáveis pelas diretrizes políticas. Plano de Ação Nacional para Eficiência Energética, Energy and Environmental Economics e Projeto de Assistência Reguladora. Nov. 2008. Disponível em: <www.epa.gov/eeactionplan>.

BID SECCI – INICIATIVA DE ENERGIA SUSTENTÁVEL E A MUDANÇA CLIMÁTICA. Como economizar US$ 36 bilhões milhões em eletricidade. Conferência sobre Eficiência Energética e Competitividade, set. 2008.

CONSELHO DA COMUNIDADE EUROPEIA. Eficiência energética: atingir a meta de 20%. Bruxelas, nov. 2008. Disponível em: <http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:52008DC0772:EN:NOT>.

COOPER, M. O planejamento de menor custo para o fornecimento de eletricidade no século 21, para enfrentar os desafios de complexidade e ambiguidade na tomada de decisões. Instituto de Energia e Meio Ambiente, Vermont Law School, EUA, jun. 2011.

DEXIA ASSET MANAGEMENT. Geração de “Negawatt”: ameaças da eficiência energética e oportunidades para os serviços públicos europeus. Documento de Pesquisa de Sustentabilidade do Setor de Serviços Públicos, maio 2010.

DNE/MIEM. Estudo do potencial de economia no Uruguai. Fundação Bariloche, Montevidéu, set. 2011. Disponível em: <http://www.eficienciaenergetica.gub.uy/ACTIVIDADES.asp?realizado=1>.

DNE/MIEM. Cargas máxima e mínima do sistema. 2012. Disponível em: <http://www.miem.gub.uy>. (DNE / estatísticas /eletricidade).

GILLINGHAM, K.; NEWELL, R.; PALMER, K. Economia e políticas da eficiência energética. Escritório Nacional de Pesquisa Econômica, rep. técnico RFF DP 09-13, abr. 2009.

HOPPER, N.; GOLDMAN, C.; SCHLEGEL, J. Eficiência energética nos planos de recursos de serviços públicos ocidentais: impactos sobre a avaliação de recursos regionais e suporte para as políticas de WGA. Berkeley: Ernest Orlando Lawrence Berkeley National Laboratory, 2006.

HURLEY, D. et al. Custos e benefícios da eficiência energética da energia elétrica em Massachusetts. Synapse Energy Economics Inc., Northeast Energy Efficiency Council, Massachussets, EUA, 2008.

IEA – INTERNATIONAL ENERGY AGENCY. G-20: andamento da implementação e das diretivas de energia limpa e eficiência energética. Documento preparado para o Grupo de Trabalho sobre Energia Limpa e Eficiência Energética do G-20 (C3E), Paris, França, out. 2011. Disponível em: <http://www.iea.org/publications>.

105

INSTITUTO DE INGENIERÍA ELÉCTRICA. Simuladores. 2012. Disponível em: <http://iie.fing.edu.uy/simsee/>.

JAFFE, A.; STAVINS, R. A lacuna da eficiência energética. Diretiva de Energia, v. 22, n. 10, 1994.

JOSHI, B. Práticas recomendadas na criação e implantação de programas de obrigação de eficiência energética. Tarefa XXII do Relatório de Pesquisa do Programa Internacional de Gestão Lateral da Demanda das Empresas de Energia, Estocolmo, Suécia, jun. 2012. Disponível em: <http://www.ieadsm.org/Content.aspx?ID=2>.

LARROSA, D. Documento Notas Energéticas 2011. Cadesyc, Montevidéu, nov. 2011. Disponível em: <http://www.cadesyc.org/materiales.html>.

LOVINS, A. A reinvenção do fogo. EUA: Rocky Mountain Institute, 2011.

DNE/MIEM. Balanço Energético Nacional 2010. Montevidéu, 2011. Disponível em: <www.dne.gub.uy>.

PRANDO, R. Energia solar térmica. Tecnologia e Serviços Industriais, Instituto de Ingeniería Química, Udelar, Montevidéu, 2011. Disponível em: <http://es.scribd.com/doc/106006521/EERR-M2-2011>.

PRICE, S. et al. Guia para o planejamento de recursos com eficiência energética. Plano de Ação Nacional para Eficiência Energética, Agência de Proteção Ambiental (EPA), Energy and Environmental Economics, EUA, nov. 2007. Disponível em: <www.epa.gov/eeactionplan>.

SOUTHERN CALIFORNIA EDISON. Informações Reguladoras – Registros de Eficiência Energética – Relatórios Trimestrais de Eficiência Energética. 4º trimestre de 2009. Disponível em: <http://www.sce.com/AboutSCE/Regulatory/eefilings/Quarterly.htm>.

UTE. Perdas de energia elétrica. Coletiva de imprensa, Montevidéu, 10 maio 2011.

Disponível em: <http://www.ute.com.uy/php/detalle_prensa.php?id=6802>.

<<<

Organización

Auspiciante

Apoyo

libro eco_lógicas 2012

Documents