El camino hacia un sistema energético ampliado requiere un espacio de trabajo que se amplía rápidamente. Los usuarios deben encontrar la solución que más les convenga en función de sus necesidades. Para ello, es necesario un equilibrio entre la capacidad de trabajo, la capacidad económica y la responsabilidad social. Este trabajo se apoya en datos y algoritmos de gran alcance.

Para reducir las emisiones de gases de efecto invernadero en el año 2050 [1], debe darse prioridad al desarrollo de un sistema energético sostenible. Si los futuros productores de energía se alimentan de energía libre de CO2, es necesario que las empresas produzcan y mantengan un equilibrio climático. Esta transformación se basa principalmente en el aumento de la eficiencia energética y en la utilización de fuentes de energía renovables como el sol, la energía eólica, la biomasa, la geotermia, la energía geotérmica, etc.[2].

La combinación de tecnologías de los sistemas energéticos, que se basan totalmente en energías renovables, es más compleja que la del sistema energético actual, dominado por el petróleo y el gas. Para aprovechar la energía de origen humano, pero también para facilitar su utilización, es necesario contar con diversas soluciones técnicas, como las lámparas solares, las lámparas de hierro, los sistemas de bombeo, las bombas de agua, los sistemas de bombeo de agua (WKK) y los sistemas de energía renovable. Además, garantizan que los sistemas de gestión de la energía interconectados funcionen de forma segura y eficiente.

Otro desarrollo es la estructura y organización de los sistemas energéticos. Las energías renovables son de origen natural y se encuentran en zonas urbanas y rurales. El uso local y regional de las energías renovables aporta ventajas económicas y aumenta la eficiencia energética. Los sistemas energéticos descentralizados1) son conceptos que permiten la transformación de los sistemas energéticos[3].

Se definen como la unión de varios edificios en un barrio o área, que utilizan energías renovables y distintas tecnologías de gestión de la energía (véase la imagen de abajo).

El concepto de suministro energético centralizado ha traído consigo una gran cantidad de nuevos productos y soluciones. Este desarrollo de la capacidad de innovación en el sector de la energía es indispensable para alcanzar el objetivo de la "red cero". En el camino hacia este objetivo, tan ambicioso como realista, hay que tomar una serie de decisiones. El uso de nuevos productos y servicios2) amplía continuamente la oferta de soluciones posibles (imagen de abajo). La pregunta es: ¿Cómo puede un planificador de energía encontrar la mejor solución para su proyecto en un espacio de trabajo de rápida expansión?

Energieversorgungs-Trilemma

Para conseguir un espacio de trabajo cada vez más amplio, es necesario tener una visión de conjunto. De este modo, los planificadores energéticos pueden comparar los distintos productos y soluciones y encontrar la mejor solución para su proyecto de gestión energética. En los últimos años, se han desarrollado tres criterios de orientación para la gestión de la energía: La responsabilidad, la rentabilidad y la compatibilidad con el medio ambiente de los sistemas energéticos. Estos tres criterios permiten maximizar la mejor solución para el proyecto en cuestión. Los criterios suelen estar relacionados entre sí. Por ejemplo, si se reduce la rentabilidad, se reduce la rentabilidad y se reduce la productividad. Entre los tres criterios se debe encontrar una solución, o incluso una solución: Das Energieversorgungs-Trilemma muss sich bewältigt werden (Bild unten).

El planificador de energía debe encontrar la mejor solución para su proyecto mediante el uso de tecnologías y combinaciones de tecnologías. No se puede negar que con los instrumentos de planificación de la empresa, en especial las herramientas de cálculo basadas en Excel, la búsqueda de las soluciones óptimas en el marco del proyecto es muy fácil y, en parte, sólo es posible mediante análisis críticos. La digitalización ayuda a los planificadores energéticos a llegar a la solución óptima.

La digitalización hace que la claridad se convierta en un problema

La recopilación de datos en el ámbito urbano es cada vez más compleja. Con datos satelitales y fotografías se pueden crear modelos digitales en 3D de ciudades, distritos y barrios. Los datos GIS y BIM permiten crear nuevas y mejores infraestructuras, así como elaborar modelos digitales con referencias geográficas para la construcción de edificios y terrenos. Las empresas tecnológicas, como por ejemplo Google, pueden utilizar el perfil de movimiento anónimo de las personas en las ciudades para realizar compras específicas de los clientes y, por otro lado, pueden elaborar un perfil de uso estadísticamente relevante para restaurantes, ciudades o pueblos. Los perfiles de consumo resultantes pueden mejorar la planificación y la gestión de los sistemas energéticos, por ejemplo, el dimensionamiento de las instalaciones técnicas y la gestión de las fuentes de energía fluidas, como el sol y el viento[4].

Estos son sólo algunos ejemplos de cómo la "Base de Datos de la Ciudad" puede generar una necesidad de sistemas energéticos. La base de datos no sólo permite ofrecer información actualizada sobre el estado de la energía, sino que también permite desarrollar ideas para el futuro sistema energético. Si la construcción de un edificio con gas sintético en el barrio X de la ciudad Y es buena, puede simularse y optimizarse con datos y algoritmos. Los resultados pueden ajustarse a los tres criterios de sostenibilidad, rentabilidad y sostenibilidad. El efecto puede ser definido en el triángulo y ayuda a los planes de energía a comparar, por ejemplo, la solución WKK con otras variantes de la pistola.

Para investigar no sólo una tecnología, sino también diversas tecnologías nuevas y ya establecidas, así como su combinación, es necesario contar con ordenadores y algoritmos de alto rendimiento (véase el aprendizaje automático3)). A partir de estos y otros muchos requisitos4) para la gestión de datos urbanos, se ha creado la disciplina "Informática Urbana" (UI). El objetivo de la UI es analizar y comprender datos amplios y variados[5-7].

Encuentre y obtenga soluciones óptimas

En el ámbito de la interfaz de usuario se han desarrollado instrumentos muy eficaces para la planificación y la gestión de sistemas complejos, como los sistemas energéticos descentralizados.
En la Empa y en la ETH Zürich, así como en el marco del SCCER-FEEB&D5, se han desarrollado en los últimos siete años algoritmos que permiten planificar y gestionar sistemas energéticos descentralizados [8]. Con estos modelos se simulan los sistemas de energía y se optimizan los sistemas de energía.

El objetivo es encontrar todas las soluciones óptimas para un proyecto en el ámbito de la energía, y que el planificador de la energía las pueda definir. Los planificadores pueden elegir, a partir de los resultados, la solución más adecuada para la gestión de la energía. De este modo, tienen la certeza de que cada solución de trabajo es siempre la mejor, lo que supone la máxima seguridad y rentabilidad con un mayor rendimiento económico.

La evaluación de los tres criterios en el Trilema se basa en la síntesis de Empa-Spin-off, por ejemplo, como se indica a continuación:

• Capacidad de respuesta: Las energías se establecen para cada día del año, aunque es posible que sean de 15 minutos de duración. Estas energías permanentes deben ser siempre totalmente seguras, lo que significa que en la seguridad de la distribución no se requiere ningún tipo de garantía y que este criterio debe cumplirse al 100%. El dimensionamiento de las tecnologías óptimas se realiza a través de los datos.
• Wirtschaftlichkeit: El uso de la tecnología es una de las dos características más importantes. Los costes de la vida útil se refieren a los costes de amortización sobre la vida útil de la tecnología adquirida y a los costes anuales de explotación (consumo, desgaste y energía). El cálculo de la rentabilidad tiene en cuenta, además de los costes de la vida útil, los costes de la venta (tarifa) y calcula los indicadores de rentabilidad (VAN, TIR).
• Salud: La emisión de CO2 a lo largo de un año se calculará a partir de datos estadísticos. Por lo tanto, se pueden analizar las emisiones de CO2 derivadas de la creación, el funcionamiento y la utilización de las nuevas tecnologías. El análisis de las emisiones de CO2 permite evaluar la cantidad (intensidad de la energía) y la calidad (intensidad del CO2) de las tecnologías.

Con las tecnologías en la nube más flexibles, se está ampliando el inmenso potencial de todos los sistemas energéticos posibles. Las soluciones más óptimas se encuentran en un frente de Pareto (imagen de arriba). El criterio de responsabilidad no está incluido en el frente de Pareto, ya que siempre se cumple el 100%. El planificador de energía puede elegir la solución más adecuada para sus clientes a través de un frente de pareto bidimensional y sencillo. Cada solución consiste en una combinación específica de tecnologías que pueden visualizarse y analizarse en detalle.

Los planificadores de energía, que hasta ahora utilizaban tablas de Excel poco elaboradas y con mucho esfuerzo, pueden elaborar con estos nuevos instrumentos de planificación conceptos completos y optimizados con poco esfuerzo para sus clientes. Los planificadores tienen, además de una gestión de datos más rápida, más tiempo para trabajar de forma creativa, como por ejemplo en los análisis de sensibilidad, para planificar las mejores soluciones. Estos instrumentos se utilizan como herramientas de trabajo. Además, no afectan a la persona, sino que le ayudan a realizar su trabajo.

Un ejemplo de la práctica

Die IBC Energie Wasser Chur hat sich zum Ziel gesetzt, bis 2040 kein CO2 in ihrem Versorgungsgebiet zu emittieren. Um den optimalen Technologiemix für die Energieversorgung zu finden, wurde für die Stadt Chur ein digitales Modell (Bild oben) erstellt. Anhand dieses Modells wurden die Pareto-Fronten für 2018, 2035 und 2050 berechnet (Bild unten). Jeder Punkt auf der Pareto-Front repräsentiert ein optimales Energiekonzept. Auf der Pareto-Front 2035 und 2050 kann die Lösung gewählt werden, mit welcher die Stadt Chur ihre CO2-Ziele von <3 kg CO2/m2EFB6) beziehungsweise null CO2-Emissionen bei minimalen Kosten erreicht. In den Detailanalysen der jeweiligen Lösungen werden die Massnahmen für den Umbau des Energiesystems ersichtlich. Interessant war dabei, zu erkennen, dass das heutige Energiesystem (rechts von Pareto-Punkt 1 im Bild unten7)) in ein nahezu CO2-freies Energiesystem (Pareto-Punkt 3) umgebaut werden kann, ohne die Wirtschaftlichkeit, das heisst die Lebenszykluskosten, zu erhöhen. Zu beachten gilt, dass der Umbau hohe Investitionen benötigt, welche jedoch die Wirtschaftlichkeit gegenüber heute nicht verschlechtern.

Por otra parte, el IBC puede establecer un proceso de transformación ágil. Cada vez que se produce un cambio, las posibilidades de los próximos cambios pueden ser mejoradas con la ayuda de nuevas tecnologías o de nuevos métodos de trabajo, y se puede mejorar la situación. Por ello, el IBC está en condiciones de optimizar cada uno de sus compromisos con la información más reciente. De este modo, se minimiza el riesgo para el uso de los sistemas energéticos. El IBC aprovecha los nuevos conocimientos de la planificación basada en algoritmos para conseguir el objetivo de la red con un riesgo mínimo, lo que se consigue con soluciones óptimas.

• Existen diferentes tipos de sistemas energéticos descentralizados en funcionamiento (no se trata de un sistema de suministro de energía independiente): Multi-Energiesysteme, lokale Energiesysteme, o en inglés: Energy Hubs, distributed energy systems. Aquí se utiliza el término "dezentrales Energiesystem" para referirse a sistemas e infraestructuras técnicas en el ámbito de un barrio, una zona o una ciudad.
• Vea el Swiss Environment and Energy Innovation Monitor, como por ejemplo Insolight, Green-Y, Exnaton, Cowa, Aliunid, Clemap, etc.
• El aprendizaje de las máquinas es un área de la inteligencia científica y se centra en el proceso de aprendizaje automático de los algoritmos informáticos a través de la experiencia (la conexión con los grandes datos).
• La inseguridad y los riesgos que conlleva son otros aspectos que deben tenerse en cuenta a la hora de determinar los objetivos. Los algoritmos y los conceptos del sistema de control de calidad se han diseñado y se han adaptado a la búsqueda de energía.
• El centro de competencia interuniversitaria para la investigación de la energía en el ámbito de los edificios y las áreas está en funcionamiento desde 2014 y forma parte de la investigación de la energía coordinada en Suiza.
• Flujo de energía: Suma de todas las fuentes de energía externas y externas, para las que es necesario un calentamiento o un calentamiento.
• El sistema energético actual no es óptimo, ya que los costes de la vida son casi idénticos a los del punto 1 de Pareto. La tasa de CO2 es más alta debido a las emisiones de CO2, que se pueden reducir con un sistema de energía igual de eficiente.

Referencias

[1] "Totalrevision des CO2-Gesetzes nach 2020", "Abkommen zwischen der Schweiz und der EU über die Verknüpfung der Emissionshandelssysteme", Bafu, 2020, en Vernehmlassung.
[2] "Energiestrategie 2050 Monitoring-Bericht 2018 Langfassung", BFE, 2018, S. 17-19.
[3] M. Sulzer, K. Orehounig, A. Bollinger, "Komplexität ist die neue Einfachheit", Aqua & Gas, 9/2020.
[4] C. Waibel, R. Evins, J. Carmeliet, "Co-simulation and optimization of building geometry and multi-energy systems: Interdependencias en el suministro de energía, la demanda energética y los potenciales solares", Applied Energy, Nummer 242, 2019, S. 1661-1682.
[5] F. Radulovic, M. Poveda-Villalón, D. Vila-Suero, V. Rodríguez-Doncel, R. García-Castro, A. Gómez-Pérez, "Guidelines for Linked Data generation and publication: An example in building energy consumption", Automation in Construction, Nummer 57, 2015, Seiten 178-187.
[6] F. Orlandi, A. Meehan, M. Hossari, S. Dev, D. O'Sullivan, T. AlSkaif, "Interlinking Heterogeneous Data for Smart Energy Systems", Proc. International Conference on Smart Energy Systems and Technologies (SEST), 2019.
[7] M. Zekić-Sušac, S. Mitrović, A. Has, "Machine learning based system for managing energy efficiency of public sector as an approach towards smart cities" International Journal of Information Management, 2020, 102074.
[8] F Bünning, B Huber, P Heer, A Aboudonia, J Lygeros, "Experimental demonstration of data predictive control for energy optimization and thermal comfort in buildings", Energy and Buildings 211, 10979.
[9] www.bafu.admin.ch/co2-statistk.

2021_03_sulzer_energieplanung.pdf

‍