La modelización de sistemas energéticos vista en detalle (I)

El diseño de instalaciones energéticas se ha vuelto sencillo en los últimos años por la profusión de herramientas que ayudan al proyectista. El cálculo fácil de proyectos complejos es hoy en día una realidad. Pero cuando es necesario desviarse del diseño convencional comienzan los problemas y aparecen fallos o rendimientos no esperados. El conocimiento de los métodos para estimar el uso de la energía resulta vital para entender los modelos que nos permiten entender los sistemas energéticos y en consecuencia optimizar los diseños. Estos métodos son especialmente interesantes para establecer las líneas generales y calcular los ahorros que podemos conseguir reacondicionando instalaciones existentes.

En este artículo nos vamos a centrar en explicar en los métodos existentes para la modelización de sistemas energéticos. Nos centramos especialmente en los métodos destinados al estudio de los sistemas HVAC (calefacción, ventilación y  aire acondicionado).

CONSIDERACIONES GENERALES 

Modelos y aproximaciones

Un modelo matemático es la descripción del comportamiento de un sistema, y puede hacerse a partir de tres componentes:

1.     Variables de entrada: Son las que actúan en el sistema. Hay de dos tipos: controlables por el experimentador, y no controlables (ej. clima).

2.     Estructura y parámetros/propiedades del sistema: Proporcionan la descripción física necesaria del sistema (ej. masa térmica o propiedades mecánicas de los elementos).

3.     Variables de salida (respuesta o salida dependiente): Describe la reacción del sistema a las variables de entrada. El uso de la energía es a menudo una variable de respuesta.

La ciencia de modelización matemática aplicada a los sistemas físicos implica la determinación de un tercer componente de un sistema cuando se han especificado los otros dos componentes.

Aproximación clásica – El objetivo es predecir las variables de salida de un modelo especificado con estructura y parámetros conocidos cuando están sujetos a variables de entrada especificadas. Para asegurar exactitud, los modelos tienden a llegar a ser cada vez más complejos, algo asumible con la llegada de los poderosos computadores actuales. Esta aproximación presume un conocimiento detallado no solamente de los fenómenos naturales que afectan al comportamiento del sistema sino también de la magnitud de las interacciones (ej. masa térmica efectiva, coeficientes de transferencia de masa y calor, etc.). La principal ventaja de esta aproximación es que el sistema no necesita ser físicamente construido para predecir su comportamiento. Esta aproximación es ideal en la etapa de diseño preliminar y etapa de análisis.

La modelización clásica del uso de la energía comienza con una descripción física del sistema del edificio o componente de interés. Por ejemplo, la geometría del edificio, localización geográfica, características físicas (ej. material y espesor de la pared), tipo de equipo y planificación de la operación, sistema HVAC, perfil de carga del edificio, equipo de planta, etc. El uso de energía promedio y pico del edificio puede predecirse o simularse por el modelo. El beneficio primario de este método se basa en los principios de ingeniería convencionales, y en consecuencia ha ganado aceptación entre los profesionales. Software típico como BLAST, DOE-2 y EnergyPlus se basan en esta aproximación.

Aproximación inversa – En este caso, las variables de entrada y salida se conocen y miden, y el objetivo es determinar una descripción matemática del sistema y estimar los parámetros del sistema. Este modelo es relevante cuando el sistema ya está construido y los datos de rendimiento actual están disponibles para el desarrollo y/o identificación del modelo. Pueden usarse dos tipos de datos de rendimiento: no intrusivos e intrusivos. Los datos intrusivos se consiguen bajo condiciones de experimentos planificados en el sistema para obtener la respuesta del sistema bajo un amplio rango condiciones de rendimiento del sistema que ocurriría bajo operaciones del sistema normal. Estos datos de rendimiento permiten una especificación e identificación del modelo más exacto. Cuando las restricciones a la operación del sistema no permiten que se realicen tales tests, el modelo debe identificarse como datos no intrusivos obtenidos bajo operaciones normales.

La modelización de datos a menudo permite la identificación de modelos del sistema que no sólo son más simples de usar sino también son predictores más exactos del rendimiento del sistema futuro que los modelos convencionales.

CARACTERÍSTICAS DE LOS MODELOS

Modelos convencionales

Aunque los procedimientos para estimar los requerimientos de energía varían considerablemente en su grado de complejidad, todos tienen tres elementos comunes: cálculo de (1) carga de espacio, (2) carga de equipo secundaria, y (3) requerimientos de energía del equipo, y (3) requerimientos de energía de equipos primarios. Los equipos secundarios son los que distribuyen calor, frío o ventilación, mientras que los equipos primarios se refieren a los equipos de planta central que convierten combustible o energía eléctrica para calentar o enfriar.

El primer paso para calcular los requerimientos de energía es determinar la carga del espacio, que si hablamos por ejemplo de HVAC es la cantidad de energía que debe añadirse o extraerse de un espacio para mantener las condiciones deseadas.

El segundo paso es trasladar la carga del especio a una carga en el equipo secundario. Esto puede ser por ejemplo una estimación simple de pérdidas o ganancias en tuberías o una simulación horaria, tal como la utilizada en volumen de aire variable con enfriamiento de aire. Este paso debe incluir los cálculos de todas las formas de energía requeridas por el sistema secundario (ej. energía eléctrica para enfriar agua).

El tercer paso calcula el combustible y la energía requerida por el equipo primario para cumplir estas cargas y la demanda pico. Esto considera las eficiencias de los equipos y las características de carga parcial. A menudo es necesario mantener diferentes formas de energía, tales como electricidad, gas natural o gasóleo.

Mediante un análisis de energía podemos obtener datos intermedios, tales como tiempo de uso de energía y máxima demanda, y también podemos estimar con exactitud los cargos de la compañía eléctrica. Aunque no son partes de los cálculos de energía, los costes de equipos de capital estimados también serán incluidos.

Pero en los sistemas energéticos pueden ocurrir interacciones complejas que a menudo son inesperadas entre sistemas o entre varios modos de transferencia de calor. Por ejemplo, los paneles de calefacción radiante afectan las cargas del espacio elevando la temperatura radiante media del espacio.

Modelos a partir de datos

Data-driven model cumple los requerimientos de una forma muy diferente al modelo convencional forward model. Este modelo puede contener solamente un número relativamente pequeño de parámetros debido a la información a menudo repetitiva contenida en los datos de rendimiento. Se trata por tanto de un modelo mucho más simple que contiene menos términos representativos de parámetros agregados o macroscópicos (ej. coeficientes de pérdida de calor en edificios y constante de tiempo). Debido a que los parámetros del modelo se deducen del rendimiento actual de los edificios, es mucho más exacto predecir el comportamiento del sistema futuro bajo ciertas circunstancias específicas. La colección de datos de rendimiento y la formulación del modelo necesita ser apropiadamente evaluada para las circunstancias específicas, lo cual a menudo requiere un alto nivel de pericia.

Para comprender mejor el uso de estos modelos, debemos entender algunas cuestiones que el profesional puede preguntarse sobre un edificio existente con consumo de energía conocido:

·       ¿Cómo se compara el consumo con las predicciones de diseño?

·       ¿Cómo cambia el consumo al variar niveles de termostatos, tasas de ventilación, niveles de iluminación interior, etc.?

·       ¿Cuánta energía puede ahorrarse trabajando con sistemas como volumen variable o cambios en las configuraciones de sistemas existentes?

·       ¿Podemos verificar el ahorro conseguido mediante un proyecto de reacondicionamiento?

·       ¿Cómo podemos detectar fallos en los equipos y optimizarlos?

Ver 2 ª PARTE