Universitat de Lleida
Chemisana Villegas, Daniel
2022-01-24
188 p.
Universitat de Lleida. Departament de Medi Ambient i Ciències del Sòl
El sector de l'edificació, sense incloure la seva indústria, és un dels principals focus de consum energètic del món. Suposa al voltant d'un 30% del total d'energia final consumida mundialment. A més, les seves emissions de diòxid de carboni suposen un 28% respecte al total, ja que encara bona part del combustible utilitzat per a generar aquesta energia final és d'origen no renovable. Actualment, existeix l'extrema necessitat de reduir aquestes emissions contaminants durant els propers anys a causa dels problemes d'escalfament global que estem vivint. A més, el pic de producció dels combustibles fòssils, o és pròxim o ja l'hem sobrepassat durant l'última dècada. Aquest fet comportarà la fi dels combustibles fòssils a preu assequible. Per tant, mundialment ens hem de dirigir cap a una estratègia energètica encaminada a incrementar l'eficiència en la demanda i a consumir energia produïda mitjançant combustibles renovables. A aquest efecte, la implementació de models matemàtics que ajudin a caracteritzar, simular i a predir el consum energètic en el sector de l'edificació suposa un pas clau en aquest procés de transició energètica. En el marc d'aquesta Tesi s'ha implementat una plataforma per emmagatzemar i analitzar massivament dades energètiques, i s'han plantejat tres casos d'ús més concrets que fan referència a algunes de les problemàtiques més recurrents en cadascun dels principals nivells geogràfics en el sector edificació (nivell habitatge, edifici, o districte). Els objectius d'aquestes analítiques són informar i alertar a usuaris finals sobre el seu consum, optimitzar la demanda o el cost energètic, maximitzar el consum procedent de producció energètica renovable, o inferir característiques energètiques. Primerament, aquesta Tesi presenta la plataforma d'analítica dissenyada per a l'anàlisi massiva de comptadors intel·ligents d'electricitat. A part, es detallen els serveis d'informació energètica per a usuaris finals que s'han implementat, i es presenten els resultats d'estalvi estimat produït (del 3 al 22%) al llarg d'un projecte amb tres comercialitzadores d'electricitat europees. Posteriorment, es presenten les tres aplicacions específiques tractant diferents nivells geogràfics. En la primera d'elles, es presenta una novedosa metodologia per tal de replicar virtualment el control dels sistemes comandats per termòstat en el sector residencial utilitzant models basats en dades. Els resultats d'aquesta recerca mostren que es pot aconseguir un estalvi energètic del 18,1% i del 36,5% de mitjana, si es redueix la temperatura de consigna habitual en 1ºC i 2ºC, respectivament. En la segona aplicació, tres estratègies de Control Predictiu mitjançant Models (MPC, en anglès) s'han implementat en tres llocs diferents d'Europa, amb l'objectiu d'avaluar la flexibilitat energètica que pot aconseguir-se quan s'aplica un control més intel·ligent a sistemes de calefacció existents d'un edifici o d'un conjunt molt petit d'edificis. Els resultats del mètode mostren que les bombes de calor tenen el potencial de proporcionar una important flexibilitat de resposta a la demanda als països analitzats. No obstant això, a vegades tenen problemes quant al seu temps de resposta i fiabilitat, la qual cosa pot afectar la seva disponibilitat per al mercat de reserva d'electricitat. En la tercera i última aplicació, es presenta una metodologia de caracterització del consum elèctric de grans conjunts d'edificis, per exemple districtes sencers o codis postals. Es basa en l'anàlisi estadística dels consums energètics horaris agregats a les diferents arees d'interès, i la seva correlació respecte informació meteorològica, cadastral o característiques socioeconòmiques. Aquest mètode s'ha validat per a interpretar els factors de canvi en el consum elèctric de la província de Lleida (Espanya).
El sector de la edificación, sin incluir la industria, es uno de los principales focos de consumo energético del mundo. Supone alrededor de un 30% del total de energía final consumida mundialmente. Además, sus emisiones de dióxido de carbono suponen un 28% respecto al total, ya que todavía buena parte del combustible utilizado para generar esta energía final es de origen no renovable. Actualmente, existe la extrema necesidad de reducir estas emisiones contaminantes durante los siguientes años debido a los problemas de calentamiento global que estamos viviendo. Además, el pico de producción de los combustibles fósiles, o es cercano o ya lo hemos sobrepasado durante la última década. Este hecho conllevará el fin de los combustibles fósiles a precio asequible. Por lo tanto, el mundo debe dirigirse hacia una estrategia energética encaminada a incrementar la eficiencia en la demanda y a consumir energía producida mediante combustibles renovables. Con este fin, la implementación de modelos matemáticos que ayuden a caracterizar, simular y a predecir el consumo energético en el sector de la edificación supone un paso clave en este proceso de transición energética. En el marco de esta Tesis se ha implementado una plataforma para almacenar y analizar masivamente datos energéticos, y se han planteado tres casos de uso más concretos que hacen referencia a algunas de las problemáticas más recurrentes en cada uno de los principales niveles geográficos en el sector edificación (nivel vivienda, edificio, o distrito). Los objetivos de estas analíticas son informar y alertar a usuarios finales sobre su consumo energético, optimizar la demanda o el coste energético, maximizar el consumo procedente de producción renovable, o inferir características energéticas aparentemente desconocidas. Inicialmente, esta Tesis presenta la plataforma de analítica diseñada para el análisis masivo de contadores inteligentes de electricidad. Aparte, se detallan los servicios de información energética para usuarios finales implementados, y se presentan los resultados de ahorro estimado producido (3% a 22%) a lo largo del proyecto IEE Empowering para tres comercializadoras de electricidad. Posteriormente, se presentan tres aplicaciones específicas tratando distintos niveles de agregación. En la primera de ellas, se presenta una metodología novedosa para replicar virtualmente el control de los sistemas comandados por termostato en el sector residencial utilizando modelos basados en datos. Los resultados de esta investigación muestran que se puede conseguir un ahorro energético del 18,1% y del 36,5% de media, si se reduce la temperatura de consigna habitual en 1ºC y 2ºC, respectivamente. En la segunda aplicación se han implementado tres estrategias de Control Predictivo mediante Modelos (MPC, en inglés) en tres lugares distintos de Europa, con el objetivo de evaluar la flexibilidad energética que puede lograrse cuando se aplica un control más inteligente a sistemas de calefacción eléctricos existentes en un edificio o un conjunto muy pequeño de edificios. Los resultados del método muestran que las bombas de calor tienen el potencial de proporcionar una importante flexibilidad de respuesta a la demanda en los países analizados. Sin embargo, en ocasiones tienen problemas en cuanto a su tiempo de respuesta y fiabilidad, lo que puede afectar a su disponibilidad para el mercado de reserva de electricidad. En la tercera y última aplicación, se presenta una metodología de caracterización del consumo eléctrico sobre grandes conjuntos de edificios, por ejemplo distritos enteros o códigos postales. Se basa en el análisis estadístico de los consumos energéticos horarios agregados a cada una de las áreas de interés, y su correlación con la información meteorológica, catastral y las características socioeconómicas. Este método se ha validado para interpretar los factores de cambio en el consumo eléctrico de la provincia de Lleida (España).
The building sector, excluding its industry, is one of the world's largest energy consumers. 2019 accounted for around 30% of the total final energy consumed worldwide. In addition, its carbon dioxide emissions accounted for 28% of the total, as much of the fuel used to generate this final energy is still of non-renewable origin. Currently, there is an extreme need to reduce these pollutant emissions over the next few years due to the global warming problems we are experiencing. In addition, the peak of fossil fuel production is either near or has already been exceeded during the last decade. This will lead to the end of affordable fossil fuels. Therefore, the world must move towards an energy strategy aimed at increasing demand-side efficiency and consuming energy produced from renewable fuels. To this end, implementing mathematical models to help characterise, simulate and predict energy consumption in the building sector is a key step in this energy transition process. Within the framework of this Thesis, a platform for storing and massively analysing energy data has been implemented. Additionally, three more specific use cases have been proposed that refer to some of the most recurrent problems at each of the main geographical levels in the building sector (dwelling, building or district level). The objectives of these use cases are to inform and alert end-users about their energy consumption, optimising energy demand or cost, maximising energy consumption from renewable generation, or inferring apparently unknown energy characteristics of buildings and their occupants. This Thesis presents the data analytics platform designed and developed to deal with the massive analysis of a vast amount of data coming from electricity smart meters. Furthermore, the implemented energy information services for end-users are presented, and the estimated energy savings generated by those services, quantified within the IEE Empowering project, are presented (3 to 22%). Subsequently, three applications are introduced, each one dealing with a specific geographical level. In the first one, a novel methodology to virtually replicate the control of thermostatically-controlled systems is presented. It is applied over a set of residential dwellings and it is based on data-driven models. Some promising outcomes showed during warm conditions (7-15ºC), for example, reducing the usual set-point temperature of the thermostat by 1ºC or 2ºC would lead to energy savings of 18.1% and 36.5% on average, respectively. In the second application, three Model Predictive Control (MPC) strategies have been implemented in different locations in Europe to assess the energy flexibility that can be achieved when a smarter control is applied to existing electricity driven heating or cooling systems in several building typologies and electricity markets. The results showed that electric heat pumps can provide significant demand response flexibility in the respective analysed electricity markets. However, they sometimes have problems regarding response time and reliability, which can affect their availability for the standby electricity market. Finally, in the third and last case study, a methodology for characterising the electricity consumption of large sets of buildings, e.g. entire districts or postal codes, is presented. The methodology is based on statistical analysis of the aggregated hourly energy consumption of the whole area of interest, as well as its correlation against meteorological information, cadastral data and socio-economic characteristics. This methodology has been validated to interpret the main drivers of electricity consumption along the whole province of Lleida (Spain).
Modelització; Consum energètic; Edificis; Modelitzación; Consumo energético; Edificis; Modelling; Energy consumption; Edificios
311 - Estadística
Ciències de la Computació i Intel·ligència Artificial
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
