Este documento describe una metodología para calibrar modelos energéticos de edificios que predice con precisión su comportamiento térmico. La metodología utiliza datos medidos del edificio real y algoritmos genéticos para ajustar los parámetros del modelo. Esto permite identificar la inercia térmica del edificio y su capacidad de almacenamiento gratuito de energía, la cual puede usarse para proporcionar flexibilidad a la red eléctrica y aumentar el uso de energías renovables. La metodología se ha probado en
Calibración de modelos energéticos de edificios para identificar su inercia térmica
1.
2. Cuantificación de la inercia térmica de los edificios basada en una nueva
metodología de calibración para lograr edificios energéticamente flexibles
Vicente Gutiérrez González
Eva Lucas Segarra
SAVIArquitectura
3. PROBLEMÁTICA ACTUAL
Variabilidad intrínseca de la fuentes de energía renovable
2014=11% RES 2020= 20% RES 2030= 32%RES
INESTABILIDAD
DE LA RED
ELÉCTRICA
PROSUMIDORES
• CONSUMO DE
ENERGÍA
FLEXIBLE
• SMART GRIDS
PROBLEMA SOLUCIÓN
4. CLIMA USUARIOS RED
CONSUME ENERGÍA
CUANDO NADIE
CONSUME
NO CONSUME
ENERGÍA CUANDO
TODOS CONSUMEN
CON FLEXIBILIDAD
SOLUCIÓN
Edificios energéticamente flexibles
SIN FLEXIBILIDAD
5. H2020 PROJECT - SABINA
SmArt BI-directional multi eNergy gAteway
SABINA se basa en la fuente de flexibilidad más económica posible:
la inercia térmica existente en los edificios
3 esquemas de gestión:
Largo plazo (horizonte diario)
• Conversión exceso de energía eléctrica en calor o frío y
almacenamiento usando la inercia térmica de los edificios
• Explotación sinergias red eléctrica y térmica a nivel de distrito
compartiendo producción y consumo de energías renovables
para aumentar su penetración.
Corto plazo (horizonte de segundos a minutos)
• Control eficiente de los inversores de producción renovable para
gestionar el impacto local de la generación distribuida
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
6. CALIBRACIÓN DE MODELOS ENERGÉTICOS
¿Por qué necesitamos un modelo calibrado?
Curva de demanda
edificio real
Curva de demanda modelo
del edificio
Desajuste de la
curva de demanda
Edificio real
Modelo de simulación
energética del edificio (BES)
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
7. CALIBRACIÓN DE MODELOS ENERGÉTICOS
Concepto – Modelo law-data-driven
LAW-DRIVEN MODEL
(modelo basado en leyes)
EDIFICIO REAL
DATOS REALES MEDIDOS
GEOMETRÍA Y PARÁMETROS
FACHADA VENTANAS CUBIERTA
MACHINE
LEARNING
MODELO LAW-DATA-DRIVEN
CALIBRADO
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
8. CALIBRACIÓN DE MODELOS ENERGÉTICOS
Metodología
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
9. CALIBRACIÓN DE MODELOS ENERGÉTICOS
Metodología – Modelo energético del edificio (BES)
CASO ESTUDIO
Edificio administrativo y Posgrado
Escuela de Arquitectura.
Universidad de Navarra
Modelode simulaciónenergética Zonas térmicas del modelo
Edificioreal
Ubicación
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
10. CALIBRACIÓN DE MODELOS ENERGÉTICOS
Metodología – Parametrización y análisis de sensibilidad
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
11. The best model
CALIBRACIÓN DE MODELOS ENERGÉTICOS
Metodología – Algoritmo genético y funciones objetivo
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
ALGORITMO
GENÉTICO NSGA II
12. Modelo calibrado – Mejor modelo
CALIBRACIÓN DE MODELOS ENERGÉTICOS
Metodología – Selección mejor modelo y evaluación
Modelo no calibrado
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
13. Modelo calibrado – Mejor modelo
Temp. simulada
Temp. medida
CALIBRACIÓN DE MODELOS ENERGÉTICOS
Metodología – Selección mejor modelo y evaluación
Modelo no calibrado
Temp. simulada
Temp. medida
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
14. IDENTIFICACIÓN DE LA INERCIA TÉRMICA
Almacenamiento gratuito
CASO BASE
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
+ _
int ext
Carga del edificio Descarga del edificio
int ext
15. IDENTIFICACIÓN DE LA INERCIA TÉRMICA
Almacenamiento gratuito
ESTRATEGIAS0
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
+ _
int ext
Carga del edificio Descarga del edificio
int ext
16. IDENTIFICACIÓN DE LA INERCIA TÉRMICA
Almacenamiento gratuito
ESTRATEGIAS S0-S3
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
+ _
int ext
Carga del edificio Descarga del edificio
int ext
17. • Esta metodología genera modelos calibrados que predicen el comportamiento
térmico de un edificio de una manera precisa
• Estos modelos calibrados permiten identificar su inercia térmica y, por tanto, su
capacidad de almacenamiento térmico gratuito.
• El almacenamiento gratuito de los edificios puede ser utilizado para proporcionar
flexibilidad a la red e incrementar el uso de energías renovables
• Metodología de calibración probada en un modelo sintético. Dentro del proyecto
SABINA, esta metodología se aplicará en diferentes escenarios:
MODELO
SINTÉTICO
CONCLUSIONES
Puntos clave y próximos pasos
This projecthas received funding
from the European Union’s Horizon
2020 research and innovation
programme under grant agreement
n°731211, projectSABINA.
TEST EN
LABORATORIO
TEST REALES:
GRECIA Y DINAMARCA