Ferrovial Digital Infrastructure

Indicadores y procesos de mejora

Como caso base de referencia, la herramienta modela un centro de datos de 50 MW con un PUE de 1,20, sobre el que se construyen los escenarios comparativos de validación
Indicadores:
Cooling consumption: Energía consumida por el sistema de refrigeración (Naturaleza: Operacional).

IT consumption: Energía consumida directamente por el equipamiento TI (Naturaleza: Operacional).

Total consumption: Energía eléctrica total demandada por la instalación (Naturaleza: Operacional).

PUE (Power Usage Effectiveness): Ratio entre la potencia total de la instalación y la potencia del equipamiento TI (Naturaleza: Operacional).

CO₂ emissions: Emisiones de CO₂ equivalente derivadas del consumo total y del factor de intensidad de carbono de la red (Naturaleza: Ambiental).

Cost: Coste energético total (€) (Naturaleza: Financiera).

Cuantificación/Estimación reducción consumo

La solución analiza diferentes configuraciones energéticas para maximizar la eficiencia, la sostenibilidad y la resiliencia del suministro, reduciendo la incertidumbre en la toma de decisiones durante el diseño del activo.
• La herramienta compara tecnologías desde refrigeración de aire estándar hasta refrigeración líquida frente a la línea base de 50 MW y PUE 1,20.
• Los indicadores Total consumption y PUE permiten cuantificar la reducción de consumo para cada configuración simulada.

Cuantificación/Estimación reducción emisiones CO2

La herramienta calcula de forma nativa las emisiones de CO2 equivalente a partir del consumo energético total de cada configuración y del factor de intensidad de carbono de la red eléctrica correspondiente. Esto permite comparar el impacto ambiental de distintas combinaciones de generación y almacenamiento.
• La solución prioriza resiliencia y autonomía energética, dejando la compra de electricidad como opción secundaria para déficits puntuales.
• La reducción solo debe comunicarse una vez validados los escenarios y el factor de emisión aplicable.
Metodología propuesta para validación
• Definir la línea base y la configuración comparativa.
• Calcular el consumo total de cada escenario.
• Aplicar un factor de emisión validado, indicando fuente, año, geografía y alcance.
• Documentar el resultado en tCO2e para un periodo concreto y con trazabilidad auditable.

Innovación aplicada y buenas prácticas

• Modelado del nuevo patrón de demanda de centros de datos impulsados por IA, caracterizado por picos puntuales de alta intensidad computacional.
• Optimización conjunta de CAPEX, costes energéticos y utilización de los activos para una demanda y un recurso renovable determinados.
• Enfoque de resiliencia orientado a maximizar la autonomía energética y reducir la dependencia de la red eléctrica.
• Adaptabilidad a la evolución tecnológica de los centros de datos mediante la incorporación de configuraciones personalizadas de racks, densidades de potencia y perfiles de carga.
• Desarrollo en colaboración con Foqum y Arcadis bajo la dirección del CoE de Energy & Sustainability de Ferrovial.
Buenas prácticas de implementación
• Comparar todas las alternativas con una línea base común y KPIs homogéneos.
• Documentar supuestos, curvas de demanda y parámetros de cada escenario.
• Separar resultados simulados, resultados validados y estimaciones pendientes.
• Validar por fases antes de

Uso de tecnologías (TICs)

• Gestión de curvas de demanda TI en kW y de picos asociados a procesamiento de IA.
• Cálculo automático de PUE, CUE, coste energético y emisiones de CO2 por configuración.
• Módulo de optimización para explorar combinaciones de inversión y capacidad instalada.
• Arquitectura orientada al pre-diseño, construcción, ramp-up y puesta en marcha.