Basandose en datos consolidados de facturación y curva de consumos históricos, se desarrolló un protocolo de estimación de consumos y gastos «futuros» que desembocó en el desarrollo de la aplicación Cloud «Synergica», que evolucionó con la aplicación de técnicas Machine Learning de BigData.
Candidatura
Control y Ahorro Energético – Synergica
Indicadores y procesos de mejora
Definida la nueva estrategia energética y completando la implantación de la aplicación Synergica, se consigue:
– Disponer de un control ágil y actual de los consumos, determinando si las estimaciones eran correctas así como identificar si las acciones planificadas están siendo ejecutadas o, en su caso, aplicar modificaciones sobre las mismas.
– Identificar que los consumos se acomodan a los usos horarios comerciales definidos así como los diferentes balanceos de carga sobre los distintos circuitos eléctricos.
– Estimar consumos por técnicas BigData, evita desajustes en los presupuestos planificados al inicio del año fiscal
– Comprobar masiva/automáticamente las facturas consigue identificar posibles errores de facturación difíciles de analizar en compañías con gran volumen recepción de facturas.
– Ajustar potencias contratadas evita gastos innecesarios sobre suministros sobredimensionados en potencia.
– Comparar comportamientos respecto a consumos v gastos entre diferentes Centros, ayuda a identificar si algún centro necesita algún ajuste energético.
Cuantificación/Estimación reducción consumo
La implantación de las medidas planificadas en la nueva estrategia energética, se ha conseguido una reducción del consumo entorno al 5% respecto al consumo del año actual.
Innovación aplicada y buenas prácticas
Atendiendo a la evolución del último año, se identifica como elemento diferenciador la implantación de un equipo encargado de velar por la evolución y comportamiento de los consumos de todos los elementos eléctricos de la compañía.
Velar por la correcta implantación y ejecución de acciones regulatorias propuestas desde este equipo debe recaer sobre una aplicación Cloud que permita corrobarar que dichas actuaciones reflejan los ahorros esperados.
Usabilidad de Tecnologías de la Información y Comunicaciones
Conocer los consumos reales de los suministros se identifica como un elemento crítico que requiere integraciones con protocolos IEC870, ModBus, HTTPS, sFTP incluyendo conexiones con BBDD externas.
Este importante volumen de datos recuperados de los contadores fiscales y submetering, necesarios para realizar el trabajo predictivo de consumo y gasto, requiere de bases de datos relacionales y no relacionales que garanticen la escabilidad según la continua ingesta de datos de consumos integrado en un ecosistema spark.
El módulo predictivo de consumos se ha desarrollado con tecnología Inteligencia Artificial, en concreto con Machine Learning Predictivo a partir de consumos históricos apoyándose sobre un pool de algoritmos basados en series temporales similares a ARIMA.
