LABORAL KUTXA

Indicadores y procesos de mejora

Para ello Deepki ha recopilado, analizado y valorado los datos energéticos y ambientales de todos sus activos.

– Tipología de activos: 445 activos. Principalmente entidades bancarias y sedes centrales.
– Perímetro: Repartidos por toda la geografía nacional y concentrados principalmente en el norte de España.
– Factura anual de energía: Alrededor de 1.600.000€
– Alcance digital: 100% de la base de datos digitalizada en el cloud de Deepki Ready.

Laboral Kutxa ha implementado un control energético de las instalaciones para analizar el consumo, priorizar las reformas y monitorizar la eficiencia de las reformas en curso.

Cuantificación/Estimación reducción consumo

– Se hace una comparativa del periodo Julio 2019-Junio 2020 con Julio 2020-Junio 2021.

– Reducción del consumo eléctrico del -9% (0,6 Gwh) comparando ambos periodos. Teniendo en cuenta además que el año 2020 es un año atípico por la pandemia, el reto de conseguir las reducciones en 2021 es aún mayor, ya que el consumo de 2020 se vio reducido por la pandemia la cual generó disminución en la actividad presencial en las oficinas de Laboral Kutxa.

– 5204 alertas detectadas desde noviembre del 2019.

– 4.847 alertas de sobreconsumo (Histórico de 10 semanas, alertando cuando se supera durante 2 semanas), 284 de sobreconsumo mensual y 73 alertas de talón de curva (Base load).

– Tipología de las acciones llevadas a cabo o en marcha: Acciones de regulación horaria de equipos, propuestas de sustitución de equipos, proyectos en marcha de reformas con rehabilitaciones energéticas, optimización de contratos, sensibilización, problemas de facturación, etc.

Cuantificación/Estimación reducción emisiones CO2

– Se hace una comparativa del periodo Julio 2019-Junio 2020 con Julio 2020-Junio 2021.

– Reducción del consumo eléctrico del -9% (0,6 Gwh) sobre el total de activos comparando ambos periodos. Teniendo en cuenta además que el año 2020 es un año atípico por la pandemia, el reto de conseguir las reducciones en 2021 es aún mayor, ya que el consumo de 2020 se vio reducido por la pandemia la cual generó disminución en la actividad presencial en las oficinas de Laboral Kutxa.

– Factor de emisión del mix eléctrico nacional 2020: 0,144 tCO2eq./MWh (Fuente: REE, 2020).

– Habiendo reducido el consumo eléctrico en 600 MWh en el periodo mencionado, y teniendo en cuenta el factor de emisión de 0,144 tCO2eq./MWh, la estimación de las emisiones evitadas es de 86,4 tCO2eq.

Innovación aplicada y buenas prácticas

Kutxa Laboral eligió una solución de recopilación automática de los datos. Se trata de una solución SaaS en la nube que no requiere de hardware y accesible vía web por todos los usuarios de Laboral Kutxa en cualquier tipo de dispositivo. Gracias a tecnologías de scrapping/parsing, los robots de la plataforma Deepki Ready se conectan a los espacios clientes de las distribuidoras, SIPS y Datadis, simulando las acciones de un humano. Se descargan, leen y organizan todas las facturas y curvas de carga disponibles en el Cloud. En las ocasiones que el proveedor de electricidad no dispone de un espacio cliente, podemos recibir la información a través de una API o FTP como es el caso de Watio, comercializadora con la que trabaja Kutxa Laboral.

En base a la recopilación de los datos, se ha implantado una dínamica de seguimiento. Se ha creado un Comité de Gestión Energética Laboral Kutxa-Deepki con reuniones periódicas para el seguimiento y la toma de decisiones basadas en los datos.

Usabilidad de Tecnologías de la Información y Comunicaciones

Para desarrollar este proyecto de Kutxa Laboral hemos necesitado:
– Gracias al ETL/ELT & Data Integration se creó una base de datos inmobiliarios de referencia, con códigos únicos por edificio, tipologías, fechas de construcción y reformas, horarios de apertura etc. Esta base de datos estructura la plataforma y permite crear el duplicado digital de cada edificio. Está disponible en los servidores de Amazon AWS 3 gracias al cloud computing.
– La información energética fue recopilada directamente de la información fuente, de las áreas cliente de los proveedores gracias a tecnologías de scrapping/parsing y un servicio interno de control de la calidad de los datos.
– La plataforma está integrada vía API con Datadis como fuente adicional para la descarga automática de las curvas de carga para el display en la plataforma y activación de las alertas.
– Los algoritmos de control de la disponibilidad y calidad del dato permiten monitorizar la recopilación de datos de manera precisa