METODOLOGÍA DE EVALUACIÓN (BENCHMARKING)

Transcripción

1 METODOLOGÍA DE EVALUACIÓN (BENCHMARKING) DEL DESEMPEÑO ENERGÉTICO PARA HOTELES Dirección de Economía Sectorial Coordinación General de Crecimiento Verde Instituto Nacional de Ecología y Cambio Climático Febrero 2015

2 Directorio Dra. María Amparo Martínez Arroyo Directora General del Instituto Nacional de Ecología y Cambio Climático, INECC. Miguel Breceda Lapeyre Coordinador General de Crecimiento Verde, INECC. Iván Islas Cortés Director de Economía Sectorial, INECC. Elaboración M. en C. Iván Islas Cortés Director de Economía Sectorial M. en C. Jorge Gutiérrez García Subdirector de Economía de la Energía Agradecimientos Se agradecen las aportaciones, los valiosos comentarios y sugerencias del M. en C. Jesús Bernal Álvarez, Ing. Héctor Juárez (consultor para GIZ), Wolfgang Lutz (Energy Strategies) y Salvador Rodríguez (GÖPA) para la elaboración de este reporte. D.R. Instituto Nacional de Ecología y Cambio Climático Periférico Sur 5000, Col. Insurgentes Cuicuilco C.P , Delegación Coyoacán, México D.F.

3 Contenido 1. Introducción 1 2. El modelo 1 3. Validación del modelo 2 4. La base de datos 3 5. Estimación de los criterios de evaluación del desempeño 5 6. Aplicación de la ecuación en los datos para edificios tipo oficina y banco 6 7. Conclusiones Referencias 10

4 Figuras y tablas Figura 1. Porcentaje de hoteles de acuerdo al consumo de energía eléctrica (kwh/m2-año) 4 Figura 2. Distribución acumulada del Índice real y pronosticado para hoteles 7 Tabla 1. Tabla 2. Tabla 3. Tabla 4. Tabla 5. Estadísticas descriptivas de las variables independientes utilizadas en los modelos de regresión Resultado final del modelo de regresión para el consumo de energía total agregada Resultado final del modelo de regresión para el consumo de energía eléctrica Calificación y porcentaje acumulado de la base de datos de hoteles (consumo de energía total agregada) Calificación y porcentaje acumulado de la base de datos de hoteles (consumo de energía eléctrica)

5 METODOLOGÍA DE EVALUACIÓN (BENCHMARKING) DEL DESEMPEÑO ENERGÉTICO PARA HOTELES 1. Introducción El presente estudio es la continuación de un proyecto que inició en 2010 como un esfuerzo conjunto entre el Instituto Nacional de Ecología (INECC) y la Comisión Nacional para el Uso Eficiente de la Energía (CONUEE) para diseñar una metodología estandarizada para la evaluación de la sustentabilidad energética de los edificios comerciales. Los primeros pasos se dirigieron a la generación de una base de datos de diferentes tipos de edificios que permitiera la creación de un algoritmo de evaluación de edificios comerciales. La prioridad fue entonces la recopilación de información sobre las características de los edificios (tipo, superficie construida, consumo de energía, horas de operación, grados día, entre otras) para poder crear una línea base sobre eficiencia energética de las edificaciones comerciales existentes en el país 1. Para la construcción del algoritmo el INECC siguió la metodología del sistema de calificación de la certificación Energy Star de los Estados Unidos de América. Una de las grandes ventajas de esta metodología es basarse en el consumo real de energía observado y su correlación con las características generales de construcción y operación del edificio. La calificación no está ligada a equipos o tecnologías particulares sino al indicador de consumo real contra el pronosticado por el algoritmo de evaluación. De esta manera, los edificios que cuenten con mejores prácticas de operación o de dispositivos que generen ahorros reales de energía tendrán una mejor oportunidad de alcanzar calificaciones más altas respecto a sus pares. Esta metodología permite entonces impulsar una eventual regulación, como por ejemplo, normar con base en objetivos y metas específicas de consumo energético, dejando a los dueños, administradores y constructores de edificios, decidir la manera más costo-efectiva de alcanzar dichos objetivos. Con este trabajo, el INECC pone a disposición del público interesado una metodología que permite contar con un mismo método de evaluación para comparar el desempeño energético de hoteles en México. Finalmente, este esfuerzo busca mejorar la toma de decisiones en la construcción y administración de edificios y contribuir así al ahorro energético y de disminución de gases de efecto invernadero generado por este importante sector. 1 En la primera fase se logró tener acceso a la base de datos de la Administración Pública Federal (APF), lo que permitió la evaluación del desempeño energético de estos edificios.

6 2. El modelo El sistema de evaluación de edificios califica el desempeño energético de hoteles en México a partir de una base de datos de referencia de un estudio realizado por la componente NAMA PyME de la Cooperación Alemana al Desarrollo (GIZ). Este estudio se realizó en primera instancia mediante un análisis exploratorio con regresiones lineales y correlaciones aplicados a cada par de variables, para posteriormente describir la relación estadística entre todas las variables en razón de un análisis de regresión múltiple. El análisis se llevó a cabo mediante una regresión ponderada de mínimos cuadrados, basado fundamentalmente en el modelo establecido por el sistema Energy Star. 2 Esta forma básica de regresión permite el análisis de una variable dependiente. Para el caso de hoteles se analizó el consumo de energía eléctrica anual por superficie construida (kwh/m 2 - año), así como el consumo de energía total 3 (Gj/m 2 -año) en el edificio, sujeta a distintas características operativas propias de las actividades que hay dentro de un hotel (número de cuartos, el número de empleados, grados días de refrigeración y de calefacción, etc.). Esta regresión lineal múltiple tiene una ecuación de la forma: Unidades de energía/m 2 -año = C0 + C1* Variable1 + C2*Variable2 +.+ Ci*Variablei + e Unidades de energía/m 2 -año es la variable dependiente, Co es una constante y los otros valores Ci representan los coeficientes de las variables de la ecuación. Cada coeficiente es un número que muestra la correlación entre las características de operación que describe y el consumo de energía del edificio por metro cuadrado durante un año. 4 Es importante señalar que la regresión múltiple, además de identificar las variables determinantes del consumo energético del hotel, sirve para pronosticar el consumo de energía de cualquier hotel en México, dados sus propias características y localización. 2 Véase EnergyStar (2009). 3 El consumo de energía incluye el consumo de gas LP, gas natural, diésel y otros. 4 Por ejemplo, si Variable1 representa el número de cuartos de un hotel, entonces el valor de C1 mostrará la correlación estadística entre ella y la variable dependiente. Este coeficiente muestra el cambio promedio en Unidades de energía/m 2 -año pronosticado cuando el número de cuartos cambia en una unidad, asumiendo que las otras variables explicativas permanecen constantes. El término e simplemente representa el término de error o perturbación de la estimación. 2

7 3. Validación del modelo Para validar el modelo se aplicaron pruebas de significancia estadística a los coeficientes, tanto de manera individual como conjunta. Además, se verificó que cada una de las variables independientes aportar información significativa al modelo. Las pruebas de significancia comprendieron el estadístico de prueba (t-student para cada coeficiente y F para el conjunto integrado de coeficientes) y su distribución muestral bajo la hipótesis nula de que cada coeficiente y en conjunto tuvieran un valor igual a cero. 5 Este procedimiento se llevó a cabo con cada una de las variables explicativas a fin de determinar cuáles eran estadísticamente significativas y así determinar aquellas que aportaban información al modelo. 4. La base de datos La base de datos de referencia, a partir de la cual se evalúo y se construyeron las ecuaciones para la calculadora de desempeño energético y ambiental, cuenta con 334 registros de hoteles en México. La base de datos proviene de un estudio realizado por la componente NAMA PyME de GIZ. Las variables obtenidas de cada registro fueron 18 (número de cuartos, HDD, CDD, número de empleados, presencia de cocina, centro de negocios, piscina y lavandería, promedio de ocupación anual, equipo de cómputo, número de refrigeradores, área, consumo anual de energía eléctrica, área construida, consumo de gas LP, gas natural, diésel y otros combustibles), las cuales se analizaron individualmente en base a su correlación con el consumo de energía (eléctrica o total) anual por unidad de área, y posteriormente, de manera conjunta dentro de diferentes regresiones (Tabla 1). Cinco variables independientes resultaron significativas y las restantes no cumplieron con las pruebas estadísticas. Lo anterior no significa que las variables excluidas no sean importantes para el consumo de energía, simplemente que no aportaron información estadística al modelo. Cabe mencionar que la significancia de estas variables y su inclusión en la ecuación, así como de otras nuevas variables, puede cambiar conforme la base de datos se actualice, se incremente y se fortalezca. En lo que respecta al análisis descriptivo, se encontró que del total de registros, el 17.07% de ellos reportaron inconsistencias, por lo que el análisis se llevó a cabo con un total de 277 registros. De ellos, el 56% reportó un consumo de energía eléctrica menor a 100 kwh/m 2 año (Figura 1). Del total de hoteles, el mínimo anual reportado por un edificio fue de kwh/m 2 año y el más alto fue de 1,557.8 kwh/ m 2 -año. 5 Cuando no se acepta la hipótesis nula, el grupo de coeficientes es estadísticamente diferente de cero, de lo cual podemos concluir que la variable sí aporta información para explicar el comportamiento de la variable dependiente. 3

8 Figura 1. Porcentaje de hoteles de acuerdo al consumo de energía eléctrica (kwh/m 2 -año) 7% 4%5% % % % más de 500 Fuente: elaboración propia con datos proporcionados por GIZ. Tabla 1. Estadísticas descriptivas de las principales variables independientes utilizadas en los modelos de regresión. Variable Descripción Nombre Media Mínimo Máximo Cuartos por Número de cuartos por cada cada 100m m 2 CUAR Número de días con una HDD temperatura menor a los 18 o C en una localidad durante un HDD 1, ,225.5 año CDD Número de días con una temperatura mayor a los 18 o C en una localidad durante un CDD 2, año 6 Empleados por Número de empleados por cada 100m 2 cada 100m 2 EMP Promedio de Promedio de ocupación anual ocupación anual en porcentaje POA Fuente: elaboración propia con datos proporcionados por GIZ. Se consideran los 277 registros utilizados en la regresión. 6 Energía, Tecnología y Educación S.C Zonas Térmicas para la Aplicación de la NMX-C-460-ONNCEE AEAEE. 4

9 Los valores máximos y mínimos, así como la media aritmética de las variables independientes analizadas en esta base de datos, se presentan en la Tabla 1. Se puede apreciar la gran diversidad de hoteles que existen en México, ya que pueden ir desde edificios con muy baja densidad de habitaciones por cada 100 m 2 hasta hoteles con una alta densidad de personal. El número de empleados y el promedio de ocupación anual muestran también una relación directa con el consumo energético. Del análisis de las variables independientes y de la dependiente se desarrolló una metodología de certificación del desempeño energético, similar a la aplicada por EnergyStar (2009), considerando las características de hoteles en México, de donde se obtuvo el modelo que se describe a continuación. 5. Estimación de los criterios de evaluación del desempeño Después de un extenso trabajo de estimación de ecuaciones y de pruebas de significancia con diferentes conjuntos de variables, la ecuación final obtenida fue la siguiente 7 : Unidades de energía/m 2 -año = C0 + C1*C_CUAR + C2* C_HDD + C3* C_CDD+ C4* C_ln(EMP) + C5*C_POA Las unidades del consumo de energía son kwh/m 2 -año para el consumo de electricidad, mientras que para el consumo agregado de energía son Gj/m 2 -año. Es importante mencionar, nuevamente, que el resto de las variables de la base de datos se excluyeron del modelo debido a su baja significancia estadística o porque reflejaban el uso de tecnologías que son independientes al uso que se le da al edificio. Además, siguiendo el criterio de parsimonia, que considera como mejor estimación aquella que tiene un alto coeficiente de determinación con el menor número de variables, se decidió utilizar esta ecuación. Tabla 2. Resultado final del modelo de regresión para el consumo de energía total agregada Variable dependiente [Gj/m 2 -año] Número de observaciones en el análisis 277 Estadístico F Valor de R 2 del modelo Variable Coeficientes Estadístico t P-Value Constante E-57 C_CUAR C_HDD E-09 C_CDD E-13 C_Ln(EMP) C_POA Elaboración propia. 7 El prefijo C_ significa centrado, es decir, al valor real se le sustrae el promedio de la variable. Esta transformación de la variable le ha permitido a EnergyStar mejorar su algoritmo (EnergyStar, 2009). 5

10 Los resultados de la ecuaciones obtenidos por mínimos cuadrados ponderados aplicados al conjunto total de observaciones, considerando el consumo anual de energía total agregada y el consumo de energía eléctrica como variables dependientes pueden observarse en las Tablas 2 y 3 respectivamente. Tabla 3. Resultado final del modelo de regresión para el consumo de energía eléctrica Variable dependiente IMCEE [kwh/m 2 -año] Número de observaciones en el análisis 277 Estadístico F Valor de R 2 del modelo Variable Coeficientes Estadístico t P-Value Constante C_CUAR C_HDD C_CDD C_Ln(EMP) C_POA Elaboración propia. Un modelo con un coeficiente de determinación de indica que este modelo explica 22.94% de la varianza en el consumo anual de energía total en los hoteles. El modelo obtenido se muestra en la Tabla 2. Los signos de los coeficientes obtenidos son los correctos, pues se espera, por ejemplo, que mientras mayor sean los días calurosos (CDD), el consumo eléctrico aumentará para la operación del aire acondicionado. Para el caso del modelo para el consumo de electricidad, se observa un coeficiente de regresión de Al igual que el modelo anterior, los signos de las variables son congruentes con el comportamiento de la variable y el consumo de electricidad. 6. Aplicación de la ecuación en los datos para edificios tipo oficina y banco El modelo obtenido, que es la base del análisis de la calculadora de desempeño para hoteles, ofrece una predicción, para el caso de energía eléctrica, del Consumo Anual de Energía Eléctrica (CAEE) en kwh/m 2 -año. El dato de CAEE real se divide entre el CAEE estimado, lo que da lugar a la siguiente relación 8 : 8 Este mismo índice se utilizó para el caso de energía total agregada en Gj/m2-año. 6

11 Í Metodología de evaluación de desempeño energético / ñ / ñ Una relación de consumo pequeña (entre más se acerca a cero) indica que un hotel utiliza menos energía que la prevista y, por consiguiente, que hace un buen uso de la energía. Una relación de consumo más alta indicaría lo contrario. Las relaciones de consumo se ordenan de menor a mayor y el porcentaje acumulado de datos en cada relación se calcula utilizando el peso de la observación individual (Figura 2). En lo que respecta a las calificaciones, éstas se fueron asignando de acuerdo con los percentiles en que se divide el total de registros de nuestra base de datos, de tal modo que al 1% del total se le asigna una calificación y al siguiente 1% se le asigna una calificación menor, y así sucesivamente. Los límites que se usan para asignar las calificaciones de 0 a 100 se muestran en las tablas 4 y 5. Figura 2. Distribución acumulada del Índice real y pronosticado para edificios comerciales tipo oficina o banco 100 Porcentaje acumulado de inmuebles (%) Índice (consumo real/consumo pornosticado) La relación de la curva expresa, por ejemplo, que aproximadamente 25% de los edificios APF tiene una calificación mayor o igual a 75. Ello no significa que los edificios no puedan incrementar aún más su eficiencia en el uso de energía mediante la implementación de medidas de ahorro de energía. Alrededor de 9.71% de los edificios tienen una calificación de más de 90 puntos. Cuando la relación de consumo real y pronosticado es menor a la calificación debe ser 100. Si el cociente es mayor o igual a e inferior a la tasa prevista de evaluación para el edificio deberá ser 99 y así sucesivamente (véase Tabla 4). 7

12 Tabla 4. Calificación y porcentaje acumulado de la base de datos de hoteles (consumo de energía total agregada) Calificación Porcentaje acumulad o de datos > = < Calificación Porcentaje acumulado de datos > = <

13 Tabla 5. Calificación y porcentaje acumulado de la base de datos de hoteles (consumo de energía eléctrica) Calificación Porcentaje acumulado de datos > = < Calificación Porcentaje acumulado de datos > = <

14 7. Conclusiones Al comparar los resultados obtenidos utilizando la base de datos proporcionada por GIZ, se encuentran las mismas tendencias que las halladas por EnergyStar (2009) para el caso de Estados Unidos de América. Lo mismo sucede con los principales indicadores del análisis estadístico, lo cual, en su conjunto, indica una base de datos confiable y un análisis econométrico robusto; ambas características necesarias para una correcta evaluación del desempeño energético (benchmarking) en hoteles, tanto en el consumo de electricidad como de energía. 8. Referencias EnergyStar Performance Ratings Technical Methodology for Hotel. EnergyStar performance ratings. Disponible en: evaluate_performance/general_overview_tech_methodology.pdf. Consultado en enero de