Denne artikkelen gjennomgår de viktigste faktorene som påvirker energiforbruket i hotellanlegg, samt de grunnleggende ligningene som brukes til å modellere denne oppførselen basert på hver av parametrene som blir evaluert i hvert tilfelle.. I vårt tilfelle fokuserer analysen på strømforbruket i hotellanlegg og faktorene som kan påvirke dette forbruket i hvert tilfelle, samt mulige endringer og justeringer gitt for hver situasjon.
Introduksjon.
Hotellsektoren er en av de høyeste vekstene og diffusjonene over hele verden, det er også en veldig viktig gren for økonomien til forskjellige nasjoner som i større eller mindre grad er avhengig av turisme.
Det grunnleggende målet for denne sektoren er å tilby kundetjenester som tar sikte på å tilfredsstille deres behov i enhver forstand av ordet.
For å tilfredsstille disse behovene, er det nødvendig å konsumere en gruppe energiressurser og transportører som i hvert tilfelle bidrar til kundens totale tilfredshet.
Undersøkelser gjennomført (Fels 11, 12, Borroto 3) blant andre viser at elektrisitet er den energibæreren som har det høyeste forbruket på et hotellanlegg.
Til dette legger vi til at turistaktiviteten av natur er syklisk med måneder med større økninger i denne aktiviteten og andre der okkupasjonen avtar betydelig.
Det er også uttalt at de totale energikostnadene som genereres på hotellene ikke skal overstige 5% av den totale inntekten, noe som gjør at vi kan sette pris på målet om viktigheten av riktig bruk av energibærere i hvert tilfelle.
Av disse grunnene er det veldig viktig å vite hva som er faktorene som griper inn i energiforbruket til en hotellinstallasjon, samt hvilken mulig oppførsel dette forbruket avhenger av de eksterne og interne faktorene som har betydelig innflytelse på denne variasjonen.
Utvikling.
Grunnleggende variabler som påvirker forbruket av strøm på hotellanlegg.
Som nevnt tidligere, i hotellfasiliteter, må spesiell omhu tas for forbruket av elektrisk energi, siden energibæreren som hovedsakelig forbrukes i denne typen fasiliteter og gir en høy økonomisk kostnad ved regnskapsbalansen i disse anleggene.
Energiforbruket til hotellene skal være proporsjonalt med belegg på hotellet og bruken som gjesten på anlegget.
Men i praksis er det faktorer som påvirker forbruket av elektrisk energi eksternt og internt.
Det er viktig å kjenne til variablene som påvirker forbruket av elektrisk energi på hotell for å prøve å minimere deres innvirkning på det totale forbruket.
I de landene i det karibiske området hvor utetemperaturene er høye og komfortnivået er standard avhengig av type turisme og hotellkategori, er variablene med størst innvirkning på strømforbruket:
Klima: Det har en stor betydning blant faktorene for å analysere strømforbruket, siden i det samme rommet kan det forbrukes opptil 10 ganger mer strøm i sommersesongen enn om vinteren, spesielt med tanke på den geografiske breddegraden der Hotel, så vel som variasjonen i klimaet i denne regionen; (Ramos 21, Acosta 1): på Cuba er de varmeste månedene juli og august, med den påfølgende økningen i strømforbruket, og i måneder som mai, juni, september og oktober synker utetemperaturen som et resultat av økt regn i denne perioden, som det er en proporsjonell nedgang i disse periodene.
Hotellkategori: Avhengig av kategorien til turistanlegget, er kvaliteten og tilbudsstandardene som klienten skal motta forskjellige.
Nivået på teknologisk utstyr er ikke det samme, for eksempel på hotell opp til 3 stjerner der det ofte brukes mindre effektive vindusklimaanlegg enn sentralisert utstyr, hovedsakelig brukt på 4 og 5-stjerners hotell.
Hvis vi legger til lysnivået og fordelene disse hotellene må ha med spørsmålet om vannoppvarming, forstås forskjellen i energiforbruk i de forskjellige kategoriene av disse anleggene.
Forbruk standarder for dem er svært forskjellige når på hotell normale kategorier brukes på gjennomsnittlig $ 16 / ft 2, kan luksushoteller komme til $ 4000 / ft 2.
Type turisme: Det maksimale energiforbruket i et rom er representert av klimaanlegg etterfulgt av belysning, og i begge tilfeller avhenger forbruket eller ikke av elektrisk energi av driftsregimet det er utsatt for, antall turister og tidspunkt for bli i det, skikker og forbruksvaner for hver turist
Når man kjenner til disse problemene på mange hoteller, har strategien for å flytte animasjonen til topp og topp etterspørseltid for det elektriske energisystemet blitt implementert der energiprisen nesten fordobles til det dobbelte med det formål å prøve å holde kunder borte fra steder høyere forbruk (rom) og fortreng forbruket på en generell måte.
Med disse antecedentene og tidligere studier utført av forfattere som (Monteagudo 19), kan det konkluderes med at det er veldig viktig å bestemme modeller som relaterer de tidligere variablene til strømforbruk på hotell.
Hovedmodeller som brukes til å forutsi strømforbruk på hotellanlegg
Det skilles mellom to typer modeller: den som vurderer en stasjonær energitilstand og den som vurderer en dynamisk energitilstand.
Stabilitetsmodellene er de som ikke vurderer effekter som belastning som forårsaker temperaturgradienter i bygninger. Disse modellene er vanligvis passende for månedlige, ukentlige eller daglige data og brukes ofte til databaseutvikling.
De dynamiske modellene vurderer effekter som forvarming og topplast og er passende for kontroll av termiske belastninger og kontroll av det installerte utstyret.
For deres del tar modellene som vurderer en dynamisk energitilstand hensyn til andre faktorer som: varmeoverføring gjennom vegger, tak, etc., de termiske gradientene som oppstår som en funksjon av temperaturforskjellene i hver plassering og termiske belastninger på hvert sted. Hver av de tidligere modellene har stor betydning avhengig av parametrene eller tilstandene som analyseres i hvert tilfelle.
Når det gjelder bygninger som brukes som kontorer eller kjøpesentre, så vel som i hotellfasiliteter, kan de mest brukte modellene for å karakterisere forbruket av elektrisk energi deles inn i:
Grad dager metode og binære metoder:
Grad-dagsmetodene er de enkleste metodene for energianalyse og er passende hvis bruken av bygningen og når effektiviteten til VVS- og klimaanleggsutstyret anses som konstant.
Hvor effektivitet eller bruksforhold varierer med utetemperaturen, kan forbruket beregnes for de forskjellige verdiene på utetemperaturen og multiplisert med det tilsvarende antall timer; denne tilnærmingen brukes i flere av de binære metodene.
Når den innvendige temperaturen får lov til å svinge eller når interiørgevinstene varierer, bør modeller som ikke vurderer jevn tilstand, men et forbigående energistadium, brukes.
For beregning av grad-dager foreslås følgende uttrykk:(ASHRAE 2)
Grad-dagsmetoden forutsetter at t bal er konstant, noe som ikke er sant i praksis. Det hender at solgevinstene er null om natten, og innendørs pleier det å være høyere i løpet av ettermiddagen. En typisk modell er vist i figur 1 vist nedenfor:
Fig. 1: Variasjon av balansepunktet for temperaturer og interne gevinster i et typisk hjem.
Derfor er grad-dagsmetoden, som enhver metode som vurderer stabil tilstand, ustabil for å estimere forbruk over en periode. Faktisk er forbruk veldig følsomt for beboerens atferd og kan ikke forutsies med sikkerhet.
Månedlig grad dager metode
Det er foreslått mange formler for beregning av gradedager basert på vilkårlig basis når data ikke er tilgjengelige.
Den grunnleggende ideen er å anta en typisk sannsynlighetsfordeling av temperaturdataene, preget av sitt gjennomsnitt og av normen for standardavviket (Erbs 10) utviklet en modell som bare trenger innspillet gjennomsnittstemperaturen t 0 i løpet av hver måned årets.
De normale avvikene bestemmes ved å estimere 6m i løpet av hver måned deretter av korrelasjonen, der hver av parametrene har en spesifikk måte å beregne uttrykkene på.
Binær metode
For mange bruksområder skal grad-dagsmetoden ikke brukes, selv ikke med den variable basemetoden, på grunn av varmetap, K tot- koeffisient, HVAC-systemeffektivitet eller endringer i verdien av t bal påvirker det endelige resultatet.
I de fleste kommersielle bygninger har belegget et utpreget mønster som påvirker varmeforsterkning, innetemperatur og ventilasjon. I lignende tilfeller kan det å betrakte en jevn tilstand gi tilstrekkelige resultater for årlig energiforbruk hvis intervallene temperatur og tidsperioder evalueres separat.
Denne tilnærmingen er kjent som den binære metoden fordi forbruk beregnes for flere av utetemperaturverdiene multiplisert med antall timer N bin i temperaturintervallet sentrert rundt denne verdien.
Korrelasjonsmetoder
En måte å forenkle energianalyser på er å korrelere energi med flere inngangsvariabler.
Typisk er resultatet av en korrelasjon en enkel ligning som kan brukes i en kalkulator eller en liten datamaskin, som lar oss lage en graf som gir en rask oversikt over energikravene som installasjonen krever.
Flere empiriske ligninger er inkludert i de forskjellige korrelasjonsmetodene som kan brukes til å forutsi energiforbruk i mange bygningstyper.
Nøyaktigheten av korrelasjonsmetodene avhenger av størrelsen og nøyaktigheten til databasen og de anvendte statistiske midlene. En database generert fra nøyaktig innsamlede data kan føre til eksakte korrelasjoner (Lachal 16). For utvikling av en tilstrekkelig korrelasjon er det viktigste studien av sakene som ble brukt til å utvikle databasen.
Korrelasjonspostene (de uavhengige variablene) indikerer faktorene som anses å ha en betydelig innvirkning på energiforbruket.
Modeller som vurderer en enkelt variabel.
Det er kanskje den mest brukte. De formulerer bruken av energi i en bygning som en funksjon av en kraft som påvirker bruken av den. Et viktig aspekt ved identifisering av statistiske modeller basert på passende database, og basert på deres form og de uavhengige variablene.
Undersøkelsene som ble utført (Kissock 15, Katipamula 13) har tydelig indikert at tørrpære- temperaturen i uteluften er en av de viktigste regresjonsvariablene å ta hensyn til, både for daglige analyser og for månedlige stadier.
Modellen må identifisere likevektspunktet for temperaturer (eller endringspunkter) i energibruk. For sin enkleste form brukes verdien på 18,3 ° C. Tabell # 1 viser de forskjellige metodene og bruken av dem.
Tabell 1: Matematisk form for hver modell som vurderer en stabil tilstand, uavhengige variabler som er brukt, eksempler
Ulempene med inverse modeller som vurderer en variabel og stabil tilstand inkluderer ufølsomhet for dynamiske effekter (for eksempel forbigående termiske belastninger), ufølsomhet for variabler som endrer temperaturverdier (for eksempel fuktighet og solforsterkning)), og uegnet for noen bygninger (for eksempel bygninger med store tidsavhengige belastninger eller bygninger med flere endringspunkter).
I næringsbygg er imidlertid varmegevinsten høy, i tillegg til klimaanlegg og oppvarmingsbelastning, men det er klimaanleggsutstyret som har større vekt innenfor totalforbruket. Dette betyr at energibruk påvirkes direkte av utetemperaturen.
Evaluering av hovedindikatorene som brukes for å bestemme effektiviteten i en hotellinstallasjon.
I evalueringen av energiforbruket i hotellanlegg har klimatiske variabler en betydelig innflytelse, og det er grunnen til at det er forskjellige metoder for å beregne klimatiske variabler som en funksjon av tiden.
Noen forfattere (Cabrera 7) har foreslått noen prosedyrer og indikatorer, som definerer forholdet mellom HDO og den klimatiske påvirkningen, gitt ved å vurdere påvirkningen av temperaturfaktoren i de okkuperte rommene.
Et konsept med ekvivalent dag okkupert rom er også definert (Cabrera 8), som forholder rommet til forskjellige faktorer, som tas i betraktning i form av koeffisienter som er innført basert på påvirkning av hver av dem på bolig yrke.
Tidligere studier demonstrerte det sanne forholdet mellom klimatiske variabler, belegg på et hotellanlegg og strømforbruket.
Fra de nevnte analysene ble det bestemt at for uavhengige bygninger har den uavhengige temperaturen en reell betydning i strømforbruket, så vel som gradstimer og ligningen som er foreslått benyttet har formen:
Elektrisk C = b 0 + b 1 (HG) + b 3 (HG daglig)
Hvor verdiene til b 0, b 1, b 2 er koeffisientene som følger med variablene som vurderes. Med bruk av ligningen hevet ovenfor, er parametrene for utetemperatur og energiforbruk til en hotellinstallasjon relatert.
Andre forfattere som har utviklet forskning på dette feltet (Cabrera 9) og foreslår bruk av denne modellen med inkludering av en parameter som definerer okkupasjonen i hotellsektoren (Rooms Occupied Days) for å vurdere den gjennomsnittlige beboelsesområdet for et anlegg, som er en av faktorene som definerer strømforbruket i hotell.
Til slutt består ligningsmodellen som foreslås brukt, av følgende:
Elektrisk C = b 0 + b 1 (HG) + b 3 (HDO)
Hvor de uavhengige parametrene vil være korrelert i henhold til hver installasjon for å bestemme verdiene.
konklusjoner:
- Fra den forrige analysen kan det konkluderes at metodene som for tiden brukes for å beregne hovedindikatorene i hotellsektoren ikke tar hensyn til faktorer (hovedsakelig klimatologiske) som kan avgjøre innflytelse på de analyserte indikatorene. Værfaktorer som kan ha innflytelse kan bestemmes. på de analyserte modellene, som kan modelleres i funksjon for å oppnå et estimat av effektivitetsverdiene som kreves i et gitt tidsintervall.Utendørs omgivelsestemperatur (TB) kan være en av variablene å vurdere og forholde seg til forbruket av Energi i IH Forholdet mellom HDO og energiforbruket i hotellanlegg er en av variablene som er lite spredt i vurderingen av energieffektiviteten til en installasjon av denne typen
Bibliografi
1- Acosta Marrero, Gustavo. Praktisk psykrometri av uteluften. Vitenskapelig - teknisk redaksjon. 1999. 126 s.
2- ASHRAE Håndbok 2001, Teknisk konsultasjon.
3- Borroto Nordelo, A. Energisparing i termomekaniske systemer. Cienfuegos, 2002; 158 s.
4- Borroto Nordelo. A. Energiledelse for virksomhet; CEEMA, PAEC. University of Cienfuegos, 2001-81 P.
5- Borroto Nordelo. A. Energisystemer og miljømessige kostnader; CEEMA. University of Cienfuegos, 1997.
6- Bradiansky VM Den eksergetiske metoden og dens applikasjoner. Redaksjonell atomenergi. Moskva. 1988. 247 s.
7- Cabrera Gorrin, Osmel. Implementering av TTGEE på Hotel Zaza. Oppgave presentert som alternativ for mastergraden i tekniske vitenskaper. Side 36-40
8- Cabrera Gorrin, Osmel. Implementering av TTGEE på Hotel Zaza. Oppgave presentert som alternativ for mastergraden i tekniske vitenskaper.
9- Cabrera Gorrin, Osmel. Implementering av TTGEE i Hotel Unión. Diplomarbeid. Tutor.
10- Erbs, DG, SA Klein og WA Beckman. 1983. Beregning av data om gradedager og romtemperatur fra månedlige gjennomsnittstemperaturer. ASHRAE Journal 25 (6): 60.
11- Fels, M., red. 1986. Måling av energibesparelser: Scorekeeping-tilnærmingen. Energi og bygninger 9.
12- Fels, M., red. 1986. Måling av energibesparelser: Scorekeeping-tilnærmingen. Energi og bygninger 11.
13-Katipamula, S., TA Reddy og DE Claridge. 1994. Utvikling og anvendelse av regresjonsmodeller for å forutsi avkjølende energiforbruk i store forretningsbygg. Proceedings of the ASME / JSME / JSES International Solar Energy Conference 1994, San Francisco, 27. mars-1996
14-Kissock, JK, TA Reddy og DE Claridge. 1998. Analyse av regresjon av omgivelsestemperatur for å estimere ettermontering av besparelser i næringsbygg. ASME Journal of Solar Energy Engineering 120: 168.
15-Kissock, JK, TA Reddy, JS Haberl og DE Claridge. 1993. E-modell: Et nytt verktøy for å analysere bygningsdata for energibruk. Fortsettelser Intl. Energy Tech. Conf., Texas A&M University.
16- Lachal, B., WU Weber og O. Guisan. 1992. Forenklede metoder for termisk analyse av multifamilie- og administrasjonsbygg. ASHRAE.
17-Loper, Joe. Prestasjonskontrakter. ww.conae.gob.mx/ahorro/escos.html. 5 s.
18 - Loper, Joe. Prestasjonskontrakter. www.conae.gob.mx/ahorro/escos.html. 8 poeng.
19- Monteagudo, José. Implementering av TGTEE i Hotel Unión. Diplomoppgave. Tutor. 2002. 50 s.
20- Pérez Céspedes, Carlos… Prosedyrer for nødvendighetstest Hotel Las Tunas Sluttrapport modul 1 PAEC vitnemål. 2002. 10 s.
21- Ramos Niembro, Gaudencio. Variabler som påvirker elektrisk energiforbruk. Nyhetsbrev i januar-februar. 1999. Side 11-17
22- Trave and Turrism Analyst, No. 2. 1997. Faren for stagnasjon av turistproduktet fra sol og strand.
23- Triana Cordovi, Juan. Den cubanske økonomien 1999.
24- Valero A. Lozano M. Kurs i termoøkonomi. Zaragozas universitet
25- Overvåkning med fornyet energi: Finne løsninger. 9 P., 2002.
26- Energisparing i klimaanlegg av bygninger. 6 P., 2002