En este artículo, aprenderás cómo usar la función Diagnóstico de Líneas Base dentro de la Calculadora de Líneas Base, disponible en la sección M&V de la plataforma.
Contenido de este artículo:
Introducción
La función Diagnóstico de Líneas Base permite evaluar la fiabilidad estadística de las líneas base creadas con la función Calculadora de Líneas Base.
Requisitos
Para poder usar esta función, hay que disponer de licencias Advanced o Ultimate. Los mismos permisos que se requieren para usar la función Calculadora de Línea Base.
También es necesario crear una línea base para activar la evaluación estadística.
¿Cómo funciona?
Cada vez que se calcula una línea base, la plataforma evalúa automáticamente su salud estadística. Estos diagnósticos complementan métricas como R² y R² ajustado verificando si el modelo tiene suficientes datos fiables, usa variables significativas y es probable que funcione de manera consistente.
El resultado se resume en un estado general de salud de la línea base:
- OK: Todas las comprobaciones realizadas han sido aprobadas. No se detectaron problemas de calidad estadística.
- Advertencia: Al menos una comprobación identificó un problema que puede reducir la fiabilidad de la línea base. Se recomienda revisar las recomendaciones antes de usar el modelo.
- Crítico: Se detectó al menos un problema crítico. La línea base puede no ser fiable y debe revisarse antes de usarla para cálculos de ahorro o un proyecto M&V.
Un resultado crítico tiene prioridad sobre las advertencias. Algunos diagnósticos pueden no ser aplicables a un modelo particular, como por ejemplo, las comprobaciones que requieren variables de entrada no pueden realizarse cuando el modelo contiene solo una constante.
Revisando los diagnósticos de la línea base
Para visualizar los problemas, debe hacer clic en "Ver problemas".
Esto habilitará un menú en la derecha que mostrará la sección Diagnóstico de líneas base. Muestra el resultado de cada comprobación. Cada tarjeta de diagnóstico incluye:
- El nombre de la comprobación.
- Una descripción del problema detectado.
- Una acción recomendada para ayudar a mejorar la línea base.
- Información técnica adicional, cuando sea relevante.
Las comprobaciones que han sido aprobadas también incluyen una breve explicación confirmando qué condición del modelo fue validada.
Después de revisar una advertencia o problema crítico, hace falta actualizar la configuración relevante de la línea base y seleccionar Calcular línea base nuevamente. Los diagnósticos se repetirán usando la nueva configuración.
¿Qué se verifica?
La plataforma realiza hasta 11 comprobaciones estadísticas:
1. Grados de libertad
Verifica si el período de referencia contiene suficientes datos en comparación con el número de parámetros usados por el modelo.
Si aparece una advertencia, se debería extender el período de referencia para incluir más datos o reducir el número de variables seleccionadas.
2. Proporción de tamaño de muestra
Verifica si hay suficientes puntos de datos por variable de entrada para obtener estimaciones fiables.
Si aparece una advertencia, se debería extender el período de referencia o reducir el número de variables candidatas.
3. Correlación
Verifica si las variables de entrada están demasiado correlacionadas entre sí. Variables altamente correlacionadas dificultan determinar el efecto individual de cada variable en el consumo de energía.
Si aparece una advertencia, hay que eliminar una de las variables redundantes, especialmente cuando dos variables representan efectos similares del clima o de operación, y recalcular la línea base.
4. Distribución del error
Verifica si las diferencias entre el consumo real y el predicho están distribuidas uniformemente. Una distribución inusual puede indicar valores atípicos, períodos de operación anormales o patrones de consumo que el modelo no captura.
Si aparece una advertencia, se recomienda revisar el período de referencia para cierres, cambios operativos, valores atípicos u otros datos no representativos. Se pueden excluir estos períodos en Opciones de cálculo > Períodos a descartar.
5. Sin variables significativas
Verifica si el modelo calculado contiene variables de entrada significativas. Un modelo solo con constante usa el consumo promedio porque ninguna de las variables seleccionadas explica suficientemente el patrón de consumo.
Si aparece un problema crítico, se recomienda revisar las variables candidatas y considerar agregar más factores relevantes de energía, como clima, producción, ocupación, calendario o datos de horarios operativos.
6. Calidad del modelo
Verifica si las variables seleccionadas explican el consumo de energía mejor que simplemente usar el consumo promedio.
Si aparece un problema crítico, se recomienda revisar si las variables seleccionadas representan el comportamiento real de energía del sitio. También se pueden agregar variables más informativas o extender el período de referencia.
7. Completitud de la búsqueda
Verifica si la plataforma pudo analizar todas las combinaciones relevantes de variables candidatas dentro del tiempo de cálculo disponible.
Si aparece una advertencia, se encontró un buen modelo, pero puede existir una mejor combinación. Se recomienda reducir el número de variables candidatas y priorizar aquellas con una relación física u operativa clara con el consumo de energía.
8. Disponibilidad de datos
Verifica la completitud de los datos usados por las variables objetivo y de entrada. Lecturas faltantes de variables incluidas en el modelo pueden reducir su precisión o hacer que la línea base no sea fiable.
Dependiendo de la cantidad de datos faltantes y de si la variable afectada es usada por el modelo, esta comprobación puede devolver una advertencia o un resultado crítico.
Se recomienda revisar los dispositivos afectados o las fuentes de datos por brechas, medidores desconectados, problemas de sensores o problemas de integración. También se puede seleccionar un período de referencia con datos más completos.
9. Sobreajuste
Verifica si el modelo se ajusta demasiado a los datos del período de referencia o tiene un rendimiento pobre cuando se aplica a datos de verificación. Un modelo sobreajustado puede representar variaciones aleatorias en lugar de patrones repetibles de consumo de energía.
Este diagnóstico considera el R² del modelo, la diferencia entre R² y R² ajustado y, cuando hay datos de verificación disponibles, su error de predicción.
Dependiendo de la gravedad del problema, esta comprobación puede devolver una advertencia o un resultado crítico. Se recomienda simplificar el modelo reduciendo el número de variables o extendiendo el período de referencia para incluir datos más representativos.
10. Linealidad
Verifica si un modelo lineal representa adecuadamente la relación entre las variables de entrada y el consumo de energía.
Si aparece una advertencia, el modelo puede estar omitiendo efectos no lineales, comportamiento estacional o diferentes modos de operación. Se recomienda agregar términos al cuadrado o interacciones entre variables relevantes en Interacciones de parámetros. Revisar variables de grados-día o separar diferentes períodos operativos también puede ayudar.
11. Varianza del error
Verifica si el tamaño de los errores de predicción del modelo permanece consistente a través de diferentes niveles de consumo.
Si aparece una advertencia, las predicciones pueden ser menos fiables durante períodos de consumo alto o bajo. Se recomienda revisar los datos por valores atípicos, cierres, cambios en la producción o condiciones operativas inusuales. También se puede ajustar el período de referencia, revisar las variables seleccionadas o descartar períodos no representativos.
Mejorando la línea base
Una advertencia no significa necesariamente que la línea base no pueda usarse, pero identifica una condición que puede afectar su fiabilidad. Los problemas críticos requieren una revisión más detallada porque pueden tener un mayor impacto en el consumo predicho y en los cálculos de ahorro resultantes.
Al hacer cambios, hay que considerar el comportamiento físico y operativo del sitio. Una línea base estadísticamente saludable también debe tener sentido desde una perspectiva de gestión energética.
Hay que repetir el cálculo después de cada cambio relevante y comparar el nuevo estado de salud, la fórmula y las métricas de rendimiento antes de seleccionar la línea base para su proyecto M&V.
Precios
Esta función está incluida con licencias Avanzadas o Ultimate.