Las fuerzas clave que impulsan el consumo de energía en una institución de educación superior utilizando el enfoque LMDI: el caso de Universidad Autónoma de Chile

Juan P. Laporte , Rocío Román-Collado, José M. Cansino

Palabras Clave: Consumo de energía; Instituciones de Educación Superior; Universidades; Análisis de Descomposición en Índices; LMDI

 

Las universidades y otras instituciones de educación superior (IES) son cruciales para el desarrollo social y económico, ya que generan conocimiento, forman profesionales y promueven valores cívicos. Sin embargo, su creciente consumo de energía (CE) subraya la urgencia de implementar medidas de eficiencia energética en el sector educativo, del cual se espera que sus miembros actúen como modelos de sostenibilidad ambiental.

Dentro de este contexto, en el que las IES deben avanzar hacia una gestión sostenible, se utilizó el método del Índice Divisia de Media Logarítmica (LMDI) para evaluar las variaciones del consumo de energía en la Universidad Autónoma de Chile (UA) durante el período 2017-2022. Este enfoque permite descomponer los factores que influyen en el uso de energía, facilitando un análisis detallado de los impulsores del consumo energético y proporcionando una base sólida para identificar oportunidades de mejora en la eficiencia energética dentro de la institución. La UA, fundada en 1989, es una institución privada con 30.323 estudiantes en 2022 y sedes en Santiago, Talca y Temuco. Está entre las 1.200 mejores del mundo y ocupa el tercer lugar en Chile según el Times Higher Education Ranking 2023. Cuenta con acreditación avanzada de la Comisión Nacional de Acreditación (CNA). Es importante señalar que algunos de los criterios de esta comisión impulsan el aumento de la superficie edificada, lo que incrementa el consumo energético.

El modelo de descomposición LMDI se utilizó en esta investigación a través de cuatro variables clave:

• AEI (Intensidad Energética): Mide el CE por unidad de área, siendo ajustado por la corrección climática
• IR (Ratio Infraestructura): Representa la superficie neta construida disponible por estudiante 
• W (Corrección Climática): Ajusta el CE según las variaciones climáticas.

• TNS: Corresponde a la matrícula total de estudiantes.

En base a estas variables el CE de la UA puede representarse de la siguiente forma:

             

La aplicación del método LMDI permite descomponer las variaciones del consumo de energía en efectos atribuidos a los cambios de estas cuatro variables, los cuales se denominan: Efecto Intensidad (ΔAEI), Efecto Ratio Infraestructura (ΔIR), Efecto Clima (ΔW) y Efecto Matrícula (ΔTNS) respectivamente.

 

El análisis realizado mostró un incremento del 19% en el CE (1.549 GWh) entre 2017 y 2022. Este aumento fue impulsado principalmente por el Efecto Matrícula, debido al significativo crecimiento de la cantidad de estudiantes, que pasó de 23.347 en 2017 a 30.323 en 2022, lo que representó un aumento de 2.020 MWh en el uso energético. El Efecto Intensidad también contribuyó notablemente, añadiendo 1.117 MWh, relacionado con la creciente complejidad académica de la UA. Por otro lado, el Efecto Clima fue un factor atenuante, ya que las condiciones menos extremas registradas al final del período analizado ayudaron a reducir el CE. Finalmente, el Efecto Ratio de Infraestructura actuó como inhibidor, ya que el crecimiento de la superficie construida (18%) fue menor que el aumento de la matrícula (30%), lo que redujo el IR y generó un ahorro de 938 MWh. La Ilustración 1 muestra los resultados del análisis de descomposición mediante el método LMDI.

Ilustración 1: Descomposición de los cambios en el CE total en la UA (MWh) de 2017 a 2022 utilizando el Método LMDI.

 

 

La descomposición interanual del consumo de energía se muestra en la Ilustración 2, donde se observa claramente la significativa reducción que experimentó el CE durante los confinamientos por COVID-19 en 2020. El principal factor que explica esta disminución fue el Efecto Intensidad, al que se le atribuyen 4.919 MWh de ahorro entre 2019 y 2020. La reducción en el AEI está directamente relacionada con la ausencia de estudiantes y profesores en los campus.

Ilustración 2: Descomposición interanual de los cambios en el CE total de la UA entre 2017 y 2022 utilizando el Método LMDI.

Los resultados muestran que el aumento del CE en el período estudiado se debe principalmente al incremento en la TNS. El proceso de complejización experimentado por la UA, con investigaciones más avanzadas y nuevos laboratorios, también ha incrementado su consumo energético, reflejado en el Efecto Intensidad. A su vez, una utilización más eficiente de la infraestructura generó ahorros significativos en el CE, a través del Efecto Ratio Infraestructura. Por ello, se sugiere que la CNA reevalúe su política sobre la disponibilidad de infraestructuras, ya que incentiva indirectamente un mayor consumo en las IES. Finalmente, el modelo captó correctamente la reducción significativa del consumo durante la pandemia de COVID-19.

Los efectos climáticos influyeron significativamente en el consumo de energía de la UA. Se recomienda implementar un sistema HVAC centralizado para optimizar la climatización de los edificios y realizar encuestas a los usuarios para determinar los rangos de temperatura preferidos, con el fin de mejorar la eficiencia energética y el confort.