Оценка потенциала энергосбережения в бюджетных учреждениях в системе управления энергоресурсами (СУЭР)
Ключевые слова:
энергосбережение, системы энергоменджента, автоматизация, цифровизация, государственное управление, учреждения, здания, потенциал энергосбережения, энергосберегающие мероприятия, структура энергопотребленияАннотация
Разработанная и эксплуатируемая с 2019 г. информационно-аналитическая Система управления энергоресурсами Белгородской области (СУЭР) обеспечивает цифровизацию процессов, связанных с обеспечением мер по повышению энергетической эффективности, относящихся к полномочиям органов государственной власти субъектов Российской Федерации и органов местного самоуправления. В основе СУЭР используются методы оценки энергоэффективности крупных территориально распределенных потребителей коммунальных ресурсов на основе индивидуального анализа характеристик и теплопотребления отдельных зданий. В настоящее время СУЭР включает сведения для 2 144 муниципальных и региональных учреждений Белгородской области, которые функционируют в 5 332 зданиях. Затрат на энергетические ресурсы и воду в 2023 г. в этих учреждениях составили 4,8 млрд. рублей, за пять лет эксплуатации СУЭР они в сопоставимых условиях снизились на 8%. На основании данных СУЭР общий потенциал экономии, который может быть достигнут в региональных и муниципальных учреждениях Белгородской области, составляет 14,3% от годовых затрат на энергетические ресурсы и воду, в том числе 0,8% от организационных мероприятий и 13,5% – от технических мероприятий со средним сроком окупаемости 6 лет. В течение 2021–2024 г. в 9 российских регионах и одной организации были реализованы пилотные проекты по внедрению СУЭР, которые показали наличие потенциала экономии в размере от 4,4 до 29,5%.
Метрики
Библиографические ссылки
ГОСТ
1. A study of city-level building energy efficiency benchmarking system for China / Z. Wei, W. Xu, D. Wang, et al. // Energy and Buildings. – 2018. – Vol. 179 (15). P. 1-14. DOI: 10.1016/j.enbuild.2018.08.038.
2. Accelerating the energy retrofit of commercial buildings using a database of energy efficiency performance / S.H. Lee, T. Hong, M.A. Piette et al. // Energy. – 2015. – Vol. 90(1). P. 738-747. DOI: 10.1016/j.energy.2015.07.107.
3. Quantifying potential savings from sustainable energy projects at a large public university: An energy efficiency assessment for texas state university / M. Mohammadalizadehkorde, R. Weaver // Sustainable Energy Technologies and Assessments. – 2020. – Vol. 37. P. 100570. DOI: 10.1016/j.seta.2019.100570.
4. Understanding Sustainable Energy in the Context of Smart Cities: A PRISMA Review / T.T.P. Cortese, J.F.S. de Almeida, G.Q. Batista et al. / Energies. – Vol. 2022. – Vol. 15(7). – P. 2382. DOI: 10.3390/en15072382.
5. Abdelaziz A., Santos V., Dias M.S. Machine learning tech-niques in the energy con-sumption of buildings: A systematic literature review using text mining and bibliometric analysis // Energies. – 2021. – Vol. 14. – P. 7810. DOI: 10.3390/en14227810.
6. Barbetta G.P., Canino P., Cima S. The impact of energy audits on energy efficiency investment of public owners. Evidence from Italy // Energy. – 2015. – Vol. 93. – P. 1199-1209. DOI: 10.1016/j.energy.2015.09.117.
7. Cooremans C., Schönenberger A. Energy management: A key driver of energy-efficiency investment? // Journal of Cleaner Production. – 2019. – Vol. 230. – P. 264-275. DOI: 10.1016/j.jclepro.2019.04.333.
8. Energy Management Systems and Strategies in Buildings Sector: A Scoping Review // A.M. Al-Ghaili, H. Kasim, N.M. Al-Hada, et al. // IEEE Access. – 2021. – Vol. 9. P. 63790-63813. DOI: 10.1109/ACCESS.2021.3075485.
9. Zekić-Sušac M., Knežević M., Scitovski R. Deep Learning in Modeling Energy Cost of Buildings in the Public Sector // 14th Int. Conf. on Soft Computing Models in Industrial and Environmental Applications (SOCO 2019). – Cham: Springer, 2019. – P. 101-110. DOI: 10.1007/978-3-030-20055-8_10.
10. A data-driven methodology for enhanced measurement and verification of energy efficiency savings in commercial buildings / B. Grillone, G. Mor, S. Danov, et al. // Applied Energy. – 2021. – Vol. 301(1). P. 117502. DOI: 10.1016/j.apenergy.2021.117502.
11. Ding Y., Fan L., Liu X. Analysis of feature matrix in machine learning algorithms to predict energy consumption of public buildings // Energy and Buildings. – 2021. – Vol. 249(15). P. 111208. DOI: 10.1016/j.enbuild.2021.111208.
12. Zekić-Sušac M., Scitovski R., Has A. Cluster analysis and artificial neural networks in predicting energy efficiency of public buildings as a cost-saving approach // Croatian Review of Economic, Business and Social Statistics. – 2018. – Vol. 4(2). P. 57-66. DOI: 10.2478/crebss-2018-0013.
13. A meta-learning classification model for supporting decisions on energy efficiency investments / E. Sarmas, E. Spiliotis, V. Marinakis, et al. // Energy and Buildings. –2022. – Vol. 258(1). P. 111836. DOI: 10.1016/j.enbuild.2022.111836
14. Economic appraisal of energy efficiency in buildings using cost-effectiveness assessment / P. Tuominen, F. Reda, W. Dawoud et al. // Procedia Economics and Finance. – 2015. – Vol. 21. – P. 422–430. DOI: 10.1016/S2212-5671(15)00195-1.
15. Афанасьева А.П. Оптимальное планирование инвестиций в энергосберегающие мероприятиия для большого количества объектов // Энергетические системы. – 2021. – № 1. – С. 59-69. EDN: OKFMNC. DOI: 10.34031/es.2021.1.006.
16. Гущин С.В., Семиненко А.С., Шень Ч. Мировые тенденции развития энергосберегающих технологий // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. – 2020. – № 5. – С. 31-43. EDN: AKLUPC. DOI: 10.34031/2071-7318-2020-5-5-31-43
17. Zekić-Sušac M., Mitrović S., Has A. Machine learning based system for managing energy efficiency of public sector as an approach towards smart cities // International Journal of Information Management. – 2021. – Vol. 58. – P. 102074. DOI: 10.1016/j.ijinfomgt.2020.102074.
18. Tomšić Ž., Gašić I., Čačić G. Energy management in the public building sector –ISGE/ISEMIC model // Journal of Energy. – 2015. – Vol. 64(1-4). – P. 78-89. DOI: 10.37798/2015641-4145.
19. Додонов А.Н. Методология построения системы городского энергоменеджмента на объектах городского управления [Электронный ресурс]: UNECE. URL: https://unece.org/fileadmin/DAM/energy/se/pp/eneff/6th_IFESD_Yerevan_Oct.15/EE_S.Cit/Bakker.Andrei.Dodonov_r.pdf (дата обращения 01.03.2024 г.)
20. Система ведения топливно-энергетического баланса как среда для поддержки принятия решений по управлению топливно-энергетическим комплексом региона / С.Д. Коровкин, И.Д. Ратманова, Л.В. Щавелев, И.А. Левенец // Вестник ИГЭУ. – 2005. – № 4. – С. 60–63. EDN: ZPXNIA
21. Ратманова И.Д., Травников Е.Р. Автоматизация процесса нормирования и лимитирования энергопотребления в бюджетной сфере региона // Вестник ИГЭУ. – 2012. – № 4. – С. 64–69. EDN: PMFECL
22. Ратманова И.Д., Железняк Н.В. Подход к организации информационной поддержки государственной политики в сфере управления топливно-энергетическим комплексом региона // Вестник ИГЭУ. – 2006. – № 4. – С. 57–61.
23. Карпушев С.А., Харитонов А.Ю. Автоматизированная система мониторинга энергоэффективности муниципальных объектов г. Донецка // Техногенно-екологічна безпека та цивільний захист. – 2020. – № 1. – С. 55-67. EDN: TJGPNR.
24. Харитонов А.Ю. Использование оперативного анализа для повышения энергоэффективности отопления общественных зданий: Автореф. дис. ... канд. техн. наук: 05.23.03. – Донецк: ДНТУ, 2017. – 23 с. URL: http://donnasa.ru/upload/files/avtoreferat_kharitonov_a.yu.pdf.
25. Bulgaria [Сайт]: SPP Regions. URL: https://sppregions.eu/our-regions/bulgaria/ (дата обращения 01.03.2024).
26. Gynther L. Energy Efficiency and the Public Sector [Электронный ресурс]. – Odyssee-Mure database, 2016. – 4 p. URL: https://www.odyssee-mure.eu/publications/policy-brief/public-sector-building-energy-efficiency.pdf.
27. Гашо Е.Г., Чехранова О.А. Энергетическая стратегия предприятия // Энергетические системы. – 2021. – № 1. – С. 9-18. EDN: IKXSHK. DOI: 10.3403/es.2021.1.001
APA
1. Wei, Z., Xu, W., Wang, D., Li, L., Niu, L., Wang, W., Wang, B., & Song, Y. (2018). A study of city-level building energy efficiency benchmarking system for China. Energy and Buildings, 179 (15) , 1-14. https://doi.org/10.1016/j.enbuild.2018.08.038.
2. Lee, S. H., Hong, T., Piette, M. A., Sawaya, G., Chen, Y., & Taylor-Lange, S. C. (2015). Accelerating the energy retrofit of commercial buildings using a database of energy efficiency performance. Energy, 90(1) , 738-747. https://doi.org/10.1016/j.energy.2015.07.107.
3. Mohammadalizadehkorde, M., & Weaver, R. (2020). Quantifying potential savings from sustainable energy projects at a large public university. Sustainable Energy Technologies and Assessments, 37, 100570. https://doi.org/10.1016/j.seta.2019.100570.
4. Cortese, T. T .P., de Almeida, J. F. S., Batista, G. Q., Storopoli, J. E., Liu, A., & Yigitcanlar, T. Understanding Sustainable Energy in the Context of Smart Cities: A PRISMA Review. Energies, 15(7) , 2382. https://doi.org/10.3390/en15072382.
5. Abdelaziz, A., Santos, V., & Dias, M.S. (2015). Machine learning tech-niques in the energy con-sumption of buildings: A systematic literature review using text mining and bibliometric analysis. Energies, 14, 7810. https://doi.org/10.3390/en14227810.
6. Barbetta, G.P., Canino, P., & Cima, S. (2015). The impact of energy audits on energy efficiency investment of public owners. Evidence from Italy. Energy, 93, 1199-1209. https://doi.org/10.1016/j.energy.2015.09.117.
7. Cooremans, C., & Schönenberger, A. (2019). Energy management: A key driver of energy-efficiency investment?. Journal of Cleaner Production, 230: 264-275. https://doi.org/10.1016/ j.jclepro.2019.04.333.
8. Al-Ghaili, A. M., Kasim, H., Al-Hada, N. M., Jorgensen, B. N., Othman, M., & Wang, J. (2021). Energy Management Systems and Strategies in Buildings Sector: A Scoping Review. IEEE Access, 9, 63790-63813. https://doi.org/10.1109/ACCESS.2021.3075485.
9. Zekić-Sušac, M., Knežević, M., & Scitovski, R. (2019). Deep Learning in Modeling Energy Cost of Buildings in the Public Sector. In: Proc 14th Int. Conf. on Soft Computing Models in Industrial and Environmental Applications (SOCO 2019, Seville, Spain, May 13-15) (pp. 101-110). Springer Cham. https://doi.org/10.1007/978-3-030-20055-8_10.
10. Grillone, B., Mor, G., Danov, S., Cipriano, J., & Sumper, A. (2021). A data-driven methodology for enhanced measurement and verification of energy efficiency savings in commercial buildings. Applied Energy, 301(1) , 117502. https://doi.org/10.1016/j.apenergy.2021.117502.
11. Ding, Y., Fan, L., & Liu, X. (2021). Analysis of feature matrix in machine learning algorithms to predict energy consumption of public buildings. Energy and Buildings, 249(15) , 111208. https://doi.org/10.1016/j.enbuild.2021.111208.
12. Zekić-Sušac, M., Scitovski, R., & Has, A. (2018). Cluster analysis and artificial neural networks in predicting energy efficiency of public buildings as a cost-saving approach. Croatian Review of Economic, Business and Social Statistics, 4(2) , 57-66. https://doi.org/10.2478/crebss-2018-0013.
13. Sarmas, E., Spiliotis, E., Marinakis, V., Koutselis, T., & Doukas, H. (2022). A meta-learning classification model for supporting decisions on energy efficiency investments. Energy and Buildings, 258(1) , 111836. https://doi.org/10.1016/j.enbuild.2022.111836.
14. Tuominen, P., Reda, F., Dawoud, W., Elboshy, B., Elshafei, G., & Negm A. (2015). Economic appraisal of energy efficiency in buildings using cost-effectiveness assessment. Procedia Economics and Finance, 21, 422–430. https://doi.org/10.1016/S2212-5671(15)00195-1.
15. Afanasyeva, А. (2021). Optimal planning of investments in energy saving measures for a large number of objects. Energy Systems, 1, 59-69. http://dx.doi.org/10.34031/es.2021.1.006. [In Russian]
16. Gushchin, S., Seminenko, A., & Shen Ch. (2020). Global trends in the development of energy-saving technologies. Bulletin of BSTU named after V.G. Shukhov, 5, 31-43. https://doi.org/10.34031/2071-7318-2020-5-5-31-43. [In Russian]
17. Zekić-Sušac, M., Mitrović, S., & Has, A. (2021). Machine learning based system for managing energy efficiency of public sector as an approach towards smart cities. International Journal of Information Management, 58, 102074. https://doi.org/10.1016/j.ijinfomgt.2020.102074.
18. Tomšić, Ž., Gašić, I., & Čačić, G. (2015). Energy management in the public building sector –ISGE/ISEMIC model. Journal of Energy, 64(1-4) , 78-89. https://doi.org/10.37798/2015641-4145.
19. Dodonov, A .N. (2015.) Metodologiya postroeniya sistemy` gorodskogo e`nergomenedzhmenta na ob``ektax gorodskogo upravleniya [Methodology for building a city energy management system at city government facilities] . Retrieved March 1, 2024, from https://unece.org/fileadmin/ DAM/energy/se/pp/eneff/6th_IFESD_Yerevan_Oct.15/EE_S.Cit/Bakker.Andrei.Dodonov_r.pdf. [In Russian]
20. Korovkin, S. D., Ratmanova, I. D., Shchavelev, L. V., & Levenets I. A. (2005). Sistema vedeniya toplivno-e`nergeticheskogo balansa kak sreda dlya podderzhki prinyatiya reshenij po upravleniyu toplivno-e`nergeticheskim kompleksom regiona [The system for maintaining the fuel and energy balance as a environment for supporting decision-making in managing the fuel and energy complex of the region]. Vestnik IGEU, 4, 60–63. [In Russian]
21. Ratmanova, I. D., & Travnikov E. R. (2012). Avtomatizaciya processa normirovaniya i limitirovaniya e`nergopotrebleniya v byudzhetnoj sfere regiona [Automation of the process of rationing and limiting energy consumption in the budget sector of the region]. Vestnik IGEU, 4, 64–69. [In Russian]
22. Ratmanova, I. D., & Zhelezniak, N. V. (2006). Podxod k organizacii informacionnoj podderzhki gosudarstvennoj politiki v sfere upravleniya toplivno-e`nergeticheskim kompleksom regiona [An approach to organizing information support for state policy in the field of managing the fuel and energy complex of the region]. Vestnik IGEU, 4, 57–61. [In Russian]
23. Karpushev S.A., Haritonov A.Yu. (2010). Avtomatizirovannaya sistema monitoringa e`nergoe`ffektivnosti municipal`ny`x ob``ektov g. Doneczka [Automated monitoring system for energy efficiency of municipal facilities in Donetsk]. Tekhnogenno-ekologіchna bezpeka ta civіl'nij zahist, 1, 55-67. [In Russian]
24. Haritonov, A. Yu. (2017) Ispol'zovanie operativnogo analiza dlya povysheniya energoeffektivnosti otopleniya obshchestvennyh zdanij [Using Operational Analysis to Improve the Energy Efficiency of Heating Public Buildings] [Thesis of Doctoral dissertation, Donetsk national technical university] . URL: http://donnasa.ru/upload/files/avtoreferat_kharitonov_a.yu.pdf. [In Russian]
25. SPP Regions (n.d.) Bulgaria. Retrieved March 1, 2024, from https://sppregions.eu/our-regions/bulgaria/.
26. Gynther, L. (2016). Energy Efficiency and the Public Sector. Odyssee-Mure database. https://www.odyssee-mure.eu/publications/policy-brief/public-sector-building-energy-efficiency.pdf
27. Gasho Е., Chekhranova О. Energy strategy of the enterprise. Energy Systems 2021; 6(1) : 9–18. http://dx.doi.org/10.34031/es.2021.1.001.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
URN
Лицензия
Copyright (c) 2024 Кошлич Ю.А., Трубаев П.А., Буланин А.В., Буханов Д.Г
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
