Las compañías de servicios públicos en Estados Unidos están cada vez más comprometidas con la reducción de emisiones y la transición hacia energías limpias. Muchas han desarrollado planes de energía limpia o de carbono para servir como hojas de ruta de sus acciones, programas e inversiones en energía limpia para ofrecer un futuro libre de carbono confiable y equitativo para todos los clientes. Estos planes a menudo se alinean con las políticas estatales de descarbonización, con cerca de 500 servicios públicos individuales preparándose para cumplir con el requisito de reducción del 100% de carbono de sus estados. Además, los planes suelen estar vinculados a los Planes de Recursos Integrados (IRPs, por sus siglas en inglés) más amplios de las empresas de servicios públicos. Estos planes de energía limpia incluyen objetivos agresivos, con 42 servicios públicos adoptando un objetivo voluntario de reducción del 100% de carbono. Ejemplos incluyen Green Mountain Power, que apunta a un suministro de energía 100% libre de carbono para 2025 y 100% de energía renovable para 2030; SMUD con el objetivo de cero emisiones de carbono en su suministro eléctrico para 2030; Avangrid planificando ser carbono neutral para las emisiones de Alcance 1 y 2 para 2030; y PEPCO buscando lograr un 100% de energía renovable para 2032. El número de servicios públicos que hacen compromisos similares aumenta notablemente para los años 2040 y 2045. Estos planes de energía limpian también requieren un progreso acelerado en áreas operativas de los servicios públicos para contribuir a los objetivos de descarbonización de toda la organización, como aumentar los ahorros energéticos a través de programas de eficiencia energética y obtener más capacidad y resiliencia de la infraestructura de red existente. De igual forma, se resalta la adopción generalizada de objetivos de reducción de carbono por parte de servicios públicos individuales y empresas matrices de servicios públicos, con un número significativo apuntando a una reducción del 100% de carbono. Lograr esta transformación a nivel de sistema en un corto período de tiempo presenta importantes desafíos operativos para las empresas de servicios públicos. El éxito requiere repensar el negocio habitual y adoptar nuevas herramientas y metodologías para permitir mayores beneficios de programas para clientes y redes, optimizar la integración de generación renovable y tomar decisiones de infraestructura más precisas. Mientras que los planes de energía limpia de servicios públicos tradicionalmente se centran en la reducción de emisiones de Alcance 1 y 2, varios líderes de servicios públicos están ampliando sus objetivos de planificación climática para incluir también las emisiones de Alcance 3. Los objetivos comunes incluyen la reducción de emisiones de carbono, el aumento de la generación renovable, la promoción de la equidad energética, la electrificación del transporte, la descarbonización de edificios, la maximización de la eficiencia y conservación energética, la reducción de la demanda máxima, el establecimiento de estándares de resiliencia y la adopción de tecnologías avanzadas de comunicación y digitales para permitir la flexibilidad de la demanda.

Las empresas de servicios públicos pueden aprovechar la inteligencia detrás del medidor y la segmentación basada en datos para mejorar la efectividad de sus programas de reducción de carbono. Destaca la importancia de comunicaciones personalizadas y recomendaciones adaptadas al comportamiento específico de cada cliente, sus electrodomésticos y características del hogar. Este hiper enfoque puede mejorar la participación general en programas, los ahorros energéticos y los ahorros de demanda. A continuación, el documento proporciona dos casos de uso donde la inteligencia detrás del medidor puede ser beneficiosa. El primer caso de uso es la electrificación del transporte, donde las empresas de servicios públicos pueden identificar a clientes que habitualmente cargan sus vehículos eléctricos (EV) durante las horas pico y dirigirse a ellos para programas de desplazamiento de carga. Al aprovechar datos sobre comportamientos de carga de EV, las empresas de servicios públicos pueden alinear la carga con períodos de generación baja en carbono, reduciendo las emisiones de Alcance 3 y maximizando los beneficios de la red. El segundo caso de uso se centra en la electrificación de hogares y edificios, donde las empresas de servicios públicos pueden identificar a clientes con alto consumo de energía y dirigirse a ellos para programas de eficiencia energética o iniciativas de electrificación. Al entender los patrones de uso de energía y la propiedad de electrodomésticos de cada cliente, las empresas de servicios públicos pueden proporcionar recomendaciones personalizadas e incentivos para fomentar la adopción de tecnologías energéticamente eficientes o la transición a electrodomésticos eléctricos. Asimismo, se mencionan dos casos clave de uso para aprovechar la inteligencia detrás del medidor en la planificación energética y los esfuerzos de descarbonización. El primer caso de uso se centra en gestionar la actividad de carga de vehículos eléctricos (EV) mediante la utilización de datos detallados sobre patrones de carga, ubicaciones y equipos. Estos datos permiten a las empresas de servicios públicos alinear la carga con períodos de generación de energía renovable, asegurando al mismo tiempo la satisfacción del cliente y la participación en programas de carga gestionada. El segundo caso de uso destaca la importancia de la electrificación de edificios y la reducción de emisiones de sistemas de calefacción y refrigeración. Muchos clientes no están familiarizados con la tecnología avanzada de bombas de calor, el calentamiento de agua eléctrico y los incentivos para estos electrodomésticos, especialmente en climas más fríos. Las empresas de servicios públicos pueden beneficiarse al dirigir objetivamente su alcance y programas a segmentos específicos de clientes, como aquellos con un alto uso de calefacción y refrigeración, en lugar de utilizar un enfoque amplio e ineficiente. 

Por otro lado, se discute la importancia de los datos desagregados del uso de energía en hogares para que las empresas de servicios públicos identifiquen sistemas HVAC, calentadores de agua y electrodomésticos ineficientes. Estos datos permiten a las empresas de servicios públicos dirigirse a hogares con calefacción o aire acondicionado eléctrico para programas de eficiencia energética, así como identificar electrodomésticos que se acercan al final de su vida útil en función de cambios en su ciclo de trabajo o patrones de encendido y apagado. Dirigirse a usuarios de alta energía o electrodomésticos ineficientes puede conducir a períodos de amortización más rápidos y acelerar la adopción de electrodomésticos eléctricos energéticamente eficientes. Además, se destaca el papel de los datos del uso de energía detrás del medidor en el éxito de programas de demanda flexible. Estos programas requieren una gestión precisa de la oferta y la demanda de energía, así como la participación del cliente. Al aprovechar los datos AMI, las empresas de servicios públicos pueden analizar los perfiles de carga únicos y el potencial de desplazamiento de carga de clientes, segmentos, activos de red y regiones geográficas. Estos datos se pueden utilizar para maximizar la efectividad de diversas estrategias de demanda flexible, como tarifas por hora de uso, programas de comportamiento basados en eventos y programas de control directo de carga. Por su parte, la implementación de la Infraestructura Avanzada de Medición (AMI, por sus siglas en inglés) y la inteligencia detrás del medidor permite a las empresas de servicios públicos gestionar de manera más efectiva la respuesta a la demanda, la carga de vehículos eléctricos (EV) y las tarifas de uso horario (TOU, por sus siglas en inglés). Los datos de AMI proporcionan información sobre los patrones de uso de los clientes, lo que permite a las empresas de servicios públicos diseñar tarifas TOU más granulares y personalizadas adaptadas a diferentes segmentos de clientes. Estos datos también permiten a las empresas de servicios públicos brindar educación personalizada y recomendaciones para ayudar a los clientes a ajustarse a las tarifas TOU y lograr resultados positivos. Al aprovechar la inteligencia detrás del medidor, las empresas de servicios públicos pueden gestionar de manera más efectiva la carga de EV, fomentar el desplazamiento a TOU y ofrecer una mejor experiencia al cliente. Este enfoque desde abajo permite a las empresas de servicios públicos lograr reducciones de emisiones y objetivos de energía limpia al impactar positivamente en varios casos de uso que contribuyen a resultados de descarbonización. 

Bidgely es una empresa de inteligencia artificial especializada en extraer información detallada y precisa sobre el uso de energía a partir de datos de medidores, como el uso horario, la proliferación de recursos energéticos distribuidos y la detección de vehículos eléctricos. Su tecnología de IA patentada proporciona inteligencia accionable crítica para gestionar la red actual tanto desde el lado de la empresa de servicios públicos como desde el lado del cliente, permitiendo una gestión efectiva del uso de energía, ahorros de costos y reducción de la huella de carbono. La ciencia de datos impulsada por la IA de Bidgely ayuda a las empresas de servicios públicos a alcanzar sus objetivos en la gestión de la carga de electrificación del transporte. Poseen una extensa base de conocimientos sobre vehículos eléctricos con datos avanzados reales para América del Norte y regiones internacionales, lo que les permite identificar con precisión propietarios de EV, su consumo mensual, el tamaño del cargador y las horas de carga típicas, incluso en casos difíciles de detectar. Esta inteligencia capacita a las empresas de servicios públicos para desarrollar programas de electrificación del transporte altamente específicos que involucran a los conductores de EV como socios de resiliencia de la red. Además, la inteligencia detrás del medidor de Bidgely es un aspecto importante para la electrificación de hogares y edificios. A medida que las empresas de servicios públicos fomentan la adopción de bombas de calor para aumentar la eficiencia, la carga de la red aumenta simultáneamente cuando los electrodomésticos de calefacción o agua que funcionan con combustibles fósiles se actualizan a eléctricos. Con tanto en cambio, las perspicacias impulsadas por la IA de Bidgely ayudan a las empresas de servicios públicos a gestionar las dinámicas cambiantes de la red y apoyar la participación del cliente e iniciativas de eficiencia energética. La solución de inteligencia energética de Bidgely proporciona información a nivel de electrodoméstico a los proveedores de energía, lo que les permite mantener la fiabilidad de la red, planificar infraestructuras futuras y mantenerse en el camino de los planes de descarbonización. Su tecnología patentada de ciencia de datos facilita los objetivos de electrificación de hogares y edificios a través de la participación personalizada del cliente, la previsión precisa de la red relacionada con la electrificación y la gestión exitosa de la demanda del lado de la demanda. La Solución Flex Demand de Bidgely combina la participación TOU, la respuesta a la demanda comportamental basada en eventos (BDR) y las estrategias de gestión de carga de EV. Aprovecha los datos detrás del medidor para diseñar y ejecutar programas de demanda flexible que alinean el potencial de flexibilidad del cliente con el potencial de capacidad de la red. Para obtener más información sobre cómo la ciencia de datos avanzada de Bidgely puede ayudar a alcanzar objetivos de energía limpia en un plazo más corto, optimizar la integración de generación renovable y facilitar decisiones de optimización de infraestructuras para un futuro de energía limpia.  

El informe analiza el consumo energético combinado, que incluyen tanto los costos de energía del hogar como los costos de combustible para transporte como una proporción del ingreso del hogar, proporcionando una imagen comprensiva del gasto energético de los hogares de los EE. UU. en 2022. Los hallazgos clave revelan que los hogares estadounidenses gastaron en promedio el 5,6% de sus ingresos en energía, con el combustible para transporte representando más de la mitad de este gasto. Las familias de bajos ingresos destinaron en promedio el 17,8% de sus ingresos a la energía, casi cuatro veces el promedio nacional. Aproximadamente uno de cada cuatro hogares experimentó un alto consumo energético combinado (gastaron más del 12% de sus ingresos en energía), y tres de cada cuatro hogares era de bajos ingresos. Los hogares rurales tuvieron una carga combinada promedio casi un 50% mayor que los hogares urbanos. Las familias de origen afrodescendiente gastaron en promedio el 6% de sus ingresos en energía, aproximadamente un 10% por encima del promedio nacional, mientras que las familias hispanas gastaron en promedio el 7,9%, un 42% por encima del promedio nacional. Además, la adopción creciente de vehículos eléctricos aumentará las cargas de energía eléctrica del hogar mientras disminuye las cargas de combustible para transporte, haciendo más importante el seguimiento al consumo energético combinado. El informe resalta las el costo energético desproporcionado que enfrentan los hogares de bajos ingresos, rurales, afrodescendiente e hispanos, subrayando la necesidad de programas de eficiencia energética y asistencia para abordar estas disparidades. Asimismo, enfatiza la importancia de rastrear el consumo energético combinado a medida que avanza la transición hacia vehículos eléctricos. El informe discute la metodología y las fuentes de datos utilizadas para estimar el consumo energético combinado del hogar y el transporte para los hogares en Estados Unidos. El análisis utiliza datos de encuestas disponibles públicamente del Consumer Expenditure (CE) Survey, que recopila datos de gastos auto informados de una muestra representativa a nivel nacional de hogares. Se utiliza la CE Interview Survey, que pide a los hogares recordar sus gastos en artículos de gran valor y compras recurrentes durante los tres meses anteriores. El análisis incluye los gastos en energía del hogar y los gastos en combustible para transporte, como gasolina, diésel y aceite de motor. Los datos de CE tienen limitaciones, incluyendo la dependencia exclusiva de los gastos auto informados, que pueden estar sujetos a sesgos de recuerdo o informes incorrectos. Sin embargo, es una de las pocas encuestas nacionales que recopila datos tanto sobre los gastos de energía del hogar como del transporte. El análisis busca proporcionar una comprensión más completa de las cargas energéticas totales de los hogares, lo cual puede informar mejor las políticas de eficiencia energética que consideran todos los gastos energéticos del hogar conjuntamente. Los hallazgos resaltan la importancia de considerar el consumo energético combinado, puesto que los costos energéticos no se experimentan de manera aislada por los hogares. La sección de discusión se centra en la idoneidad de los datos de CE para medir el consumo energético combinado, las implicaciones políticas y las necesidades futuras de investigación.

El estudio menciona que el consumo varía significativamente según factores étnicos, estructurales y de ubicación geográfica. Los hogares afrodescendientes tuvieron un consumo energético combinado promedio del 6,1%, los hogares hispanos del 7,9%, y los hogares blancos no hispanos del 5.4%. Los hogares de bajos ingresos, definidos como aquellos que ganan menos del 200% del nivel federal de pobreza, presentaron un consumo energético combinado mucho mayor del 17,8%, casi cuatro veces el promedio nacional. Los inquilinos y propietarios tuvieron cargas similares (5,6%), pero los hogares en casas prefabricadas tuvieron una carga más alta (11,7%) en comparación con las viviendas unifamiliares (5,5%) y multifamiliares (4,8%). Los hogares rurales enfrentaron una carga más alta (7,6%) que los hogares urbanos (5,2%). Regionalmente, el Sur tuvo la carga más alta (6.2%), seguido por el Oeste (5,6%), el Medio Oeste (5,4%) y el Noreste (5,0%). Del mismo modo se proporciona un análisis de las cargas energéticas experimentadas por diferentes grupos en los Estados Unidos en 2022. Los hogares hispanos presentaron un consumo energético combinado más alto, impulsado principalmente por el transporte, probablemente debido a su concentración en áreas con transporte público limitado y en industrias. Los hogares rurales experimentaron un consumo energético combinado sustancialmente más alto en comparación con los hogares urbanos, con mayore consumo energético en el hogar y aún mayor en el transporte. Esto se atribuye a opciones de tránsito limitadas, distancias a recorrer más extensas y menores ingresos en las áreas rurales. Por ejemplo, los residentes de casas prefabricadas presentaron un consumo energético combinado promedio más alto y a nivel de transporte más alto entre cualquier grupo. Esto se debe probablemente a ingresos más bajos, hogares ineficientes, ubicaciones rurales lejos de los servicios y vehículos más antiguos y menos eficientes. El consumo energético combinado de un hogar de tamaño mediano varió del 6,4% en el cuarto trimestre al 7,1% en el segundo trimestre, notablemente más alta que la carga combinada anual promedio del 5,6%. Estimar este tipo de consumo puede proporcionar una visión más realista de la experiencia de un hogar típico, debido a que las estimaciones promedio de ingresos y gastos pueden estar sesgadas por extremos en la distribución de ingresos.  

El informe también destaca que un mayor gasto energético no necesariamente se correlaciona con un mayor consumo energético, dado que los hogares de menores ingresos tienden a tener menores gastos energéticos pero un mayor consumo como porcentaje de sus ingresos. El informe discute las limitaciones de usar datos de CE para medir el consumo energético combinado, incluyendo el muestreo trimestral, posibles errores de medición en los datos auto informados y tamaños de muestra relativamente pequeños. Sin embargo, también señala las ventajas de usar datos de CE, como la disponibilidad de datos necesarios para calcular cargas combinadas y la capacidad de observar cambios a lo largo del tiempo. Es importante considerar tanto el consumo energético del hogar como las del transporte al analizar la asequibilidad de la energía y desarrollar políticas relacionadas. Se destacan las limitaciones de las fuentes de datos existentes, como la Residential Energy Consumption Survey (RECS), que tiene un tamaño de muestra pequeño, dificultando el análisis de subgrupos. En contraste, la American Housing Survey (AHS) tiene un tamaño de muestra más grande, permitiendo un análisis más detallado. Los hallazgos enfatizan la necesidad de políticas de eficiencia energética específicas en todos los niveles de gobierno para abordar las disparidades en las cargas energéticas. A medida que avanza la electrificación del transporte, se debe rastrear las cargas energéticas combinadas del hogar y del transporte para asegurar una comprensión integral de los costos energéticos de los hogares. Esto será particularmente importante para los hogares de bajos ingresos o desfavorecidos, que podrían quedarse atrás en la transición. Considerar conjuntamente los costos energéticos del transporte y del hogar puede contribuir a una comprensión más holística de la inseguridad energética y sus impactos sociales y de salud. Las políticas de asequibilidad energética pueden centrarse no solo en medidas de eficiencia en el hogar, sino también en políticas de transporte eficiente, como la inversión en transporte público, la subvención del acceso a transporte eficiente, la incentivación de viviendas asequibles cerca del transporte y la promoción de vehículos eficientes a través de estándares e incentivos. Las cargas energéticas combinadas también son relevantes en el contexto de la asequibilidad general de la vivienda, puesto que los costos de transporte pueden aumentar sustancialmente para viviendas ubicadas más lejos de los centros económicos. La investigación futura podría proporcionar valiosos conocimientos al rastrear el consumo energético combinado a lo largo del tiempo o explorar grupos específicos con más detalle, considerando variables como tipos de combustible, tipos de vehículos, equipamiento del hogar y datos detallados de ingresos. El análisis geográfico a nivel local también podría informar políticas específicas para vecindarios, aunque los datos de la CE Survey (CE) pueden tener limitaciones de tamaño de muestra para dicho análisis.

El informe, a su vez, menciona el uso potencial de otras fuentes de datos como el Panel Study on Income Dynamics para obtener más información. Se enfatiza la necesidad de una mayor investigación sobre las cargas energéticas combinadas para apoyar a los responsables de la formulación de políticas en el diseño de políticas efectivas que aborden el impacto total de los costos energéticos en las familias. De otro lado, el informe proporciona datos trimestrales sobre las cargas energéticas medianas para los hogares en los Estados Unidos en 2022. Se destaca que las cargas energéticas medianas son observablemente más altas que las cargas promedio debido a la asimetría de la distribución de ingresos, con ingresos medianos sustancialmente más bajos que los ingresos medios. Los datos muestran que las cargas energéticas medianas para la energía del hogar, el transporte y los gastos energéticos totales fueron más altas en el primer trimestre de 2022 y disminuyeron gradualmente a lo largo del año. Sin embargo, las cargas siguieron siendo significativas, con la carga energética total mediana que varió del 6,7% en el cuarto trimestre al 8,4 % en el primer trimestre. Se explican las diferencias metodológicas entre el cálculo de cargas medianas y promedio, lo que contribuye a las discrepancias observadas.