Predicción del consumo energético en espacios interiores de una edificación universitaria

Abstract

Los edificios son uno de los sectores con mayor impacto en el consumo energético y, por ende, una fuente significativa de emisiones de gases de efecto invernadero. Esto subraya la importancia de predecir con precisión su uso de energía para mejorar la eficiencia y reducir su impacto ambiental. La predicción del consumo energético facilita una gestión eficiente a través de sistemas como BEMS (Building Energy Management System), BAS (Building Automation System) y gemelos digitales. Para ello, se emplean cuatro enfoques principales: estadístico, basado en simulación, basado en datos e híbrido. Este estudio realiza la predicción del consumo energético en aulas de un edificio educativo ubicado en un clima tropical cálido. Este estudio entrena un modelo representativo de cada enfoque para predecir el consumo de energía en dos aulas de clase. Se lleva a cabo un monitoreo continuo de variables climáticas, operativas y de consumo energético en estos espacios, integrando los datos recopilados en una base de datos. Posteriormente, los datos son procesados y preparados para el entrenamiento de los modelos. Se plantean tres escenarios de evaluación. En el primero, se comparan modelos basados en datos históricos, incluyendo RLM, ARIMA, DNN y LSTM. El segundo escenario realiza una comparación entre los datos reales y los obtenidos mediante simulación en Design Builder. Finalmente, el tercer escenario compara los datos simulados con un modelo híbrido que incorpora una DNN para predecir el consumo energético semanal de cada aula. La evaluación del desempeño de los modelos se lleva a cabo mediante las métricas R2, RMSE y MAE.