Aplicación de Machine Learning a la eficiencia energética en edificios. Caso práctico: edificio ETOPIA.

Marcuello Van der Auwera, Elena
Monné Bailo, Carlos Miguel (dir.)

Universidad de Zaragoza, EINA, 2023
Departamento de Ingeniería Mecánica, Área de Máquinas y Motores Térmicos

Máster Universitario en Ingeniería Industrial

Resumen: En un mundo donde la Inteligencia Artificial cobra cada vez más importancia, es fundamental su aplicación consciente, en beneficio de la humanidad y del medio ambiente. El Aprendizaje Automático es una de las disciplinas de este campo, por la cual se confiere a las máquinas la capacidad de identificar patrones en grandes conjuntos de datos y realizar predicciones. En este proyecto, se ha abordado un enfoque relacionado con la eficiencia energética. Para ello, se elige el edificio ETOPIA como caso de estudio, aprovechando los datos disponibles del mismo. El aprendizaje en esta disciplina se materializa a través de un curso de la Universidad de Stanford. Posteriormente, se aplica este conocimiento al caso específico. Se recopilan y ordenan los datos relevantes del edificio y las variables climáticas pertinentes. Se lleva a cabo un cribado de datos, eliminando los que puedan afectar al rendimiento de los modelos. La implementación del modelo se divide en dos etapas: el comportamiento térmico y energético del edificio. En primer lugar, se analiza el comportamiento térmico del edificio mediante modelos de regresión, que relacionan las variables climáticas externas con las temperaturas interiores. Se estudian diversos modelos y la elección final es un modelo de regresión lineal múltiple, gracias a su alto rendimiento y bajo coste computacional. No obstante, se identifican ciertos resultados que sugieren posibles mejoras en los sensores implantados y variables a considerar. En la segunda etapa, se aborda el comportamiento energético del edificio, estableciendo modelos de regresión basados en las temperaturas interiores y el uso de los sistemas de climatización. Tras el análisis de varios modelos de regresión, estos demuestran que no se pueden establecer relaciones entre las variables. No obstante, la introducción de una nueva variable relacionada con la ocupación del edificio mejora de manera significativa los resultados. Sin embargo, se encuentran limitaciones en ambos modelos propuestos. Respecto al comportamiento térmico, la falta de información climatológica específica resulta en la propuesta de implantación de una estación meteorológica en el lugar. En cuanto al comportamiento energético, la ausencia de variables para determinar el uso de los sistemas de climatización se resuelve con la introducción de una nueva variable de ocupación, que deberá ser incluida en la recopilación de datos en el edificio para estudiar la evolución de este modelo. Las recomendaciones finales se basan en la implementación de estas mejoras, para poder validar posteriormente los algoritmos con datos actualizados. La fase final implicaría la aplicación de modelos mediante Machine Learning Operations, creando una aplicación que prediga variables objetivo basándose en las predicciones meteorológicas.

Tipo de Trabajo Académico: Trabajo Fin de Master