Publicación:
Predicción del consumo de energía para climatización en viviendas de clima tropical: un caso de estudio

Fecha
2024-10-22
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España), Universidad de Concepción - Chile. Departamento de Ingeniería Mecánica
Proyectos de investigación
Unidades organizativas
Número de la revista
Resumen
Las edificaciones en climas tropicales tienen altos consumos de energía, especialmente en climatización, lo que incrementa las emisiones de gases contaminantes. La predicción de este consumo suele hacerse con herramientas de simulación energética, que requieren datos complejos y experticia, complicando el trabajo de los diseñadores. Este estudio desarrolla un modelo de predicción basado en datos para una vivienda de ingresos medios en Bucaramanga, Colombia, utilizando algoritmos de regresión lineal (RL) y máquina de soporte vectorial (MSV). Los datos para entrenar los modelos se obtuvieron de simulaciones energéticas paramétricas en JEPlus. Los resultados indican que el algoritmo de MSV supera al de RL en términos de coeficiente de correlación y métricas de desempeño. Además, se observó que un aumento en la cantidad de datos mejora la calidad del modelo.
Buildings have high energy consumption and large emissions of polluting gases. In tropical climates, air conditioning consumption is one of the critical consumptions. Commonly, the prediction of air conditioning consumption is carried out using energy simulation tools. These tools have high data and expertise requirements, which represents a greater effort for building designers. In this research work, a prediction model of air conditioning consumption is established from the data approach, using different data sizes and the linear regression algorithms - RL and support vector machine - MSV for a middle-income home located in the city of Bucaramanga, Colombia. The data for training the models were obtained from parametric energy simulations carried out in JEPlus. The results of the correlation coefficient and the performance metrics reveal that the MSV algorithm presents better results than the RL algorithm.
Descripción
Organizado y patrocinado por: Federación iberoamericana de Ingeniería Mecánica y 'Universidad de Concepción - Chile. Departamento de Mecánica', FeIbIm – FeIbEM
Categorías UNESCO
Palabras clave
Predicción de consumo energético en edificios, Simulación energética de edificaciones, Machine Learning, Vibration, Simulation, Beam, Analysis, Harmonic
Citación
-
Centro
E.T.S. de Ingenieros Industriales
Departamento
Mecánica
Grupo de investigación
Grupo de innovación
Programa de doctorado
Cátedra
DOI