Abstract
Los edificios son uno de los principales actores contaminantes del medio ambiente, por lo que es necesario fortalecer las estrategias para la reducción de su consumo energético, como el diseño energéticamente eficiente (edificios nuevos) y la gestión energética (edificios existentes). Para ello, es fundamental la predicción del consumo energético que permita conocer el estado de operación de la edificación e inferir sobre las causas de éste y la eficacia de las estrategias de ahorro energético. No obstante, la diversidad de técnicas de predicción del consumo energético existentes dificulta a investigadores su identificación, selección y aplicación. Por ello, a partir de una revisión de la literatura, este artículo identifica técnicas de predicción, expone sus principios teóricos, describe las etapas generales de construcción de un modelo de predicción, reconoce métricas de evaluación, identifica algunas de sus fortalezas y debilidades y presenta criterios para facilitar la selección de una técnica de predicción y métricas de evaluación según las características del caso de estudio. Se realizó un análisis bibliométrico como metodología para identificar y estudiar los artículos más importantes sobre demanda de energía en edificios. Se encuentra que hay tendencia en la aplicación de técnicas de aprendizaje automático y que los modelos de predicción de consumo energético son mayormente aplicados a edificaciones residenciales, comerciales y educativas.
Publisher
Instituto Tecnologico Metropolitano (ITM)
Subject
General Earth and Planetary Sciences,General Engineering,General Environmental Science
Reference83 articles.
1. International Energy Agency, “Buildings,” 2022. https://www.iea.org/reports/buildings
2. United Nations Environment Programme, “2022 Global Status Report for Buildings and Construction,” Nairobi, Nov. 2022. https://www.unep.org/resources/publication/2022-global-status-report-buildings-and-construction
3. B. Dandotiya and H. K. Sharma, “Climate Change and Its Impact on Terrestrial Ecosystems,” in Impacts of Climate Change on Agriculture and Aquaculture, A. Karmaoui, K. Barrick, M. Reed, and M. Baig (Eds)., IGI Global, 2021, pp. 140–157. https://doi.org/10.4018/978-1-7998-3343-7.ch007
4. J.-M. Liao, M.-J. Chang, and L.-M. Chang, “Prediction of air-conditioning energy consumption in R&D building using multiple machine learning techniques,” Energies, vol. 13, no. 7, p. 1847, Apr. 2020. https://doi.org/10.3390/en13071847
5. H. Bulkeley and M. M. Betsill, “Cities and Climate Change: Urban Sustainability and Global Environmental Governance,” Routledge, 2003. Cities and Climate Change: Urban Sustainability and Global Environmental Governance (worktribe.com)