Modelos predictivos, basados en datos abiertos, para la estimación del consumo energético residencial a escala regional y urbana. Aplicación en Andalucía y Jaén

• Autores: Javier García López
• Directores de la Tesis: Juan José Sendra Salas (dir. tes.), Samuel Domínguez Amarillo (dir. tes.)
• Lectura: En la Universidad de Sevilla ( España ) en 2022
• Idioma: español
• Número de páginas: 315
• Enlaces
  • Tesis en acceso abierto en: Idus
• Resumen

  • La sociedad contemporánea se enfrenta a crisis simultáneas —climática, energética, económica y sanitaria—, cuya confluencia puede desencadenar un cambio de paradigma con un nuevo modelo energético. El consumo energético de los edificios supone un tercio del consumo energético total en los países occidentales. En España, sólo el consumo energético de energía final del sector residencial supone el 18,1% del total. A pesar de la importancia del Consumo Energético Residencial (CER) en las políticas de lucha contra el cambio climático, falta información, estudios y estadísticas accesibles sobre su naturaleza, a una escala adecuada. Sin embargo, compañías energéticas sí gestionan y explotan esos datos, sin que esa información trascienda a la sociedad para generar conocimiento. La tesis ofrece una alternativa a la carencia de información sobre el CER proponiendo modelos predictivos basados en datos abiertos —open data—actualizados y procesos de código abierto —open source—, que abarcan desde la escala regional-municipal (municipios de una región) a la urbana (edificios de un municipio). Ese es su principal objetivo. Los datos se estructuran fundamentalmente en tres categorías de información implicadas en el CER: lugar, población y parque residencial. Los modelos se aplican a Andalucía y Jaén, región y ciudad considerados como casos de estudio. La metodología empleada se adapta a la naturaleza de los datos y las escalas de estudio. Para ello se desarrollan procesos de ciencia de datos, incluyendo minería de datos (clustering) y técnicas de aprendizaje automático —machine learning—. Para gestionar la información y elaborar los modelos en ambas escalas se combina el uso de sistemas de información geográfica (GIS) y modelizado energético de edificios a escala urbana (UBEM). El hecho de que la metodología propuesta se base en la explotación de datos abiertos, así como en el uso de herramientas de código abierto, favorece su implementación en otras regiones y ciudades mediterráneas y europeas, trascendiendo así los límites presentes en trabajos de investigación afines. Como principales aportaciones de la tesis, a escala regional-municipal, se incluye la agrupación de municipios de Andalucía en clústeres conforme a su perfil característico del que se deduce un CER potencial común. Dicho CER potencial sirve de base para la elaboración de un modelo predictivo bottom-up del CER a escala regional y provincial para Andalucía. A escala urbana, se obtiene mediante GIS y UBEM, a partir de la cartografía catastral, un modelo predictivo de la demanda de calefacción y refrigeración de los edificios residenciales de un sector urbano. Sus resultados, una vez validados, sirven como conjunto de entrenamiento para la elaboración de un modelo predictivo mediante machine learning para los edificios residenciales de toda la ciudad de Jaén.