Descripción del título
Estrategias de predicción d...
Buildings are one of the main polluting actors in the environment. Therefore, it is necessary to strengthen strategies to reduce their energy consumption, such as energy-efficient design (new buildings) and energy management (existing buildings). For this, it is essential to predict energy consumption to know the state of the building's operation and infer the causes and effectiveness of energy-saving strategies. However, the diversity of existing energy consumption prediction techniques makes it difficult for researchers to identify, select, and apply them. Therefore, from a literature review, this article identifies prediction techniques, exposes its theoretical principles, describes the general stages of building a prediction model, recognizes evaluation metrics, identifies some of its strengths and weaknesses, and presents criteria to facilitate the selection of a prediction technique and evaluation metrics according to the characteristics of the case study. A bibliometric analysis was carried out to identify and study the most critical articles on energy demand in buildings. It is found that there is a trend in the application of machine learning techniques and that energy consumption prediction models are mainly applied to residential, commercial, and educational buildings
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
Analítica
analitica Rebiun36165976 https://catalogo.rebiun.org/rebiun/record/Rebiun36165976 241021s2023 xx o 000 0 spa d https://dialnet.unirioja.es/servlet/oaiart?codigo=9518106 (Revista) ISSN 2256-5337 (Revista) ISSN 0123-7799 S9M oai:dialnet.unirioja.es:ART0001678811 https://dialnet.unirioja.es/oai/OAIHandler 16 DGCNT S9M S9M dc Estrategias de predicción de consumo energético en edificaciones: una revisión electronic resource].] 2023 application/pdf Open access content. Open access content star Buildings are one of the main polluting actors in the environment. Therefore, it is necessary to strengthen strategies to reduce their energy consumption, such as energy-efficient design (new buildings) and energy management (existing buildings). For this, it is essential to predict energy consumption to know the state of the building's operation and infer the causes and effectiveness of energy-saving strategies. However, the diversity of existing energy consumption prediction techniques makes it difficult for researchers to identify, select, and apply them. Therefore, from a literature review, this article identifies prediction techniques, exposes its theoretical principles, describes the general stages of building a prediction model, recognizes evaluation metrics, identifies some of its strengths and weaknesses, and presents criteria to facilitate the selection of a prediction technique and evaluation metrics according to the characteristics of the case study. A bibliometric analysis was carried out to identify and study the most critical articles on energy demand in buildings. It is found that there is a trend in the application of machine learning techniques and that energy consumption prediction models are mainly applied to residential, commercial, and educational buildings 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 LICENCIA DE USO: Los documentos a texto completo incluidos en Dialnet son de acceso libre y propiedad de sus autores y/o editores. Por tanto, cualquier acto de reproducción, distribución, comunicación pública y/o transformación total o parcial requiere el consentimiento expreso y escrito de aquéllos. Cualquier enlace al texto completo de estos documentos deberá hacerse a través de la URL oficial de éstos en Dialnet. Más información: https://dialnet.unirioja.es/info/derechosOAI | INTELLECTUAL PROPERTY RIGHTS STATEMENT: Full text documents hosted by Dialnet are protected by copyright and/or related rights. This digital object is accessible without charge, but its use is subject to the licensing conditions set by its authors or editors. Unless expressly stated otherwise in the licensing conditions, you are free to linking, browsing, printing and making a copy for your own personal purposes. All other acts of reproduction and communication to the public are subject to the licensing conditions expressed by editors and authors and require consent from them. Any link to this document should be made using its official URL in Dialnet. More info: https://dialnet.unirioja.es/info/derechosOAI Spanish Energy demand energy efficiency energy consumption in buildings prediction approaches performance metrics Demanda de energía eficiencia energética consumo de energía en edificaciones enfoques de predicción métricas de desempeño text (article) Ortega Diaz, Liliana. cre Cárdenas Rangel, Jorge. cre Osma Pinto, Germán Alfonso. cre TecnoLógicas, ISSN 0123-7799, Nº. 58, 2023 TecnoLógicas, ISSN 0123-7799, Nº. 58, 2023 TecnoLógicas, ISSN 0123-7799, Nº. 58, 2023