Search

This paper presents a novel framework for the analysis of heat consumption data of buildings connected to a district-heating network using machine learning techniques. The high variability and uncertainty of energy production in new district-heating networks make highly important to have deep insightful knowledge of the instant demand of all the buildings connected to the grid. Thus, the present paper presents a methodology for discovering heat consumption patterns in the buildings as well as a black-box model for heat load prediction. The approach to analyzing the consumption data is carried out by a combination of unsupervised and supervised learning models. The unsupervised learning of the heat consumption patterns is carried out using the widely used k-means algorithm, whereas supervised random-forest algorithm is applied for heat-load forecasting. The proposed framework is applied to a real residential building located in Tartu (Estonia) and connected to a subnetwork of the district-heating network of this location. The unsupervised clustering results in three main day-types with different consumption patterns throughout these days. Silhouette index is used for the validation of the clusters. The outcome from the heat load prediction model results in prediction accuracy over 0.95 for the R2 value.

Los edificios consumen alrededor del 40% de la energía total consumida en Europa. La rehabilitación eficiente energéticamente desempeña un papel esencial en el cumplimiento de los objetivos 20-20-20 de la UE. Se puede lograr un mayor impacto a través de intervenciones en edificios no residenciales, dado que su consumo de energía es un 40% superior que el de los edificios residenciales. El 30% de los edificios no residenciales en Europa son edificios públicos. En este sentido, dentro del Séptimo Programa Marco se está desarrollando el proyecto A2PBEER (Affordable and Adaptable PublicBuildingsthroughEnergyEfficiencyRetrofitting).Es un proyecto europeo innovador que implementa una metodología de rehabilitación eficiente energéticamente para edificios públicos situados en diferentes zonas climáticas y con diferentes usos. Concretamente uno de los edificios sobre el que se va a plantear la rehabilitación es el del Rectorado de la UPV/EHU situado en Leioa, que es un edificio público de uso de oficinas. La primera fase del proyecto consiste en monitorizar en diferentes zonas del edificio las variables más características para el análisis del consumo energético y el confort (temperatura, consumo de calefacción, consumo eléctrico, humedad relativa, concentración de CO2 e iluminación). El objetivo es doble; por un lado conocer la situación actual del edificio para realizar un análisis acerca de su potencialidad de ahorro energético, señalando los aspectos más débiles de cara a la rehabilitación energética. Por otro lado, se obtendrán patrones de uso del edificio, como por ejemplo la ocupación o la ventilación, que jugarán un papel muy importante en el consumo final. En este trabajo se presentarán las principales conclusiones que se han obtenido de la monitorización a gran escala llevada a cabo en este complejo edificio de oficinas. Se quiere dar las gracias al proyecto A2PBEER que ha sido financiado a través del 7º Programa Marco de la Unión Europea para la investigación, y particularmente a la empresa Acciona que dentro del citado proyecto ha sido la encargada de colocar la sensórica y facilitar los datos de la monitorización a través de una aplicación web. A su vez, dar las gracias a los trabajadores del Edificio de Rectorado de la UPV/EHU por facilitar toda la información que se les ha requerido

270 p. A través de esta Tesis, se ha podido desarrollar un método preciso basado en datos medidos para estimar resultados fiables del coeficiente de perdida de calor para edificios en uso, que después se desacoplan en el coeficiente de pérdida de calor por transmisión e infiltración y/o ventilación. Este trabajo será de gran ayuda a la hora de identificar el origen de las pérdidas de calor, y así, poder comprender mejor la brecha de rendimiento energético que existe en los edificios. Para ello se han utilizado tres casos de estudio con diferentes características: una caja de estudio llamada ¿Round Robin box¿ que simula un edificio a pequeña escala, dos edificios residenciales en uso y un edificio de oficinas ocupado.