Modelado de series temporales multivariantes y fusión de datos con regresión simbólica: Aplicación a la mejora de la eficiencia energética
Metadata
Show full item recordAuthor
Rueda Delgado, RamónEditorial
Universidad de Granada
Departamento
Universidad de Granada.; Universidad de Granada. Programa de Doctorado en Tecnologías de la Información y la ComunicaciónMateria
Eficiencia energética Regresión simbólica Fusión de datos Modelado Series temporales multivariantes
Date
2021Fecha lectura
2020-12-17Referencia bibliográfica
Rueda Delgado, Ramón. Modelado de series temporales multivariantes y fusión de datos con regresión simbólica: Aplicación a la mejora de la eficiencia energética. Granada: Universidad de Granada, 2021. [http://hdl.handle.net/10481/65407]
Sponsorship
Tesis Univ. Granada.; Proyecto de investigación nacional TIN2015- 64776-C3-1-R; (FPI) del Ministerio de Economía, Industria y Competitividad del Gobierno de EspañaAbstract
Alcanzar un consumo eficiente y sostenible en el sector de los edificios se ha convertido en uno de
los grandes retos a resolver en esta década. En el tránsito hacia una descarbonización completa
en el uso de energía, la eficiencia energética se posiciona como eje central para identificar y
evitar consumos innecesarios. Como consecuencia directa, se prevé reducir la huella de carbono
y minimizar los riesgos del cambio climático. Gracias al reciente avance en la tecnología de
monitorización y del desarrollo de técnicas de Inteligencia Artificial, la comunidad investigadora
ha centrado sus esfuerzos en el desarrollo de algoritmos inteligentes para extraer de forma
automática conocimiento útil procedente de datos relacionados con el consumo energético,
permitiendo identificar los factores más relevantes que ayuden a reducir el consumo.
Esta tesis se enmarca dentro del programa Horizonte Europa, y se centra en el desarrollo de
técnicas de Inteligencia Artificial para construir una herramienta para el modelado y predicción
de consumo energético en edificios. En concreto, perseguimos el desarrollo de una técnica
interpretable que sirva como herramienta de ayuda en la toma de decisiones para el experto en
la gestión de energía, siendo de utilidad para reducir el consumo energético en el caso particular
de las instalaciones de la Universidad de Granada. Achieving an e cient and sustainable energy consumption in the building sector has become
one of the main challenges to be solved in this decade. In the transition towards a complete
decarbonization in the use of energy, energy e ciency is positioned as a central tool to identify
and avoid unnecessary consumption. Consequently, it is expected to reduce the carbon footprint
as well as minimizing the risks of climate change. Thanks to sensor technology advances and
the development of Arti cial Intelligence techniques, the research community has focused its
e orts on the development of intelligent systems to automatically extract useful knowledge from
data related to energy consumption, enabling the identi cation of the most relevant factors that
help reduce energy consumption.
This thesis is part of the Horizon Europe program, and focuses on the development of Arti cial
Intelligence techniques to build a tool for modelling and forecasting energy consumption in
buildings. More speci cally, we attempt to develop an interpretable technique that helps the
expert in energy management to make decisions, being useful to reduce energy consumption in
the particular case of the facilities of the University of Granada.