Proyecto Fina de Master: Aplicacion de sistemas...

UNIVERSIDAD DE SEVILLA

ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA

Proyecto Fin de Master para la obtención del Grado de

Master en Organización Industrial y Gestión de Empresas

APLICACIÓN DE SISTEMAS EXPERTOS PARA EL

DISEÑO DE EDIFICIOS EFICIENTES

ENERGÉTICAMENTE

Autor: Javier Cortés del Niño

Tutor: Dr. Luis Onieva Giménez

SEVILLA, OCTUBRE 2012

Agradecimientos Quiero expresar mi más sincero agradecimiento al Dr. Luis Onieva Giménez, excelente profesional y sobre todo, gran persona. Con su constante apoyo y orientación, fue posible la realización de este proyecto. Agradezco también a D. Servando Álvarez por su colaboración en las distintas partes del proyecto.

Índice general

1. Eficiencia energética en la edificación ........................................................................... 1

1.1. Situación de la eficiencia energética en la edificación .................................................. 1

1.2. Simulación térmica de un edificio ................................................................................. 3

1.3. Métodos de cálculo del comportamiento térmico de los edificios. Aplicaciones de

software no experto disponibles en el mercado. ..................................................................... 7

1.4. Diseño de un edificio a través de una aplicación tradicional ...................................... 10

2. Introducción a los sistemas expertos .......................................................................... 21

2.1 ¿Qué es un sistema experto?. Definiciones ................................................................ 21

2.2 ¿Por qué utilizar un sistema experto?. Aplicaciones. ................................................. 21

2.3 Ventajas de los sistemas expertos .............................................................................. 23

2.4 Limitaciones de los sistemas expertos ........................................................................ 23

2.5 Constitución general de un sistema experto .............................................................. 24

2.6 Sistema experto. Técnicas a emplear para la resolución de problemas ..................... 26

2.6.1. Modelos probabilísticos ...................................................................................... 27

2.6.2. Lógica difusa ........................................................................................................ 27

2.6.3. Redes neuronales ................................................................................................ 27

2.6.4. Meta-heurísticas aplicables en el desarrollo de sistemas expertos .................... 28

3. Estado del arte. Aplicación de sistemas expertos relacionados con la edificación y la

eficiencia energética .......................................................................................................... 35

3.1. Sistema Experto para la evaluación de la eficiencia energética de los edificios

(Santoli, y otros, 2005) ............................................................................................................ 35

3.2. Sistema experto para auditorías energéticas (Caudana, y otros, 1995) ..................... 40

3.3. Sistema experto basado en el AHP ............................................................................. 43

4. Sistema experto: descripción general, características y estructura del proyecto ........... 47

4.1. Descripción general ..................................................................................................... 47

4.2. Características y funcionalidad.................................................................................... 48

4.3. Estructura del proyecto y costes ................................................................................. 51

5. Conclusiones .............................................................................................................. 59

5.1. Trabajos futuros. ......................................................................................................... 59

6. Referencias bibliográficas más relevantes ................................................................... 61

Índice de figuras

Figura 1. Esquema general de un proceso de simulación ............................................................. 4

Figura 2. Variables de simulación energética ................................................................................ 5

Figura 3. Pantalla programa Energy Plus....................................................................................... 8

Figura 4. Pantalla de resultados del programa CALENER .............................................................. 9

Figura 5. Pantalla de inicio .......................................................................................................... 11

Figura 6. Pantalla de importar archivo ........................................................................................ 12

Figura 7 Ejemplo de definición de zona ...................................................................................... 12

Figura 8. Pantalla de control ambiental ...................................................................................... 13

Figura 9. Pantalla de cerramiento ............................................................................................... 14

Figura 10. Pantalla de abertura ................................................................................................... 15

Figura 11. Pantalla de iluminación .............................................................................................. 15

Figura 12. Pantalla de HVAC ........................................................................................................ 16

Figura 13. Relación características térmicas ............................................................................... 16

Figura 14. Desglose flujos térmicos y confort ............................................................................. 17

Figura 15. Desglose detallado de cargas para cada zona ............................................................ 18

Figura 16. Salida de simulación ................................................................................................... 18

Figura 17. Salida de simulación ................................................................................................... 19

Figura 18. Pasos a realizar para una simulación ......................................................................... 19

Figura 19. Salida de simulación del programa CALENER ............................................................. 20

Figura 20. Componentes típicos de un sistema experto ............................................................. 25

Figura 21. Técnicas de resolución del Soft Computing ............................................................... 26

Figura 22. Clasificación de metaheurísticas ................................................................................ 30

Figura 23. Arquitectura de un sistema experto basado en la lógica proposicional .................... 37

Figura 24. Forma de herramienta BEEPS..................................................................................... 38

Figura 25. Ejemplo de valoración de forma verbal ..................................................................... 40

Figura 26. Red neuronal .............................................................................................................. 40

Figura 27. Modelo de estructura lógica de BEAMES ................................................................... 42

Figura 28. Metodología de desarrollo de la evaluación del estado ............................................ 45

Figura 29. Proceso de priorización de espacio dentro de un edificio ......................................... 46

Figura 30 Esquema general de funcionamiento ......................................................................... 48

Figura 31. Simulación pantalla de optimización.......................................................................... 51

Figura 32. Ejemplo de base de datos de cerramientos ............................................................... 53

Figura 33. Cronograma desarrollo sistema experto .................................................................... 58

Índice de tablas

Tabla 1. Parámetros, variables y datos dependientes de las variables......................................... 6

Tabla 2. Selección de métodos ...................................................................................................... 9

Tabla 3. Ejemplos sistemas expertos .......................................................................................... 22

Tabla 4. Tabla de puntuaciones .................................................................................................. 39

Capítulo -1. Eficiencia energética de la edificación Página 1

1. EFICIENCIA ENERGÉTICA EN LA EDIFICACIÓN

1.1. Situación de la eficiencia energética en la edificación

Los edificios son los responsables de hasta un 40% del consumo energético en la mayor parte

de los países. A este consumo, se van uniendo países emergentes como China e India con un

crecimiento elevado de la demanda energética.

Según los últimos datos publicados del Instituto para la diversificación y el ahorro de energía

(IDAE), el consumo de energía final del sector edificación ascendió en el año 2005 a 18.123

ktep sobre un total nacional de 106.940 ktep, lo que representa el 17% del consumo de

energía final del país. De este consumo, 10.793 ktep correspondieron al sector residencial,

objeto de este proyecto, lo que supone un 10% del consumo energético nacional.

Hay que añadir que se trata de una incidencia a largo plazo, debido a que se trata de un

producto de una gran durabilidad. Se estima que, sólo en Europa, los edificios actualmente

existentes, consumirán en el año 2050 alrededor de los dos tercios de todo lo que consumirá el

sector de la edificación.

España y los demás países de la Unión Europea han suscrito y asumido importantes

compromisos relativos a la reducción del consumo de energía y la mitigación del cambio

climático. Cabe citar por ejemplo el protocolo de Kyoto, la Directiva 2006/32/ CE, que define

un marco de esfuerzo común para conseguir un ahorro energético del 9% en el año 2016.

En este mismo contexto europeo, el G8 ha propuesto que para el 2050 las emisiones de CO2 se

reduzcan en un 50% respecto de los niveles de 2005, lo que se estima que requiera una

inversión del orden de 29 billones de euros.

También cabe mencionar el Plan 20/20/20 de la Comisión Europea, encaminado a reducir las

emisiones de gases de efecto invernadero en un 20%, fortalecer el papel de las energías

renovables para que cubran un 20% del consumo energético total de la Unión Europea, y

ahorrar un 20% del consumo de energía por mejoras en la eficiencia energética en edificios,

industria y transporte, todo ello en el horizonte del año 2020.

El “action plan for energy efficiency” de la Unión Europea estima que el mayor potencial de

ahorro energético se encuentra en el sector residencial (27%) y en edificios comerciales (30%).

Este ahorro se producirá, tantos en edificios existentes como en los de nueva edificación.

El cumplimiento de todos estos compromisos depende en gran medida de la existencia de

intervenciones sustanciales en la energética edificatoria del sector de la construcción. Por ello,

la administración española ha desarrollado programas y medidas de sostenibilidad, contra el

cambio climático y de ahorro y eficiencia energética en el sector de la edificación. Entre estas

medidas, dos de ellas son especialmente relevantes para el análisis que nos ocupa:


En primer lugar, la transposición de la Directiva 2002/91/CE relativa a la eficiencia energética

de los edificios. Ésta se ha materializado ya en dos reales decretos, a saber, el código técnico

de la edificación (CTE) aprobado por Real Decreto 314/2006, de 17 de marzo, y el Real Decreto

47/2007, de 19 de enero, por el que se aprueba el procedimiento básico para la certificación

de eficiencia energética de edificios de nueva construcción.

En segundo lugar, el plan de acción para el periodo 2008-2012 (PAE4+) de la estrategia de

ahorro y eficiencia energética en España 2004-2012, que es la continuación del establecido

para el periodo 2005-2007 y que a su vez precede a nuevos planes de acción que se

extenderán como mínimo hasta 2020.

Ahondando en lo anterior, en mayo de 2010 se publica la revisión de la directiva de eficiencia

energética de los edificios del año 2002, la Directiva 2010/31/EU del Parlamento Europeo y del

Consejo de 19 de mayo de 2010 sobre la eficiencia energética en edificios (Recast), en la que

en resumen se establece:

a) Un marco general de una metodología de cálculo.

b) La aplicación de requisitos mínimos de eficiencia energética de los edificios nuevos o

de nuevas unidades del edificio.

c) La aplicación de requisitos mínimos de eficiencia energética de edificios existentes que

sean objeto de reformas importantes.

d) Los Planes Nacionales destinados a aumentar el número de edificios de consumo de

energía casi nulo.

e) La certificación energética de los edificios o de unidades del edificio.

f) La inspección periódica de las instalaciones de calefacción y aire acondicionado de

edificios.

g) Los sistemas de control independiente de los certificados de eficiencia energética y de

los informes de inspección.

La nueva directiva se reafirma en todos los términos de la anterior, pero pone un énfasis

nuevo en los puntos c) y d) que se comenta a continuación

En lo que se refiere a los requisitos mínimos de eficiencia energética, la directiva indica que los

Estados miembros tomarán las medidas necesarias para garantizar que se establezcan unos

requisitos mínimos de eficiencia energética de los edificios o unidades del edificio con el fin de

alcanzar niveles óptimos de rentabilidad. Los niveles de los parámetros característicos que se

apliquen en las reglas de conocimiento partirán de valores consistentes con este criterio de

rentabilidad.

En cuanto a los edificios de energía casi nula, indica que los estados miembros se asegurarán

de que:

a) Como muy tarde el 31 de diciembre de 2020, todos los edificios nuevos sean al menos

edificios de energía casi nula, tal como se define en el artículo 2, punto 2, y de que


b) después del 31 de diciembre de 2018, los organismos públicos que ocupen y posean

un edificio nuevo garantizarán que el edificio es un edificio de energía casi nula, tal

como se define en el artículo 2, punto 2.

De todo lo comentado, se pueden destacar los siguientes puntos:

1) Se detecta la necesidad de ofrecer soluciones relativas a la eficiencia energética de los

edificios, superando las barreras tecnológicas existentes actualmente.

2) Aparecen políticas activas destinadas a la mejora del ahorro, la reducción del consumo

y la eficiencia energética en edificios a todos los niveles (europeo, nacional y regional),

lo que dará lugar a nuevas ayudas e incentivos.

3) Surge la necesidad de la mejora en la toma de decisiones expertas a la hora de diseñar

un edificio con el objetivo de obtener una alta calificación energética.

4) Existe la posibilidad de adquirir una posición dominante en el sector de la construcción

sostenible y de establecer alianzas con nuevas empresas relacionadas con el sector.

Como se observa, existe en general un marco cada vez más favorable para el desarrollo de

líneas de investigación que giren en torno la eficiencia energética en la construcción y en

particular y objeto de análisis en este proyecto, la mejora de herramientas que permitan un

mejor diseño de los edificios desde un punto de vista energético.

1.2. Simulación térmica de un edificio

El uso de racional de la energía de los edificios pasa por la búsqueda de soluciones térmicas

aceptables, tanto a nivel de epidermis edificatoria, como de la selección de equipos y sistemas

de acondicionamiento y de la utilización de energías renovables. La identificación y análisis de

estas soluciones descansa conceptualmente en la aplicación de la transferencia de calor al

sistema térmico constituido por el edificio.

La simulación debe realizarse sobre un periodo anual y para todo tipo de instalaciones que

consuman energía como calefacción, refrigeración, ACS e iluminación.

La demanda de cada una de las contribuciones es muy variable con el tiempo, y depende de las

condiciones ambientales o zona climática, del tipo de edificio y sus características térmicas, y

del uso y control que se establezca. A todo esto hay que añadir el concepto de inercia térmica;

es decir, la velocidad con la que cualquier variación de las condiciones ambientales, uso o

control produce sobre las condiciones térmicas interiores de la zona y por tanto sobre su

demanda. Esta inercia no es nunca despreciable y ello conlleva la necesidad de la simulación

térmica para acercarnos de forma fiable a la demanda real; es decir, no es posible el uso de

procedimientos estacionarios para establecer con rigor la demanda energética del edificio.

Por otro lado, los equipos varían sus prestaciones (rendimiento, EER, COP, potencia útil, …) con

las condiciones ambientales y con la proporción de carga que compensan en un cierto instante

sobre sus prestaciones nominales (carga parcial), por lo tanto, igualmente un procedimiento


estacionario (en base a rendimientos estacionales) sólo produce una aproximación al valor del

consumo real.

Todo esto da como resultado la necesidad de utilizar herramientas informáticas avanzadas

para el diseño de un edificio. Como se refleja en la Figura 1, la herramienta informática

proporcionará una simulación energética del edificio a partir de unos datos de entradas, los

cuales serán aportados por el usuario. En el siguiente apartado se explicará los diferentes

métodos de cálculo existentes.

Los objetivos de una simulación son:

• Determinar las cargas térmicas: Se usará para dimensionar el tamaño de los equipos

como ventiladores, enfriadoras, calderas, etc.

• Realizar un análisis energético: Ayuda a evaluar el consumo y el coste de energía del

edificio durante largos periodos de tiempo.

• Asegurar el confort térmico y la calidad ambiente interior de un edificio.

El objetivo último es conseguir un diseño en el que se alcancen los objetivos marcados de la

manera más eficiente y económica posible.

Para obtener la simulación de un edificio hay que realizar las siguientes etapas:

• Recopilación de datos del edificio y entorno.

• Identificación de los objetivos del cliente.

• Modelado del edificio: Envolvente, zonificación, instalaciones, uso, clima, etc.

• Ejecución de la simulación y depuración de los errores.

• Optimización del modelo a través de diferentes escenarios que optimice el edificio

según los objetivos establecidos.

• Interpretación de resultados. Informe de propuesta con las recomendaciones de

diseño.

Este informe llevará entre otros el consumo energético anual para las diferentes alternativas

propuestas, el ahorro energético logrado respecto al edificio referencia (normalmente el que

más consume), reducción de emisiones de CO2, cargas dinámicas de calor y frío, análisis de los

niveles de confort, flujos energéticos y comportamiento energético del edificio en cuestión y el

tiempo de retorno de la inversión.

Figura 1. Esquema general de un proceso de simulación


Diagrama general de flujo de información en un programa de simulación energética de edificio

En la Figura 2 se puede apreciar la cantidad de información que se maneja para la simulación

de un edificio.

Figura 2. Variables de simulación energética

Es evidente que sin herramientas informáticas avanzadas sería realmente complicado y

costoso el diseño de edificios eficientes, ya que los profesionales implicados deben dominar un

número importante de normas, estándares, reglas y reglamentos regulatorios, criterios de

seguridad, costes, y por otro lado modelar y resolver un elevado número de ecuaciones

necesarias para obtener una solución óptima. En la Tabla 1 se incluye algunos de los

parámetros y variable que intervienen en la simulación de un edificio.

Todo este diseño y toma de decisiones óptimas se debe realizar además con el menor coste

posible.

Los programas actuales se limitan, a partir de unos datos de entrada, a obtener unas salidas a

través de un motor de cálculo, siendo necesaria la participación de diferentes expertos en el

diseño y un número de horas elevado hasta la obtención de una solución adecuada, que

difícilmente será la óptima por la cantidad de variables en juego.

La investigación y desarrollo de un sistema experto en esta área supondría claramente una

gran oportunidad, ya que permitiría reducir el número de horas empleados en el diseño del

edificio, además de poder utilizar personal con menos experiencia, no experta, reduciendo de

esta manera los plazos y los costes. Este sistema además permitiría comprobar un mayor


número de soluciones alcanzando una mejor solución desde un punto de visto técnico-

económico.

Tabla 1. Parámetros, variables y datos dependientes de las variables.

Tipo Descripción

Parámetros del edificio

plantas Número de plantas del edificio

Longi Longitud de la orientación i

iA Área de transferencia de un elemento i

altura Altura libre de los espacios (m).

ASSE Área solar sur equivalente (adimensional). Es la relación entre la radiación que reciben las ventanas en sus correspondientes orientaciones teniendo en cuenta las sombras propias y/o lejanas, junto con la radiación que recibirían si estuvieran orientadas al sur sin ningún tipo de sombra.

g Factor solar medio de las ventanas (adimensional).

ventilación Renovaciones hora de ventilación y/o infiltración (h-1).

iL Longitud del puente térmico i

Aa Área acondicionada: Área de Suelo * Nº plantas

Variables del edificio

%avi Porcentaje de área de ventana en la orientación i

pi Permeabilidad de la ventana en la orientación i

iU Tramitancia térmica de un elemento i. Elementos: cubierta, suelo, muro y ventana de cada orientación.

iΨ Transmitancia térmica lineal del puente térmico i

Valores dependientes de las variables del edificio

tA El área de transferencia, se calcula de:

∑+∑+∑+∑=∀∀∀∀ sueloscubiertasasvenexterioresmuros

iAiAiAiAtAtan

Um Transmitancia térmica media del edificio, calculada a partir de las transmitancias de los elementos de la envolvente, incluidos los puentes térmicos.1

AtV Compacidad, es el cociente del volumen acondicionado dividido por el

área de transferencia

)(At

VUm Transmitancia térmica media del edificio dividida por la compacidad (W/m3 K). La transmitancia térmica media incluye los puentes térmicos.

AaAv Área de ventanas equivalente al sur dividido por el área acondicionada.

AaAc Área de cubierta dividida por el área acondicionada.

Parámetros climáticos

Localidad Localidad

GD Grados- día de invierno de la localidad en el periodo considerado.

Is Radiación global acumulada sobre superficie vertical con orientación sur en el periodo considerado en kWh/m2.

SCImes Severidad climática de invierno para el mes considerado.

Propiedades térmicas

ρ Densidad del aire. Se toma igual a 1,2 kg/m3.

Cp Calor específico del aire a presión constante. Se toma igual a 1 kJ/kg K.


1.3. Métodos de cálculo del comportamiento térmico de los edificios. Aplicaciones

de software no experto disponibles en el mercado.

Para el cálculo del comportamiento energético de los edificios existen numerosas

herramientas que van desde simples métodos manuales para la estimación aproximada del

consumo de energía, hasta las más detalladas y completas simulaciones horarias

computerizadas.

Los diferentes métodos de cálculo del comportamiento térmico de los edificios se pueden

clasificar en dos grandes grupos :

1) Métodos simplificados.

2) Métodos detallados.

De forma general, los métodos simplificados permiten un análisis rápido que con una mínima

cantidad de información permiten realizar estimaciones sobre el comportamiento energético

del edificio y de sus sistemas. Si el objetivo del análisis energético del edificio es estudiar las

tendencias y hacer estimaciones aproximadas, entonces los métodos simplificados de análisis

pueden ser muy apropiados. Sin embargo para un análisis detallado del edificio, de sus

sistemas y subsistemas, se requieren herramientas más complejas que realicen simulaciones

más detalladas.

1) Los métodos simplificados se pueden clasificar en:

• De base horaria: Además de utilizar la hora como base de tiempo, se linealizan las

condiciones de contorno (Nivel 1) y se utilizan las soluciones de las ecuaciones de

conducción transitoria para excitaciones elementales, junto a la determinación de

la carga de los locales en dos pasos, ganancias y cargas. Se utilizan las técnicas

basadas en los factores de ponderación (precalculados o específicos) siendo

ejemplos los programas DOE2, AHSRAE, SHASE, S3PAS, PRONBE, PASSPORT,

CDEEW. Otros métodos que encajan en este nivel de simplificación son los de

respuesta armónica, basados en una reducción importante de la complejidad de

las excitaciones meteorológicas.

A este nivel de simplificación puede añadirse la resolución simplificada de las

ecuaciones de conducción (analogía eléctrica nR+mC), produciéndose programas

basados en una malla de resistencias y condensadores (PASOLE) en la resolución

de ecuaciones diferenciales ordinarias de primer orden (SYLPHO, CODIBA) o en la

constante de tiempo.

• De base diaria: También denominados de días de referencia que se basan siempre

en la resolución de las ecuaciones aprovechando su linealidad y la simplificación de

las excitaciones meteorológicas mediante técnicas de desarrollo en serie de

Fourier (FFT). Se resuelven las ecuaciones para un número de días representativos

de cada mes (normalmente tres).


• De base mensual o estacional: Los más extendidos se basan en correlaciones

obtenidas con otros métodos de menor nivel de simplificación, siendo ejemplos de

ellos los programas 5000, CASAMO, ASHRAE, LPB4, S4PAS. Otros programas se

basan en simplificaciones muy importantes (régimen permanente) (THB, NEVACA)

siendo sólo de aplicación en climas muy fríos y solo para la demanda de

calefacción.

2) Los métodos detallados se centran en la resolución de un conjunto de ecuaciones de

balance de masa y energía en el espacio físico del edificio, diferenciando los elementos

sólidos de los volúmenes de aire, junto a las condiciones de contorno que impone el

entorno en que se encuentra el edificio. Se subdividen a su vez en dos grupos en

función de la metodología de resolución de las ecuaciones:

• Métodos directos, basados en la resolución numérica de las ecuaciones

diferenciales en que se plasman los citados balances de masa y energía. En este

grupo se incluyen los métodos basados en diferencias finitas o en elementos finitos,

siendo ejemplos de aplicación los programas: KLI, LPB-2, SULOTTA, ESP, SERI/RES.

• Métodos indirectos, basados en la resolución previa de parte de las ecuaciones

diferenciales, las de conducción en los elemetos sólidos, para excitaciones

elementales, y la aplicación del principio de superposición. Se mantienen los

balances detallados en los espacios de los edificios. Estos métodos de cálculo

utilizan: factores de respuesta, funciones de transferencia, resoluciones analíticas o

numericas o experimentales de las ecuaciones de conducción en régimen

transitorio, ejemplos de aplicación de estas técnicas son los programas RMTMP,

NBSLD, CSTBAT.

Los métodos detallados se caracterizan por un paso de tiempo muy corto, un nivel de

complejidad muy alto y por el número de ecuaciones diferenciales que hay que resolver, que

conducen a tiempos de cálculo muy elevados. En las figuras 3 y 4 vemos pantallas de

diferentes programas de simulación del comportamiento térmico de edificios

Figura 3. Pantalla programa Energy Plus


Figura 4. Pantalla de resultados del programa CALENER

Ante esta diversidad de métodos de cálculos se plantea una dificultad a la hora de su

aplicación, pues no todos ellos son aplicables en todas las circunstancias, y debe tenerse en

cuenta el objetivo perseguido para adecuar las características del método de cálculo a las

necesidades. En la Tabla 2 se califican los diferentes métodos en función de las características

de exactitud, versatilidad, rapidez y facilidad de uso.

• Exactitud: Mide la aproximación a la realidad de los resultados obtenidos (sobre ello

habría que realizar extensas consideraciones por la variabilidad de las condiciones

climáticas, y de los patrones de uso impuestos por los ocupantes, por lo que se supone

que los cálculos se realizan en condiciones estándar).

• Versatilidad: Mide la capacidad del método para aplicarse en diferentes tipos de

edificios, con diferentes condiciones de contorno.

• Rapidez: Evalúa el tiempo de cálculo.

• Facilidad de uso: Se mide en función de las posibilidades de un técnico del sector para

manejar los programas del grupo que se indica. Las interfaces de usuario han

evolucionado mucho en los últimos tiempos, permitiendo el uso de programas muy

detallados con relativa facilidad, de manera que la calificación se refiere a los datos

que requiere el programa de cálculo, no su interfaz.

Tabla 2. Selección de métodos

Detallado

Horarios nivel 1

Horarios nivel 2

Base mensual

Exactitud Alta Media Baja Muy Baja

Versatilidad Alta Media Baja Muy Baja

Rapidez Muy baja Media Media Alta

Facilidad de Uso Muy baja Baja Media Alta


Basándonos en las consideraciones anteriores, se pueden establecer los siguientes criterios de

selección, en función de la etapa de diseño en que nos encontremos.

Para el diseño conceptual y el desarrollo del diseño:

Métodos mensuales, o simplificados de nivel 2.

Para el Post Diseño:

Para el dimensionado de sistemas:

- Detallados, o simplificados de nivel 1.

Para el cálculo de la demanda horaria:

- Simplificados de nivel 1, nodales.

Para el cálculo de la demanda mensual:

- Mensuales, simplificados de nivel 2.

Para el desarrollo nuevas tipologías:

- Detallados.

La mayoría de estas aplicaciones generan estimaciones del uso o consumo de energía para un

edificio entero. Son herramientas efectivas, que ayudan a los diseñadores e ingenieros en el

proceso de optimización del diseño de un edificio. Sin embargo el trabajo con todos estos

programas se basa en la premisa de Garbage In - Garbage Out. Esto quiere decir que para

cualquiera de estos programas es necesario por parte del usuario un gran conocimiento de los

procesos termofísicos y de diseño que se dan en el edificio.

1.4. Diseño de un edificio a través de una aplicación tradicional

Según se ha indicado en los puntos anteriores, para diseñar un edificio eficiente

energéticamente es necesario realizar simulaciones térmicas del edificio. Una simulación

térmica es un modelo de los procesos energéticos dentro de un edificio, que tiene por objeto

proporcionar un ambiente térmicamente confortable para los ocupantes (o contenidos) de un

edificio. El objetivo último es conseguir un diseño en el que se alcancen los objetivos marcados

de la manera más eficiente posible.

A continuación se realiza un ejemplo de diseño con un programa existente en el mercado con

el fin de poder analizar y entender la complejidad a la que se enfrenta un usuario para obtener

el diseño de un edificio eficiente energéticamente, además del tiempo para su desarrollo. Para

ello se ha seleccionado el programa DesignBuilder que se basa en el motor de simulación

dinámica Energy Plus que está desarrollado por el departamento de energía de los Estados

Unidos (DOE).


Una vez iniciado el programa y ajustados ciertos parámetros como la unidad de medida, lo

primero que se debe hacer es construir el modelo. Este proceso se divide en las siguientes

Etapas.

1. Creación de un nuevo proyecto

La Figura 5 muestra la pantalla donde se da la información sobre el proyecto y su localización.

Al seleccionar la plantilla del lugar se cargan los datos climáticos del sitio.

Figura 5. Pantalla de inicio

2. Definición del edificio

Normalmente se dispondrá de los datos del edificio en un archivo DFX. Se importa el archivo

correspondiente como aparece en la imagen de la Figura 6 y se definen datos como la unidad

de longitud en la que se ha dibujado o la altura sobre el nivel del suelo en la que se coloca el

plano. También se escogerán las capas que queremos trasladar al entorno DB.


Figura 6. Pantalla de importar archivo

En caso que no se disponga del edificio en archivo, se empezará a dibujar introduciendo los

bloques.

3. Definición de zonas

Por defecto cada bloque de edificio define una zona. Esta zona se obtiene restando al bloque

el espesor del muro. Cada bloque se puede dividir en más zonas a partir de la herramienta

dibujar particiones. También es posible crear patios interiores con la herramienta “Dibujar

perímetro de patio” en el nivel de bloque. Véase en la Figura 7.

Figura 7 Ejemplo de definición de zona


4. Definición de superficies

A nivel de superficie se pueden definir las características constructivas particulares de dicha

superficie además de:

• Ventanas: Exteriores, interiores o en cubierta.

• Sub-superficies: Superficies de naturaleza peculiar ubicadas sobre superficies

de la zona.

• Huecos: Cavidades que relacionan diversas zonas entre sí.

• Puertas: Con apertura y cierre programado.

• Rejillas.

5. Definición de datos del modelo

La caracterización térmica completa se realiza definiendo para cada zona además de sus

características geométricas y geográficas, las siguientes características térmicas:

1.4.1 Actividad

Diferentes niveles de actividad es uno de los criterios para separar un bloque en diversas

zonas: oficina, sala de reuniones, cuarto de baño, etc.

La definición de actividad para una zona está basada en la definición de las siguientes

categorías de datos.

• Tipo de zona

• Ocupación

• Metabolismo

• Vacaciones (solo a nivel de edificio)

• Agua caliente sanitaria

• Control ambiental

• Ganancias ordenadores

• Ganancias miscelánea

• Ganancias cocina

• Ganancias de procesos

En la Figura 8 tenemos un ejemplo de las variables de control ambiental que hay que fijar en el

programa.

Figura 8. Pantalla de control ambiental


1.4.2 Cerramientos

DesignBuilder utiliza los componentes del cerramiento para modelar la conducción de calor a

través de los muros, techos, suelos y otras partes opacas de la envolvente del edificio.

A partir de la pestaña de cerramiento, véase Figura 9, se puede definir las propiedades

termofísicas y visuales de diferentes elementos de superficie.

DesginBuilder distingue a partir de la geometría, la colocación de los diversos tipos de

cerramientos que componen el edificio, como pueden ser: Muros exteriores, cubierta plana,

cubierta inclinada (zona habitada), cubierta inclinada (zona no habitada), solera contacto con

terreno, suelo interior, etc.

Todos los cerramientos se definen a través de materiales y espesores, a través de una base de

datos.

En este punto también se dispone de la posibilidad de incluir las infiltraciones de las diferentes

zonas.

Figura 9. Pantalla de cerramiento


1.4.3 Aberturas

Este término se refiere a cualquier apertura en los cerramientos opacos del edificio. Las

aberturas típicas son: Ventanas, puertas, rejillas y huecos. En la Figura 10 se muestra la

pantalla donde se define el tipo de acritalamiento.

Figura 10. Pantalla de abertura

1.4.4 Iluminación

Dentro de la pantalla de iluminación (Figura 11) nos encontramos con tres grandes bloques de

datos:

• Iluminación general

• Iluminación de escritorio

• Control de iluminación

Figura 11. Pantalla de iluminación


1.4.5 HVAC

En la pantalla de la Figura 12, es donde se define todo el sistema de calefacción,

refrigeración y aire acondicionado. El programa dispone de una extensa librería de

componentes como calderas, enfriadoras, curvas de rendimiento, etc.

Figura 12. Pantalla de HVAC

Como se observa en la Figura 13, una modificación de una característica térmica en un nivel

superior modifica esa misma característica para todos los niveles inferiores.

Figura 13. Relación características térmicas


Una vez modelado el edificio e introducidos todos estos datos. Se procede al cálculo de las

cargas energéticas de calefacción para todas las zonas. Para este cálculo emplea la

temperatura exterior de diseño de invierno y la temperatura de diseño de interiores por

actividad. Es un cálculo estacionario.

Lo primero es definir los datos climáticos para diseño en invierno. Para ello se selecciona una

severidad de datos climáticos de diseño de calefacción para (condiciones de invierno)

apropiados para el proyecto en cuestión. Como resultado aparecerán cuales son las

temperaturas de diseño usadas para el cálculo. También se puede definir un dato concreto de

temperatura para el cálculo.

Ahora se define el margen de diseño, que permite mantener las condiciones de confort

durante las peores condiciones de invierno. Además, este número tiene en cuenta el calor

adicional requerido para llevar el edificio hasta una temperatura en un periodo de

precalentamiento razonablemente corto.

Una vez realizado esto, se obtiene el desglose detallado en flujos térmicos y confort para cada

zona, como se observa en la Figura 14.

Figura 14. Desglose flujos térmicos y confort

Ahora se procede al cálculo de las cargas de refrigeración. De la misma manera que en

calefacción, se efectúa un cálculo para el diseño de refrigeración para investigar un

comportamiento de edificio en las condiciones extremas. Los resultados obtenidos son usados

para dimensionar sistemas HVAC y sus componentes.

De igual manera que en calefacción, se seleccionan los datos climáticos (severidad) apropiados

para el proyecto. Una vez finalizado, se selecciona el margen de diseño que sirve para tener en

cuenta el enfriamiento adicional requerida para refrigerar el edificio en un tiempo razonable y

mantener el confort en las peores condiciones de verano.


Como resultado se obtiene un desglose detallado de las cargas para cada zona. Véase Figura

15.

Figura 15. Desglose detallado de cargas para cada zona

Una vez definido los equipos HVAC, se procede a la simulación del comportamiento y del

confort detallado del edificio.

La simulación es dinámica, hasta 10 timesteps/hora y considera el viento, ganancias solares,

internas, etc.

De la simulación se consiguen como principales resultados los análisis de ganancias, demanda

y consumo de energía, condiciones de confort, consumos de combustibles y producción de

CO2.

Entre las salidas (Figura 16 y 17) se generan ficheros, gráficas, histogramas, tablas y curvas de

frecuencia acumulada.

Figura 16. Salida de simulación


Figura 17. Salida de simulación

En la Figura 18 se muestra la representación del proceso de modelado.

Figura 18. Pasos a realizar para una simulación


Una vez realizadas todas estas fases se alcanza un primer resultado sobre el comportamiento

del edificio.

Para obtener la calificación y la certificación energética según el RD 47/2007 se debe exportar

el fichero del edificio al programa oficial CALENER, que compara el edificio introducido con un

edificio de referencia de las mismas características (véase la Figura 19).

Figura 19. Salida de simulación del programa CALENER

Si se quiere mejorar la eficiencia del edificio se debe modificar el diseño del mismo.

Como se puede observar la simulación del edificio, proporciona una serie de datos y de

gráficas. A partir de estos datos, las personas involucradas en el diseño deben tomar

decisiones que tendrán repercusiones tanto energéticas, de confort y económicas.

Conclusiones

Como se ha visto en este apartado, existe una gran cantidad de variables que influyen en la

eficiencia energética a la hora de diseñar un edificio. Alcanzar una solución óptima, desde el

punto de vista de la eficiencia energética y del coste, es una tarea compleja que requiere

disponer de expertos en la materia involucrados en el diseño que analicen diferentes opciones,

lo que implica un número de horas considerable y por tanto un coste relevante a añadir al

proyecto. Todo esto sin que se garantice la solución óptima debido al número limitado de

posibilidades a analizar.

Capítulo -2. Introducción a los sistemas expertos Página 21

2. INTRODUCCIÓN A LOS SISTEMAS EXPERTOS

2.1 ¿Qué es un sistema experto?. Definiciones

Un sistema experto se puede definir como un programa de computación que emula la

habilidad de tomar decisiones de un experto humano.

Otras definiciones que se pueden encontrar en la bibliografía son:

� Es un software que imita el comportamiento de un experto humano en la solución de

un problema. Pueden almacenar conocimientos de expertos para un campo

determinado y solucionar un problema mediante deducción lógica de conclusiones.

Criado Briz José Mario (2002.)

� Los sistemas expertos son llamados así porque emulan el razonamiento de un experto

en un dominio concreto y en ocasiones son usados por éstos. Con los sistemas

expertos se busca una mejor calidad y rapidez en las respuestas dando así lugar a una

mejora de la productividad del experto. Wikipedia (2012) - Sistema experto.

� Software que incorpora conocimiento de experto sobre un dominio de aplicación

dado, de manera que es capaz de resolver problemas de relativa dificultad y apoyar la

toma de decisiones inteligentes en base a un proceso de razonamiento simbólico.

Viejo Hernando Diego (2003.)

� Es un programa de computación inteligente que usa el conocimiento y los

procedimientos de inferencia para resolver problemas que son suficientemente

difíciles como para requerir la intervención de un experto humano para su resolución.

Edward Feigenbaum (1982).

� Los sistemas expertos son una rama de la IA que hace un amplio uso del conocimiento

especializado para resolver problemas como un especialista humano (persona que

tiene experiencia en cierta área). Giarratanoy Riley(2001).

2.2 ¿Por qué utilizar un sistema experto?. Aplicaciones.

La utilización de los sistemas expertos se puede justificar por muy diversas razones, de la

cuales destacamos las siguientes:

� Situaciones en las cuales los expertos disponen de conocimientos complejos en un

área delimitada y no existen algoritmos ya establecidos.

� Cuando el volumen de datos es tan elevado que resulta imposible analizar todos los

casos teóricamente imaginables mediante algoritmos en un tiempo razonable.

� En problemas que pueden o no tener solución única. Los sistemas expertos tienen una

gran utilidad en aquellos problemas con un cierto número de soluciones aceptables. La

subjetividad humana puede dar lugar a errores.


El desarrollo o adquisición de un sistema experto es generalmente caro, pero el

mantenimiento y el coste marginal de su uso repetido es relativamente bajo. Por lo que para

determinadas aplicaciones, el uso de los sistemas expertos tiene rentabilidades muy altas y la

amortización se realiza en un corto plazo de tiempo. Debido a esto es aconsejable antes de

desarrollar o adquirir un sistema experto realizar un análisis de viabilidad y de coste -

beneficio.

Los sistemas expertos surgieron a mediados de los años sesenta. Durante este tiempo se han

desarrollado numerosas aplicaciones en diferentes campos tan diversos como matemáticas,

medicina, química, psicología, derecho, transporte, etc.

En la Tabla 3 se muestran ejemplos de algunos sistemas expertos.

Tabla 3. Ejemplos sistemas expertos

Sistemas expertos en ingeniería Nombre Descripción

REACTOR Diagnosticar/remediar accidentes de reactor STREAMER Instruir en operación, planta de energía a vapor

Sistemas expertos en geología Nombre Descripción

DIPMETER Interpretar los registros del medidor de profundidad LITHO Interpretar los datos de registros de pozos petroleros MUD Diagnosticar/remediar problemas de perforación PROSPECTOR Interpretar datos geológicos para buscar minerales

Sistemas expertos para la química Nombre Descripción

CRYSALIS Interpretar la estructura tridimensional de una proteína CLONER Diseñar nuevas moléculas biológicas MOLGEN Diseñar experimentos para clonación de genes SECS Diseñar molecular orgánicas complejas

Sistemas expertos en electrónica Nombre Descripción

ACE Diagnosticar fallas en redes telefónicas REDESIGN Rediseñar circuitos digitales SOPHIE Instruir en diagnóstico de fallas de circuitos PALLADIO Diseñar y probar nuevos circuitos VLSI

Sistemas expertos médicos Nombre Descripción

PUFF Diagnosticar enfermedades de los pulmones AI/COAG Diagnosticar enfermedades de la sangre BLUE BOX Diagnosticar/remediar depresión


2.3 Ventajas de los sistemas expertos

Los sistemas expertos tienen varias características que los hacen atractivos.

• Mayor disponibilidad. La aplicación siempre está disponible.

• Respuesta rápida, incluso en situaciones de presión.

• Bajo costo, una vez realizada la inversión inicial.

• Consolidación de varios conocimientos de diferentes expertos, lo que da lugar a

sistemas expertos más fiables.

• Duplicidad: Se pueden instalar en varios ordenadores.

• Personal con poca experiencia, puede resolver problemas que requieran un

conocimiento experto.

• Peligro reducido. Los sistemas expertos pueden usarse en ambientes que podrían ser

peligrosos para un ser humano.

• Experiencia permanente. La experiencia es permanente y no depende de causas

externas.

• Mayor confiabilidad. Al proporcionar una segunda opinión los sistemas expertos

incrementan la confianza en que un especialista ha tomado la decisión correcta.

2.4 Limitaciones de los sistemas expertos

Como se ha comentado en los puntos anteriores, la utilización de un sistema experto puede

llegar a ser muy beneficiosa en determinados casos. Sin embargo los sistemas expertos tienen

limitaciones que son necesarias conocer antes de abordar la resolución de un problema

mediante este tipo de soluciones. Algunas de estas limitaciones son:

• Sólo son utilizables en un estrecho dominio de aplicación.

• Posibilidad de error. Si es una decisión crítica, no exime de responsabilidad al usuario.

• Dificultad de mantenimiento. Para actualizar se necesita reprogramar la aplicación.

• Elevado coste de desarrollo.

• Alto tiempo en desarrollo.

• La explicación que brinda, por lo general, se limita a la enumeración de las reglas que

utiliza para llegar a determinada conclusión o acción.


2.5 Constitución general de un sistema experto

No existe una estructura de sistema experto común. Sin embargo, la mayoría de los sistemas expertos tienen los siguientes componentes básicos (Figura 20).

Base del conocimiento

Es un elemento ordenado y estructurado suministrado por los expertos, que contiene los

conocimientos que se necesitan para el desarrollo del sistema. Se requiere que los expertos

humanos piensen, reorganicen, y reestructuren la base de conocimiento.

Se debe tener presente que al hablar del conocimiento nos referimos a afirmaciones de validez

general como reglas, distribuciones de probabilidad, etc. Como se verá más adelante cuando

se hable de datos nos estaremos refiriendo a la información relacionada con una aplicación

particular. Los primeros se almacenan permanentemente en la base de conocimiento,

mientras que los segundos se almacenan en la memoria de trabajo.

Una de las características más importante de los sistemas expertos, es la independencia de la

base de conocimientos respecto del mecanismo de inferencia que se utiliza para resolver los

problemas. De esta forma, cuando los conocimientos almacenados se han quedado obsoletos,

o cuando se dispone de nuevos conocimientos, es relativamente fácil añadir nuevas reglas,

eliminar las antiguas, o corregir los existentes, sin necesidad de modificar el motor de

inferencia.

Motor de inferencia

El motor de inferencia (o mecanismo de inferencia) es la componente principal del sistema

experto cuya misión es obtener conclusiones mediante la aplicación del conocimiento

abstracto (metodología de inferencias) sobre al conocimiento concreto (base de conocimiento)

y los datos (base de hechos).

Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista,

también conocido como sistemas basados en reglas porque obtienen conclusiones basándose

en un conjunto de reglas utilizando un mecanismo de razonamiento lógico o conocimiento

probabilístico. En el último caso, la propagación de incertidumbre es la tarea principal del

motor de inferencia, que permite sacar conclusiones bajo incertidumbre.

La metodología de inferencia puede ser:

• Encadenamiento hacia delante (forward chaining, progresivo o deductivo).

• Encadenamiento hacia atrás (backward chaining, regresivo o inductivo).

• Redes neuronales artificiales.


Control de coherencia

Este subsistema controla la consistencia de la base de datos y evita que unidades de

conocimiento inconsistentes entren en la misma.

El objetivo del control de coherencia consiste por tanto en:

1. Ayudar al usuario a no dar hechos inconsistentes, por ejemplo, dándole al usuario las restricciones que debe satisfacer la información demandada.

2. Evitar que entre en la base de conocimiento cualquier tipo de conocimiento inconsistente o contradictorio.

El control de la coherencia debe hacerse controlando la coherencia de las reglas y la de los hechos.

Sin este subsistema, unidades de conocimientos contradictorios podrían formar parte de la

base de conocimiento, dando lugar a un comportamiento insatisfactorio en el sistema, por

ejemplo en sistemas con mecanismos de propagación de incertidumbre es común llegar a

conclusiones absurdas o en conflicto cuando el sistema genera probabilidades mayores a la

unidad o negativas.

Interface de usuario

Es el enlace entre el sistema experto y el usuario que por medio de mecanismos eficientes

permitirá mostrar y obtener la información de forma fácil y agradable.

Un buen interface debe cumplir con las siguientes características:

� El aprendizaje del manejo debe ser rápido.

� Debe evitarse en lo posible la entrada de datos errónea.

� Los resultados deben presentarse en una forma clara para el usuario.

� Las preguntas y explicaciones deben ser comprensibles.

Figura 20. Componentes típicos de un sistema experto

Usuario

Base de Datos Online

Base de Conocimientos • Dominio del Conocimiento

• Estática del conocimiento

� Reglas

… … …

… … … …

Inferencia del motor

Resolución general de Problemas del Conocimiento Obtiene conclusiones

DATO

Recomendación

Datos del Caso

Interfaz de Usuario

Capítulo -2. Introducción a los sistemas expertos

2.6 Sistema experto. Técnicas

Un sistema experto puede tratar con

aquellos que pueden ser formulados usando un c

objetos bien definidos. Los estocásti

Los estocásticos entran dentro de lo

inteligencia artificial centrada en el diseño de sistemas inteligentes capaces de manejar

adecuadamente la información incierta, imprecisa y/o incompleta. Esta cualidad permite

abordar problemas reales obteniendo soluciones más robustas, maneja

que las obtenidas mediante técnicas convencionales.

Las principales técnicas que componen el

problemas como se muestra en la F

conjuntos difusos, las redes n

término soft computing en 1991, esta área ha experimentado un rápido desarrollo tanto en

sus aspectos teóricos como, sobre

Las técnicas de soft computing

(modelado, optimización, planificación, control, predicción, minería de datos, etc.) como en el

sector de aplicación (producción industrial, logística, energía, banca,

otros).

Figura

istemas expertos

xperto. Técnicas a emplear para la resolución de problemas

Un sistema experto puede tratar con diferentes tipos de problemas. Los deterministas son

pueden ser formulados usando un conjunto de reglas que relacionen

estocásticos, son aquellos problemas basados en incertidumbres.

ásticos entran dentro de lo que se denomina soft computing, que



abordar problemas reales obteniendo soluciones más robustas, manejables y de menor coste

que las obtenidas mediante técnicas convencionales.

Las principales técnicas que componen el soft computing para abordar la resolución de

como se muestra en la Figura 21 son el razonamiento probabilístico, la

neuronales y las meta-heurísticas. Desde que Lotfi

en 1991, esta área ha experimentado un rápido desarrollo tanto en

sus aspectos teóricos como, sobre todo, en sus aplicaciones empresariales.

omputing abordan problemas de gran diversidad tanto en tipología


sector de aplicación (producción industrial, logística, energía, banca, agroalimentación, entre

Figura 21. Técnicas de resolución del soft computing

Página 26

para la resolución de problemas

. Los deterministas son

onjunto de reglas que relacionen varios

problemas basados en incertidumbres.

, que es la rama de la



bles y de menor coste

para abordar la resolución de

robabilístico, la lógica y los

. Desde que Lotfi Zadeh acuñó el

en 1991, esta área ha experimentado un rápido desarrollo tanto en

abordan problemas de gran diversidad tanto en tipología


agroalimentación, entre


2.6.1. Modelos probabilísticos

Muchas situaciones complejas de nuestras vidas diarias están gobernadas por reglas

deterministas. Los sistemas basados en reglas son una herramienta eficiente para tratar estos

problemas. En este caso la base de conocimiento contiene el conjunto de reglas que define el

problema, y el motor de inferencia saca las conclusiones aplicando la lógica clásica a estas

reglas.

2.6.2. Lógica difusa

La lógica difusa es una técnica de la inteligencia computacional que permite trabajar

información con alto grado de imprecisión. En esto se diferencia de los modelos probabilísticos

que trabajan con información bien definida y precisa.

El concepto de lógica difusa fue concebido en el año 1965 por Lofti Zadeh un profesor de la

Universidad de California en Berkley, quien inconforme con los conjuntos clásicos (crisp sets)

que sólo permiten dos opciones, la pertenencia o no de un elemento a dicho conjunto la

presentó como una forma de procesar información permitiendo pertenencias parciales a unos

conjuntos que en contraposición a los clásicos los denominó conjuntos difusos (fuzzy sets), el

concepto de conjunto difuso fue expuesto por Lofti Zadeh en el año 1965 en un artículo hoy

clásico en la literatura de la lógica difusa titulado "Fuzzy Sets". El mismo Zadeh publica en 1971

el artículo, "Quantitative Fuzzy Semantics", en donde Introduce los elementos formales que

acabarían componiendo el cuerpo de la doctrina de la lógica difusa y sus aplicaciones tal como

se conocen en la actualidad.

La lógica difusa o borrosa (Fuzzy logic) descansa en la idea que en un instante dado, no es

posible precisar el valor de una variable X, sino tan solo conocer el grado de pertenencia a

cada uno de los conjuntos en que se ha participado el rango de variación de la variable.

El grado de pertenencia se cuantifica mediante la función de pertenencia f, que normalmente

se escoge de una forma trapezoide.

Los sistemas expertos basados en lógica difusa tienen como dificultad llegar a una función de

membresía y una regla confiable sin la participación de un experto humano. Como ventaja se

ejecutan de una manera rápida sobre un ordenador convencional.

2.6.3. Redes neuronales

Las redes neuronales (Looi, 1992) es un modelo inspirado en los sistemas neuronales

biológicos a través de modelos matemáticos recreados mediante mecanismos artificiales,

cuyas respuestas se quiere que sean similares a las que es capaz de dar el cerebro que se

caracterizan por su generalización y su robustez.

En este sistema las unidades de cálculo llamadas neuronas, se encuentran interconectadas.

Cada neurona recibe una serie de entradas a través de interconexiones y emite una salida.

Las neuronas ejercen tres funciones, la primera es una función de propagación (o excitación),

que por lo general consiste en un sumatorio de cada entrada multiplicada por un peso de su

interconexión. Si el peso es positivo, la conexión se denomina excitatoria, si es negativo, se


denomina inhibitoria. La segunda es una función de activación, que modifica a la anterior. La

tercera es una función de transferencia, que se aplica al valor devuelto por la función de

activación. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la

interpretación que queramos darle a dichas salidas.

Este modelo se retroalimenta de las entradas y respuestas, pues tiene la capacidad de ajustar

sus parámetros. Esto permite a la red reajustar sus parámetros mejorando el equilibrio interno

de la red.

2.6.4. Meta-heurísticas aplicables en el desarrollo de sistemas expertos

Como se verá mas adelante, modelar un sistema experto que permita diseñar edificios para

que se comporten con una alta eficiencia energética, no sólo implica capturar el conocimiento

embebido en expertos humanos, sino que también necesita de la aplicación de técnicas y

métodos de ingeniería como son las heurísticas que permitan proponer a partir de las

necesidades energéticas de un edificio, las condiciones climáticas de la localidad, los

materiales, instalaciones, etc (muchos de los datos de entrada suelen ser imprecisos o

incompletos). Las condiciones arquitectónicas y sistemas a utilizar, de manera suficientemente

eficiente. Permitiéndose así diseñar, dimensionar y optimizar los consumos energéticos de

cualquier tipo de edificación para que sea respetuosa con el medio ambiente.

El objetivo de los sistemas expertos consiste en encontrar la mejor solución existente o

solución óptima a un problema dado. Si el problema no es complejo, existen técnicas

sistemáticas como Branch and Bound, Branch and Cut, etc. Generalmente en los problemas

reales hay un amplio espacio de búsqueda, condición por la cual a medida que el espacio de

búsqueda aumenta, el coste de ejecución de dichos algoritmos puede aumentar de forma

exponencial, convirtiendo a estas técnicas de resolución en inviables prácticamente. Por esta

razón surge otra posibilidad para afrontar este tipo de problemas, que consiste en buscar una

solución aceptable en un tiempo razonable, e incluso la solución óptima al problema.

Para la resolución de problemas, existen multitud de algoritmos meta-heurísticos que

resuelven este tipo de problemas computacionales de manera general, usando parámetros

dados por el usuario sobre unos procedimientos genéricos y abstractos de una manera que se

espera que esta sea eficiente.

Las meta-heurísticas suelen ser aplicadas cuando no se tienen un algoritmo o heurística

específica que dé una solución satisfactoria o bien cuando no es posible implementar ese

método óptimo, y en algunos problemas suelen ser menos eficientes que las heurísticas

específicas.

Las meta-heurísticas disponibles son tantas y tan variadas (véase figura 22), que es

prácticamente imposible ponerse de acuerdo en una forma de clasificarlas que sea

universalmente aceptada.

Aún así, en la siguiente figura podemos observar una clasificación taxonómica con un grupo

importante de las múltiples meta-heurísticas existentes, y a continuación presentaremos

algunas de las meta-heurísticas más importantes, de estas se derivan diversas variantes e

incluso adaptaciones conjuntas de varias de estas técnicas algorítmicas.


Nombre de las heurísticas de la clasificación taxonómica:

• ACO: AntColonyOptimization - Optimización basada en Colonias de Hormigas.

• AMS: adaptive multi-start - Multi-arranqueadaptativo.

• AT: AsynchronousTeams - Equipos asíncronos

• CA: Cultural algoritms - Algoritmos culturales.

• EDA: EstimationDistributionAlgorithms - Algoritmos de estimación de la distribución.

• FANS: Fuzzy Adaptive Neighborhood Search – Busqueda de vecindadadaptativadifusa.

• GA: GeneticAlgorithms - Algoritmos genéticos.

• GLS: Guided Local Search - Búsqueda local guiada.

• GRASP: GreedyRandomizeAdaptiveSearchProcedures – Procedimientos de búsqueda

codiciosos, aleatorios y adaptativos.

• HC: HeuristicConcentration - Concentración heurística.

• ILS: Iterated Local Search - Búsqueda local iterative.

• MA: MemeticAlgorithms - Algoritmos meméticos.

• NM: NoisingMethods - Métodos ruidosos.

• MSM: Multi-StartMethods - Métodos multi-arranque.

• Popmusic.

• PR: PathRelinking.

• SA: SimulatedAnnealing - Recocido simulado.

• SI: SwarmIntelligence – Inteligencia de enjambre.

• SS: Scatter Search – Búsquedadispersa.

• TAM: ThresholdAcceptingMethods – Método de aceptación del umbral.

• TS: Tabú Search – Búsqueda Tabú.

• VNS: Variable NeighborhoodSearch - Búsqueda de vecindad variable.

Capítulo -2. Introducción a los sistemas expertos

istemas expertos

Figura 22. Clasificación de metaheurísticas

Página 30


2.6.4.1 Meta-heurísticas basadas en trayectoria

En esta breve sección repasaremos algunas de las meta-heurísticas existentes basadas en

trayectoria. Se tratan de métodos, que comienzan con una solución de partida, y mediante la

exploración de un vecindario, van actualizando su solución actual hasta encontrar el óptimo,

como si construyeran una trayectoria de desplazamiento para la búsqueda de la mejor

solución.

Estos tipos de meta-heurísticas gozan de mecanismos con los cuales se busca escapar de

soluciones óptimas locales. La finalización de estos algoritmos, suele relacionarse al alcance de

un máximo número de iteraciones, o a un número máximo de iteraciones sin encontrar mejora

(estancamiento de la búsqueda).

2.6.4.1.1 Recocido simulado (SA)

El recocido simulado o simulated annealing (SA), es una de las técnicas más antiguas entre las

meta-heurísticas y posiblemente es el primer algoritmo con una estrategia explícita para

escapar de los mínimos locales. La idea del SA es simular el proceso de enfriamiento del metal

y del cristal. El SA fue presentado por Kirkpatrick [Kirkpatrick et al, 1983] como algoritmo que

evitaba quedar atrapado en óptimos locales, para ello el algoritmo en cada iteración permite

encontrar una solución mejor que la actual. En cada iteración el algoritmo genera una solución

vecina a la solución actual, si esta solución es mejor, entonces esta es aceptada con una

determina probabilidad que depende del valor de una variable denominada temperatura, que

se incrementa en los momentos finales del algoritmo para que tome sólo soluciones buenas

(más locales).

2.6.4.1.2 Búsqueda tabú (TS)

La búsqueda tabú o tabu search (TS) es una de las meta-heurísticas con más éxito en la

resolución de problemas de optimización combinatoria [Glover et al, 1997]. La búsqueda tabú

se basa en el uso de un explicito historial de búsqueda que ejerce de memoria a corto plazo, y

que sirve tanto para escapar de los mínimos locales como para implementar una estrategia de

exploración que evite buscar varias veces en la misma región de soluciones. Esta memoria a

corto plazo o lista tabú, mantiene un registro de las soluciones visitadas más recientemente, y

son excluidas de los próximos movimientos. En cada iteración se elige la mejor solución entre

las permitidas y la elegida es añadida a la lista tabú. Realmente se suelen almacenar los

movimientos que ha llevado al algoritmo a generar esa solución, por ser más eficiente. Existen

variantes de esta meta-heurística que permiten incluir una solución incluso si está prohibida

debido a la lista tabú, para ello, se aplica un criterio de aspiración que permite soluciones que

sea mejores que la mejor solución encontrada hasta el momento.

2.6.4.1.3 GRASP

El procedimiento de búsqueda miope aleatorizada y adaptativa o Greedy Randomized

Adaptive Search Procedure (GRASP) [Feo et al, 1999] es un procedimiento iterativo

estructurado en dos fases. En primer lugar la construcción de una solución y en segundo lugar

un proceso de mejora. En cada iteración se genera una solución mediante un método ávido-

aleatorio, que se mejora mediante búsqueda local. Por tanto, la solución mejorada es el


resultado de la realización de un proceso de búsqueda construida de manera aleatoria. Este

proceso va añadiendo paso a paso diferentes componentes que generan una solución parcial,

estos componentes que generan la solución parcial son elegidos aleatoriamente de una lista

restringida de candidatos. Esta lista de candidatos se ordena de acuerdo a alguna función

dependiente del problema y se compone de los mejores componentes aplicables para la

búsqueda de la solución en función de un parámetro, el cual varía indicando el método de

muestreo que transforma la búsqueda convirtiendo el algoritmo en aleatorio o en un voraz

según su valor de esta primera fase. A partir de esta solución en una segunda fase se aplica un

algoritmo de búsqueda local.

2.6.4.1.4 Búsqueda con vecindario variable (VNS)

La búsqueda con vecindario variable o Variable Neighborhood Search (VNS) [Mladenovic et al,

2003] y sus variantes son meta-heurísticas que se aplican explícitamente para cambiar entre

diferentes vecindarios durante la búsqueda. Este algoritmo es muy general y con muchos

grados de libertad a la hora de diseñar variaciones particulares. El primer paso a realizar es

definir un conjunto de vecindarios ya sea de forma aleatoria, o mediante complejas ecuaciones

que se deducen a partir del problema a resolver. La iteración del algoritmo se divide en tres

fases (selección de candidato, mejora y movimiento).

La primera fase es la elección del candidato, se elige un vecino de forma aleatoria del k-ésimo

vecindario, y se usa como punto de partida en la segunda fase en la que se realiza una

búsqueda local para la mejora de la solución. Al finalizar la búsqueda local o proceso de

mejora, se compara la nueva solución con la original. Si la nueva solución es mejor, se

convierte en la solución actual y se inicializa el contador de vecindarios (k=1), si no es mejor, se

repite el proceso pero utilizando el siguiente vecindario (k+1). La búsqueda local es el paso de

intensificación del método y el cambio de vecindario puede considerarse como el paso de

diversificación.

2.6.4.1.5 Búsqueda local iterada (ILS)

La búsqueda local iterada o Iterated Local Search (ILS) [Lourenço et al, 2002] es una meta-

heurística basada en un concepto simple pero muy efectivo. En cada iteración, la solución

actual es alterada y a esta nueva solución se le aplica un método de búsqueda local para

mejorarla. Si la nueva solución pasa un test de aceptación, esta es la nueva solución actual. La

alteración de la solución, es el punto de mayor interés del algoritmo, dado que si la alteración

es pequeña, la solución no saldrá del entorno local, mientras que si es grande, se convertirá en

un algoritmo local con reinicio aleatorio. El criterio de aceptación actúa como filtro de nuevas

soluciones dependiendo de la historia de búsqueda y de las características del nuevo mínimo

local.

2.6.4.1.6 Método con arranque múltiple (MSM)

El método de búsqueda con Arranque Múltiple (Multi-Start) [Martín, 2003] es una meta-

heurística basada en realizar varias búsquedas monótonas partiendo de diferentes soluciones

iniciales. Considerándose búsqueda monótona a cualquier búsqueda o meta-heurística

aplicable, por ejemplo las descritas en los apartados anteriores. Una de las formas más simples

de llevar esto a cabo consiste en generar una muestra de soluciones iniciales o de arranque.


Esto es equivalente a generar al azar una nueva solución de partida cada vez que la búsqueda

quede estancada en el entorno de una solución óptima local.

2.6.4.2 Meta-heurísticas basadas en población

Al igual que en el anterior apartado, en este punto se revisarán algunas de las meta-heurísticas

existentes basadas en la población o conjuntos de soluciones. Se tratan de métodos, que se

caracterizan por trabajar con un conjunto de soluciones en cada iteración, a diferencia de los

métodos basados en trayectoria, que únicamente manipulan una solución del espacio de

búsqueda por iteración.

2.6.4.2.1 Algoritmos evolutivos (EA)

Los algoritmos evolutivos o evolutionary algorithms(EA) están inspirados en la teoría de la

evolución natural. Esta familia de técnicas sigue un proceso iterativo y estocástico que opera

sobre una población de soluciones denominadas individuos. Inicialmente, la población es

generada aleatoriamente o mediante alguna heurística alternativa. En cada iteración, la

heurística realiza tres fases: selección, reproducción y reemplazo. Este proceso es repetido

hasta que se cumple un cierto criterio de terminación (normalmente después de un número

dado de iteraciones). En la primera fase, o fase de selección, se seleccionan generalmente los

individuos más aptos de la población actual para ser posteriormente recombinados en la fase

de reproducción. Los individuos resultantes de la recombinación se alteran mediante una

operación de mutación. Finalmente, a partir de la población actual y los mejores individuos

generados se forma una nueva población, dando paso a la siguiente generación del algoritmo.

2.6.4.2.2 Algoritmos de estimación de la distribución (EDA)

Los algoritmos de estimación de la distribución o estimation of distribution algorithms(EDA)

[Mühlenbein, 1998] constituyen una familia de meta-heurísticas derivadas de los algoritmos

evolutivos. A diferencia de estos los EDA buscan estimar la distribución de probabilidad de

cada variable. La población de soluciones candidatas se recrea en cada generación, a partir de

la distribución de probabilidad obtenida a partir de los mejores individuos de la generación

anterior. La población no se regenera a partir de individuos, sino de las distribuciones de

probabilidad obtenidas, y a diferencia de las heurísticas evolutivas, no existen operadores de

cruzamiento ni de mutación.

2.6.4.2.3 Optimización basada en colonias de hormigas (ACO)

Los algoritmos de optimización basados en colonias de hormigas o ant colony optimization

(ACO) [Cordón et al, 2002] están inspirados en el comportamiento de las hormigas reales

cuando buscan comida. El comportamiento de las colonias de hormigas en la búsqueda de su

alimento se inicia con las hormigas explorando el área cercana a su nido de forma aleatoria.

Tan pronto como una hormiga encuentra comida, la lleva al nido. Mientras que realiza este

camino, la hormiga va depositando una sustancia química denominada feromona. Esta

sustancia ayudará al resto de las hormigas a encontrar la comida. La comunicación indirecta

entre las hormigas mediante el rastro de feromona las capacita para encontrar el camino más

corto entre el nido y la comida. Este comportamiento es el que intenta simular este método

para resolver problemas de optimización. La técnica se basa en dos fases, en una primera fase

se realiza la construcción de una solución basada en el comportamiento de una hormiga y


actualización de los rastros de feromona artificiales. El algoritmo no fija ninguna planificación o

sincronización a priori entre las fases, pudiendo ser incluso realizadas simultáneamente.

2.6.4.2.4 Optimización basada en cúmulos de partículas (PSO)

Los algoritmos de optimización basados en cúmulos de partículas o particle swarm

optimization (PSO) [Kennedy, 1999] están inspirados en el comportamiento social del vuelo de

las bandadas de aves o el movimiento de los bancos de peces. El algoritmo PSO mantiene un

conjunto de soluciones, también llamadas partículas, que son inicializadas aleatoriamente en

el espacio de búsqueda. Cada partícula posee una posición y velocidad que cambia conforme

avanza la búsqueda. En el movimiento de una partícula incluye su velocidad y las posiciones

donde la propia partícula y las partículas de su vecindario encontraron buenas soluciones. En el

contexto de PSO, el vecindario de una partícula se define como un conjunto de partículas del

cúmulo. El vecindario de una partícula puede ser global, en el cual todas las partículas del

cúmulo se consideran vecinas, o local, en el que sólo las partículas más cercanas se consideran

vecinas.

2.6.4.2.5 Búsqueda dispersa (SS)

La búsqueda dispersa o scatter search(SS) [Glover, 1998] es una meta-heurística que mantiene

un conjunto relativamente pequeño de soluciones experimentales (llamadas conjunto de

referencia o refset) que se caracteriza por contener soluciones diversas y de calidad (por ser

distantes en el espacio de búsqueda). Para la definición completa de SS hay que concretar

cinco componentes: creación de la población inicial, generación del conjunto de referencia,

generación de subconjuntos de soluciones, método de combinación de soluciones y método

de mejora.

2.6.4.2.6 Búsqueda por re-encadenamiento de camino (PR)

El re-encadenamiento de camino (PR, pathrelinking) [Glover, 1998] es una meta-heurística

asociada a la búsqueda dispersa que utiliza la información que se obtiene de las mejores

soluciones. Esta información se aprovecha en el perfeccionamiento de otras soluciones que se

encuentran posteriormente. Fundamentalmente se trata de generar soluciones explorando las

trayectorias que conectan soluciones de alta calidad. Partiendo de una de estas soluciones se

genera un camino de soluciones hacia la otra solución incorporando a la primera atributos de

la segunda. Este camino se construye tomando cada vez el atributo de la segunda solución

que lo hace más cercano a ella. A continuación se toman, como puntos de arranque para

nuevas fases de mejora, una o varias de las soluciones del recorrido anterior.

Capítulo -3. Estado del arte. Aplicación de sistemas expertos a la edificación Página 35

3. ESTADO DEL ARTE. APLICACIÓN DE SISTEMAS EXPERTOS RELACIONADOS CON LA EDIFICACIÓN Y LA EFICIENCIA ENERGÉTICA

Como se ha mostrado en el punto anterior, debido a la complejidad del proceso a la hora de

diseñar un edificio que sea eficiente energéticamente, sería interesante disponer de un

sistema que ayudase al diseñador a la hora de la toma de decisiones. Sin embargo en la

actualidad existen pocas aplicaciones de sistemas expertos en el área de la eficiencia

energética y la construcción.

A continuación se hace un estudio de los desarrollos hasta la actualidad de los sistemas

expertos aplicados en el entorno de la edificación.

3.1. Sistema Experto para la evaluación de la eficiencia energética de los edificios

Es un sistema basado en la lógica proposicional [Santoli et al, 2005]. La lógica proposicional se

compone de cuatro componentes:

• Las variables de la lógica.

• Las reglas de la lógica.

• El motor de razonamiento.

• El módulo de creación de resultados.

Las variables lógicas son aquellas que describen el estado del sistema, es decir, la información

proporcionada tanto por la evaluación del usuario, como también la información dinámica que

se produce por parte del propio sistema. Estas variables pueden ser de cuatro tipos diferentes:

• Variables en base a los datos observados: Información proporcionada por el usuario

(por ejemplo, el tipo de edificio, su edad, el tipo de sistema de calefacción y/o

refrigeración instalado, etc).

• Variables derivadas de los datos observados: Se utiliza para describir conceptos

intermedios necesarios para formular el razonamiento del sistema.

• Variables asociadas a sugerencias: Que representan las acciones que se pueden tomar

para mejorar la evaluación del edificio.

• Variables asociadas a las motivaciones.

El objetivo es dar una explicación en base a la información, de forma que pueda ser

interpretado por el usuario y reforzar el nivel de confianza del mismo.

Las reglas lógicas, constituye el núcleo del sistema, estas expresan en forma lógica las

relaciones entre las variables descritas. Estas reglas se expresan en la lógica proposicional y

reproducen el conocimiento de los expertos que han contribuido en su desarrollo. Las reglas

lógicas se pueden dividir en tres grupos:

Capítulo -3. Estado del arte. Aplicación de sistemas expertos relacionados con la edificación Página 36

• Normas que establecen el valor de las variables lógicas derivadas de los datos

observados. Por ejemplo, una variable lógica asociada con la dispersión de la ventana

puede tener un valor verdadero si el número de ventanas expuestas a norte o norte-

oeste es pertinente y si no se aplica doble acristalamiento, o si las ventanas no se han

sustituido recientemente.

• Normas que establecen el valor de las variables asociadas con la lógica de sugerencias.

Por ejemplo, una norma de este grupo se puede afirmar que si la residencia tiene

ventanas expuestas en dirección norte y las ventanas son antiguas, a continuación, se

puede sugerir la posibilidad de generar ahorros energéticos mediante la sustitución de

las ventanas.

• Normas que establecen el valor de las variables asociadas con la lógica de las

motivaciones, estas normas tratan de identificar las principales razones que han

motivado el cómputo de la votación. Por ejemplo, una norma de este grupo puede

afirmar que, si la votación del revestimiento del edificio es baja y el edificio es antiguo,

a continuación, la votación puede ser motivada por el estado del revestimiento.

El motor de razonamiento es el sistema que procesa las variables lógicas basadas en datos

observados y las normas, estableciendo así las variables que definen las motivaciones y las

sugerencias que representan el resultado final del proceso.

La función del motor de inferencia es aplicar las posibles reglas que satisfacen un problema,

aplicando ciertas estrategias de control sistemáticas o heurísticas.

Las estrategias de control sistemáticas son algoritmos de control de hechos que aplican

heurísticas de propósito general, cuya metodología se basa en una exploración exhaustiva y

metódica de la base de conocimientos. Ejemplos de estrategias de control sistemático son:

• Según el sentido de enlace entre las reglas lógicas:

� Encadenamiento hacia delante (foward-chaining).

� Encadenamiento hacia atrás (backward-chaining).

• Según la dirección en la topografía que desarrollan las reglas:

� Búsqueda en profundidad.

� Búsqueda a lo ancho.

• Según la estrategia de unificación (pattern-matching).

� Régimen de control irrevocable.

� Régimen de control por tentativas.

Las estrategias anteriores son muy generales e ineficientes para los problemas NP-duros

debido a la rigidez de las estrategias de búsqueda. Las estrategias de control basadas en

heurísticas resuelven esta problemática, pues éstas aportan especificad y orientación en la

resolución del problema. Las heurísticas resuelven los problemas eficientemente, utilizando

indicios que permiten la reducción del espacio de búsqueda de la solución, para la obtención

de una solución aceptable (u óptima) y eficaz en un breve espacio de tiempo.


Finalmente, el modulo de creación de resultados, que generalmente se expresa mediante el

lenguaje natural en forma de texto, este módulo analiza los valores de las variables de la lógica

después de la ejecución del motor de razonamiento y produce un texto (véase Figura 23).

Dicho texto expresa las motivaciones y las sugerencias en forma de certificado de lenguaje

natural. Este proceso se basa en una asignación entre variables lógicas y cadenas de texto, que

se escogen y deciden en base a ciertas reglas sintácticas elementales.

Por lo general, el sistema experto utiliza una base de conocimiento dinámica de auto-

aprendizaje, es decir, elabora y escribe las respuestas de nuevo en base a datos.

Todo el conocimiento se almacena y puede ser editado y modificado por los diseñadores del

sistema (la definición de todas las variables lógicas, las reglas y las cadenas de texto

relacionadas con los valores). La gestión del conocimiento se mantiene independiente de tal

manera que las nuevas variables lógicas, nuevas reglas y nuevas cadenas de texto puedan ser

añadidas al sistema sin necesidad de ningún cambio en la fase de cómputo.

Figura 23. Arquitectura de un sistema experto basado en la lógica proposicional

En adelante, se va a mostrar ejemplos de sistemas expertos aplicados al desarrollo de

auditorías energética, es por ello que debemos de destacar el uso que se le va a dar al termino

"auditoría", el cual se debe entender como la identificación, no sólo de los flujos de energía en

edificios, sino también de las oportunidades de conservación más adecuada de energía

incluidos los requisitos de mantenimiento de la energía.

Aplicación de Santolí

En 2005, Santolí [Santolí et al, 2005] presentaron un sistema experto para la evaluación de la

eficiencia energética de los edificios. El sistema generado como aplicación de Internet,

mostraba resultados de la calidad certificada de un edificio, el proyecto realizaba la evaluación


de los edificios de forma flexible y completa, y que se podría extender a diferentes condiciones

ambientales. El proyecto generó un procedimiento de evaluación diseñado, implementado y

gestionado en una herramienta de software basada en web.

El sistema experto que desarrollaron se integró en una herramienta de software de nombre

BEEPS (Sistema de rendimiento en construcción de Ambiente y Energía), donde se realizaba un

análisis de ciclo de vida respecto del suministro de material y el equilibrio de energía a lo largo

de toda la vida del material, producto o servicio.

Se trata de un tipo de sistema realizado a medida para la generación de los certificados de

rendimiento energético de los edificios en Italia, teniendo en cuenta las condiciones climáticas,

los requisitos ambientales interiores, el medio ambiente y la rentabilidad (coste-eficiencia).

Este tipo de aplicación representa el conocimiento de los expertos en evaluación de energía y

hace que los conocimientos estén disponibles a los usuarios de una manera comprensible y

concisa. Este tipo de sistema experto, aplica un conjunto dinámico de normas y procesos de

datos sobre el edificio, extrayendo las conclusiones adecuadas y construye un certificado en

forma de texto, en el que se combina la información del análisis, las motivaciones y

sugerencias que mejoran la eficiencia energética del edificio considerado.

La herramienta BEEPS propone la combinación de cinco votos dados a los diferentes aspectos

del edificio en una única puntuación global validada a través de un conjunto de reglas lógicas.

Los cinco votos se determinan por los procedimientos de análisis y algoritmos ya comentados.

Las reglas lógicas del sistema se determinaron por un grupo de expertos, a partir de ellas se

identifica la motivación de los votos y se sugiere un curso de acción para mejorar, si es posible,

los votos obtenidos por el edificio.

Figura 24. Forma de herramienta BEEPS

La Figura 24 muestra el esquema general para el procedimiento adoptado en la herramienta

BEEPS. La herramienta presenta cinco evaluaciones diferentes que están relacionadas,

respectivamente, a:


(1) Revestimiento del edificio.

(2) Servicios de construcción.

(3) Calidad ambiental interior (IEQ).

(4) Utilización de energías renovables (incluyendo el uso pasivo de los edificios).

(5) Análisis del impacto medioambiental y evaluación del ciclo de vida.

La evaluación del funcionamiento del edificio parte de un conjunto de cinco formularios de

evaluación simple, donde el usuario proporciona información acerca de los edificios, tales

como las dimensiones del edificio, su exposición, el año de construcción, el número de

ventanas, etc. Los cuestionarios se han diseñado de tal manera que se puede compilar

directamente por el usuario final, sin necesidad de conocimientos especializados en la materia.

Este sistema experto genera, a partir de la información proporcionada por el usuario, los cinco

votos iniciales (cuya escala numérica de 0 a 5 tiene asignado un valor cualitativos). Véase la

Tabla 4.

Tabla 4. Tabla de puntuaciones

Los votos representan la síntesis inicial de un procedimiento de evaluación complejo. Para su

desarrollo, en primer lugar, se genera una muestra de entrenamiento evaluado por los

expertos, entonces, el peso adecuado para cada votación, se estima con técnicas estadísticas

las cuales identifican con el mayor grado posible de precisión la relación matemática que

vincula los votos iniciales a los finales. Estos pesos se utilizan para obtener el certificado final.

El sistema tras los formularios y aplicación de las reglas lógicas, da una valoración o evaluación

de forma verbal. En la Figura 25 se puede ver un ejemplo.

De A Voto

0 0,99 Pobre

1 1,99 Insuficiente

2 2,99 Aceptable

3 3,99 Bueno

4 4,99 Excelente


1

2

3

n

1

2

3

m

1 Salida

Capa de SalidaCapa OcultaCapa de Entrada

……

1

2

3

n

1

2

3

m

1 Salida


……

1

2

3

n

1

2

3

m

1 Salida


……

Figura 25. Ejemplo de valoración de forma verbal

3.2. Sistema experto para auditorías energéticas

El Sistema Experto de Caudana [Caudana et al, 1995] está basado en redes neuronales. Las

redes neuronales, también denominadas modelos conexionistas o sistemas neuromórficos,

son los nombres de sistemas artificiales basados en los principios de funcionamiento similares

a los del cerebro humano.

Estos modelos constan de muchos elementos simples de procesamiento, neuronas, que

interactuando entre sí mediante conexiones ponderadas. Se trata de un sistema de

interconexión de neuronas en una red (Figura 26) que colabora para producir un estímulo de

salida.

Figura 26. Red neuronal


Cada neurona tiene un "estado" o "nivel de actividad", y esta, está determinada por las

aportaciones recibidas por otras neuronas de la red. Los pesos de las neuronas modulan la

importancia relativa de la señal de entrada a cada una. Podemos decir que una red neuronal es

un conjunto de unidades neuronales vinculadas a un estado de entrada, que forma una red de

conexiones con un espacio NxM dimensional de Entradas/Salidas, que producen un resultado.

La estructura (topología) de una red neuronal, es una estructura de conexiones

unidireccionales sin caminos hacia atrás, la cual está formada por una primera capa o conjunto

de neuronas que propaga su estado de activación (llamadas neuronas de entrada) a un

número de neuronas que forman una capa intermedia (llamadas neuronas ocultas) que, a su

vez, se propaga a una capa final de neuronas (o neuronas de salida).

La red tiene un modo de aprendizaje inicial, en la que se da una entrada a la red, junto con la

salida correspondiente, y los pesos se determinan de manera que la red se "entrena" para

producir la salida deseada cuando observe una entrada similar a aquella con la que se ha

formado.

Un algoritmo general es el presentado en [Rumelhart et al, 1986] [McClelland et al, 1986], el

cual mediante propagación, se "entrena" a la red por medio de un conjunto suficientemente

grande de casos de entrenamiento. Este algoritmo realiza paso a paso la corrección de los

pesos utilizando la información de retroalimentación del error entre el Estado reconstruido y el

estado dado del conjunto de entrenamiento.

Esta topología de la red ha demostrado ser eficaz en la representación de muchas clases de

problemas diferentes, el desarrollo del "aprendizaje" realizado por el algoritmo permite que la

red neuronal identifique de manera aproximada, pero la precisión algorítmica se mejora con el

tiempo ya que el número de casos de entrenamiento aumenta y, por tanto, el conocimiento de

la red.

En este sentido, las redes neuronales son modelos generalizados adaptados a un problema

específico por medio de técnicas de ajuste, y capaces de "descubrir" las estructuras de

información oculta en los conjuntos de datos disponibles.

Aplicación de un sistema experto basado en redes neuronales

Actualmente, los sistemas no expertos existentes de auditorías energéticas a edificios suelen

hacer uso de una cantidad bastante grande de datos de carácter térmico, físico y geométrico

con el fin de identificar, por medio de simulaciones matemáticas, los flujos de energía, los

niveles de consumo y el ahorro potencial. El acceso a este tipo de información no es fácil, y aún

con los conocimientos en la materia, este enfoque no proporciona ninguna indicación ECO

(oportunidades de conservación de energía), ni auditoría, ni las mediciones necesarias durante

la visita al sitio por el auditor. Como resultado, el auditor no puede planificar adecuadamente

la visita de antemano o evaluar su coste económico y estar seguro de la integridad de la

auditoría.

En la actualidad, existen otras técnicas aplicadas a los sistemas expertos, un ejemplo es el

trabajo presentado por [Caudana et al, 1995] el cual desarrolla un prototipo de sistema

Capítulo -3. Estado del arte. Aplicación de sistemas expertos relacionados con

experto para la construcción de las auditorías energéticas (llamado BEAMES) que utiliza

concepto de red neuronal.

BEAMES es un programa de demostración orientado al desarrollo de software basado en el

conocimiento de la auditoría energética de los edificios. El programa representa una mejora

sustancial con respecto a otros métodos de auditoría existentes, ya que permi

ECOs para la readaptación de medidas en la fase preliminar. El programa BEAMES utiliza un

sistema experto de "gestión" que actúa más bien como un experto humano. El sistema está

formado por diferentes módulos funcionales u "objetos" vinculad

modelo (Figura 27). La herramienta elabora conclusiones preliminares y las indicaciones para

las fases de auditoría. La fase previa a la auditoría permite al auditor conocer el nivel de

complejidad y coste de la auditoría, ade

puede concentrar su atención y desarrollar un plan de medidas apropiadas.

Este resultado se obtiene por medio de un patrón asociado a una red neuronal que considera

las características del edificio en co

módulo de estadísticas. Este módulo contiene los datos esenciales y los parámetros técnicos

de un parque de viviendas de muestra y estos datos proporcionan los conocimientos básicos

del patrón asociado. Una vez que el sistema enumera las ECOs probables para el edificio, la

herramienta BEAMES proporciona asistencia guiada para:

• Las técnicas de medición.

• Las auditorías de los procedimientos

• Las técnicas de evaluación o el análisis teniendo en cuenta l

ejecución.

Figura

3. Estado del arte. Aplicación de sistemas expertos relacionados con la edificación

experto para la construcción de las auditorías energéticas (llamado BEAMES) que utiliza



sustancial con respecto a otros métodos de auditoría existentes, ya que permi

para la readaptación de medidas en la fase preliminar. El programa BEAMES utiliza un


formado por diferentes módulos funcionales u "objetos" vinculados a la estructura lógica del

La herramienta elabora conclusiones preliminares y las indicaciones para


complejidad y coste de la auditoría, además suministra una lista de ECO en la que el auditor

puede concentrar su atención y desarrollar un plan de medidas apropiadas.


las características del edificio en concreto y compara esta información con la incrustada en un



ado. Una vez que el sistema enumera las ECOs probables para el edificio, la

herramienta BEAMES proporciona asistencia guiada para:

.

de los procedimientos.

Las técnicas de evaluación o el análisis teniendo en cuenta las opciones en la estrategia de

Figura 27. Modelo de estructura lógica de BEAMES

Página 42

experto para la construcción de las auditorías energéticas (llamado BEAMES) que utiliza el



sustancial con respecto a otros métodos de auditoría existentes, ya que permite identificar

para la readaptación de medidas en la fase preliminar. El programa BEAMES utiliza un


os a la estructura lógica del

La herramienta elabora conclusiones preliminares y las indicaciones para


más suministra una lista de ECO en la que el auditor


ncreto y compara esta información con la incrustada en un



ado. Una vez que el sistema enumera las ECOs probables para el edificio, la

as opciones en la estrategia de


Al comienzo de la auditoría el sistema permite que una pequeña cantidad de información,

pueda ser facilitada también por personas no técnicas (por ejemplo, el dueño del edificio o

administrador). Esto permite una reducción considerable en el coste junto con la reducción de

tiempo en el desarrollo-redacción de informes debido a la generación automática, una vez que

las medidas de conservación de la energía han sido identificadas.

En el sistema BEAMES las redes neuronales se han utilizado para resolver el problema de

derivar un conjunto detallado a partir de los incompletos datos de la información dados en la

fase previa de la auditoría, los cuales ejercen como entrada de la red (por ejemplo, el volumen

climatizado, año de construcción, tipo de caldera, la edad, el número de viviendas, etc.). Estas

características de construcción parcial se introducen en la red neuronal, a fin de obtener la

máxima producción, no sólo ECOs probable (por ejemplo, aislamiento de paredes exteriores, la

regulación de la tasa de disparo de la caldera, etc), sino también la desagregación del consumo

de energía en varios usos finales, las dimensiones de construcción de componentes, etc.

Se aplica en una red neuronal de 3 capas, entrenada con un algoritmo de retro-propagación,

usando datos reales de edificios en los que se han aplicado ECOs, el modelo elabora sus

resultados de salida (sugerencias) sobre la base de un conocimiento estadístico de las

auditorías previas realizadas en el pasado en edificios reales. Aún así, esta aplicación no quita

la necesidad de una "Autoridad Supervisora" (por ejemplo, un auditor con experiencia) que,

cada vez, confirme que la información resultante de la operación es razonable y significativa

para el edificio en cuestión, además este supervisor, cuando juzgue una auditoría, permite que

sea posible actualizar la base estadística utilizada por la red neuronal sumando todas las

auditorías fiables que se han llevado a cabo. Por lo tanto, la herramienta actúa no sólo como

una herramienta de formación para los auditores, sino también como un procedimiento de

auto-aprendizaje que le permite incluir en su conocimiento todas las mejoras técnicas que se

han producido hasta el momento.

Otro ejemplo de estos avances se muestra en la red de programas desarrollados en el

Laboratorio Lawrence Berkeley.

3.3. Sistema experto basado en el AHP

El proceso analítico jerárquico (AHP – analytichierarchyprocess) es una técnica estructurada

para tratar con decisiones complejas. En vez de prescribir la decisión “correcta”, el AHP ayuda

a los decisores a encontrar la solución que mejor se ajusta a sus necesidades y a su compresión

del problema.

El uso de un procedimiento de toma de decisiones implica el conocimiento de una

terminología, que se resume a continuación:

• Objetivo, es la meta o finalidad que se pretende conseguir con la actividad

desarrollada.

• Alternativas, son entidades sobre las que se aplican los criterios de evaluación

para formar la matriz de decisión.


• Preferencias, son valores de peso que asignan los encargados de la decisión a

cada uno de los criterios de evaluación. La suma de los pesos de todos los

criterios debe de ser la unidad.

• Reglas de decisión, constituyen el procedimiento para comparar alternativas.

• Criterios de evaluación, son reglas de valoración del cumplimiento de un

objetivo. Relacionan el objetivo con atributos evaluables. Pueden ser de dos

tipos: factores, criterios que permiten definirse a favor de una alternativa y en

contra de otra; y restricciones, criterios condicionados a los valores de los

atributos. En una situación ideal, la información de un determinado criterio

puede gobernar una decisión. Sin embargo, en la mayoría de los casos las

decisiones implican un equilibrio entre múltiples criterios en los que

intervienen un gran número de datos.

Los procedimientos para usar el AHP pueden ser resumidos en:

1. Modelar el problema como una jerarquía que contenga el objetivo de la decisión,

las alternativas para alcanzarlo, y los criterios para evaluar las alternativas.

2. Establecer prioridades de los elementos de la jerarquía haciendo una serie de

juicios basados en comparaciones por pares de elementos. Por ejemplo, cuando se

comparan posibles ventanas de un edificio, los auditores pueden decir si ellos

prefieren la ubicación sobre el precio más que otra característica.

3. Sintetizar las decisiones para producir un conjunto de prioridades globales de la

jerarquía.

4. Revisar la consistencia de las decisiones.

5. Llegar a una decisión final basada en los resultados de este proceso.

• Aplicación de un sistema experto basado en AHP

Un ejemplo en el que se ha aplicado AHP, es el estudio de Eweda [Eweda et al, 2010], que

desarrolla un sistema formado por tres componentes:

- Los espacios dentro del edificio y su clasificación.

- Evaluación física.

- Evaluación ambiental.

La Figura 28 representa la metodología desarrollada:


Figura 28. Metodología de desarrollo de la evaluación del estado

En el sistema Eweda adopta un sistema experto subjetivo basado en Saaty (1991) enfocado

como un proceso de jerarquía analítica (AHP).

En este sistema las ponderaciones de cada espacio dentro del edificio, los pesos de cada

sistema dentro del tipo de espacio, y el peso de cada factor de calidad ambiental en interiores

(IEQF) dentro del espacio se ha calculado, y el proceso de jerarquía analítica (AHP) y la técnica

SMART (técnicas de asignación de pesos de preferencia para un conjunto de variables o

elementos de valoración) se han combinado desarrollando un modelo integrado de calificación

por condición.

Para el sistema, cada tipo de edificio se compone de un cierto número de espacios que

representa las diferentes funciones en el interior del edificio, B = (SP1, SP2, …, SPn). En el

sistema, cada tipo de espacio tiene sus propias características y requisitos, y además cada

espacio tiene su propia importancia relativa en comparación con otros (en cada tipo de

construcción específica) y de acuerdo a muchos factores, como por ejemplo la función del

espacio, el número de ocupantes, la frecuencia y la duración de uso, etc. El estudio de Eweda

identifica la importancia relativa de cada tipo de espacio dentro de un edificio. Los datos se

recogen a partir de una encuesta enviada a los expertos, se analizan mediante la técnica AHP,

por la que se calcula el peso o importancia relativa de cada tipo de espacio utilizando el

enfoque de vector propio. La Figura 29 muestra el proceso de dar prioridad a los espacios.


Figura 29. Proceso de priorización de espacio dentro de un edificio

Capítulo -4. Sistema experto: Descripción general, características y estructura del proyecto Página 47

4. SISTEMA EXPERTO: DESCRIPCIÓN GENERAL DEL PRODUCTO, CARACTERÍSTICAS Y ESTRUCTURA DEL PROYECTO

Hasta ahora se ha explicado como el endurecimiento de las leyes respecto al consumo

energético hace que cada vez resulte más complicado obtener edificios con una alta

calificación energética sin que la inversión sea excesiva. También se ha mostrado como los

expertos en la materia diseñan los edificios a través de los diferentes programas comerciales

que existen actualmente en el mercado, los cuales son complejos a la hora de su

interpretación y costosos en tiempo y por tanto en dinero. Todo esto sin olvidar que la

solución a la que llegue el usuario posiblemente no sea la óptima desde un punto de vista

técnico-económico. Finalmente, en el punto 3 se ha expuesto las diferentes aplicaciones de

sistemas expertos relacionados con la eficiencia energética en la construcción que se han

desarrollado hasta la fecha, los cuales no son muchos y en el que además se evidencia la no

existencia de ningún producto diseñado para la legislación y el mercado español.

En este punto se define cual debe ser el esquema de funcionamiento del programa experto

para que el programa tenga interés en el mercado español. Además se diseña las etapas

necesarias a desarrollar para obtener dicho producto.

4.1. Descripción general del producto

El objetivo principal al que nos enfrentamos a la hora de desarrollar el producto es la de

obtener una metodología de diseño basada en un sistema experto que permita a los técnicos

del sector de la edificación de una manera simplificada pero efectiva, el diseño de edificios

residenciales de alta eficiencia energética o casi eficientemente energéticamente nulo,

contemplando criterios de viabilidad técnica y económica.

Para ello, será necesario desarrollar un algoritmo de resolución que permita al usuario y al

sistema probar distintas soluciones constructivas, variando entre otras cuestiones el espesor

de aislante de los cerramientos, el porcentaje de huecos, los tipos de ventanas y los sistemas

de climatización de la vivienda, de una manera fácil, rápida e intuitiva. De esta manera la

aplicación ayudará al usuario en la toma de decisiones hasta obtener la mejor solución desde

el punto de vista energético y económico.

En España la legislación vigente obliga a certificar energéticamente todos los edificios de

nueva construcción así como aquellos ya existentes que sean objeto de modificaciones,

reformas o rehabilitaciones, que tengan una superficie útil superior a 1.000 m2 y en los que se

renueve más del 25% del total de sus cerramientos, debiendo obtenerse al menos una

calificación superior al umbral establecido en la misma según el tipo de edificio.

Para obtener dicha calificación es necesario el uso de programas oficiales como LIDER y

CALENER en el que se compara el consumo energético del edificio objeto de estudio con un


edificio de referencia en el que el consumo sería el óptimo de acuerdo a los valores de

consumo establecidos en la norma. La relación entre el consumo energético de ambos edificios

genera los valores de los índices de eficiencia energética (letras desde la G hasta la A) con los

que se determina el nivel de eficiencia del edificio.

Dada pues la necesidad de calificar las viviendas de acuerdo a estos programas, el sistema

experto debe tener la capacidad de exportar el caso desde LIDER o CALENER (donde

previamente se haya definido la geometría del edificio), y volver a exportarlo posteriormente

para obtener el certificado de cumplimiento en la limitación de la demanda energética. Véase

figura 30.

4.2. Características y funcionalidad

En este punto se realiza un estudio previo de cuál debe ser el proceso óptimo a la hora de

diseñar un edificio para un usuario estándar, es decir un usuario con conocimientos

energéticos medios, mediante la nueva aplicación.

Este análisis es importante ya que nos da una visión en cuanto a la facilidad del sistema en

comparación al proceso tradicional descrito en el punto 1. Esto permite hacernos una idea

sobre el potencial de este sistema respecto a los existentes en el mercado.

El primer requisito imprescindible ya comentado que debe poseer el programa para que sea

un producto comercial en España, es que la aplicación que se desarrolle debe ser compatible

con el programa de certificación energética LIDER y CALENER.

Figura 30 Esquema general de funcionamiento


A continuación se presentan las etapas por las que debería pasar un usuario para diseñar un

edificio eficiente energéticamente.

a. Diseño del edificio

Antes de comenzar a usar el sistema experto es necesario que el usuario lleve a cabo el diseño

inicial del edificio objeto de estudio en el programa LIDER.

En éste, el arquitecto o diseñador define la geometría del edificio así como el tipo de

cerramientos y huecos de la vivienda. Aunque los materiales que forman la envuelta son

escogidos por el usuario, posteriormente en los pasos siguientes el sistema experto procederá

a evaluarlos y a proponer las modificaciones correspondientes. Por tanto el usuario sólo se

debe centrar en la geometría del edificio.

b. Inicio del sistema

Una vez realizado el diseño del edificio, el usuario lanza la aplicación. El sistema calcula la

situación energética de partida ejecutando el motor de cálculo de LIDER. De esta manera el

sistema podrá realizar en los siguientes pasos el análisis sobre las mejoras propuestas.

c. Optimización

Una vez calculada la situación de partida del edificio, el sistema experto solicita al usuario que

seleccione el criterio de optimización deseado, pudiendo elegir entre las siguientes

posibilidades:

- Coste óptimo del ciclo de vida: el sistema optimiza el edificio para que éste tenga el menor

coste del ciclo de vida.

- Obtención de una calificación energética: el sistema optimiza el diseño del edificio para

que tenga el menor coste del ciclo de vida con la calificación energética indicada por el

usuario.

En esta pantalla (Figura 31) el usuario define que parámetros del diseño original, el realizado

en el programa LIDER, permanecen fijos y que parámetros pueden variar, en cuyo caso puede

especificar el rango de variación, según el caso.

Esta pantalla es clave, ya que la aceptación del programa en el mercado, dependerá entre

otras cuestiones de:

- Facilidad de uso: Interfaz agradable y comprensible.

- Rapidez en la obtención de las soluciones: Será función de los algoritmos que se

desarrollen para buscar soluciones óptimas.

- Flexibilidad: Parámetros que se permiten modificar al usuario, lo cual será muy

valorado entre por ejemplo los estudios de arquitectura.

Es clave, por tanto buscar el equilibrio entre estos tres conceptos, ya que si se permite

modificar un gran número de parámetros, el sistema perderá rapidez y facilidad de uso,


mientras que si al usuario no se le permite modificar parámetros que considere importante,

perdería valor y no usaría este producto.

En función del criterio elegido por el usuario, el software optimiza el nivel de aislamiento de

los cerramientos de la fachada, suelo y cubierta así como el porcentaje de huecos, el tipo de

ventanas, además de la envolvente del edificio y el sistema de climatización apropiado para el

caso objeto de estudio.

d. Gráfica

Finalizada la segunda etapa, el sistema genera una gráfica en la que se destacan los puntos

más importantes del proceso de optimización.

e. Comparativa

Finalmente se muestra al usuario un informe comparativo entre la situación inicial y final del

edificio.

En este informe se recoge dicha comparativa especificándose los parámetros referentes a:

- Calificación energética: se detalla la calificación energética del edificio antes y después de

su simulación en el software.

- Calefacción y refrigeración: se especifican las demandas, los consumos de energía primaria

y final, las emisiones de CO2, el IEE de demanda y el IEE de emisiones de CO2 de calefacción

y refrigeración tanto de la situación inicial como de la final.

De esta forma, el usuario es capaz de establecer una comparativa entre ambas situaciones

pudiendo conocer con detalle el ahorro energético esperado para la nueva configuración

del edificio.

- Costes: en este apartado se establece una estimación del coste del ciclo de vida, inversión

total, coste del sistema, coste de la inversión, precio total y coste de inversión de muros,

ventanas, cubiertas, suelos y puentes térmicos tanto para la situación inicial como para la

final tras la simulación.

Así, el usuario es capaz de determinar la diferencia económica entre ambas situaciones.

Como normal general, la situación optimizada es más económica que la original; sin

embargo, dado que el sistema lleva a cabo una optimización energético-económica, puede

ocurrir que el coste de inversión de algún elemento de la envolvente sea superior en la

situación final.

- Información situación: finalmente se detallan los parámetros característicos del edificio

(transmitancia térmica de muros y huecos y porcentaje y tipo de huecos) de ambas

situaciones para que el usuario tenga conocimiento de los cambios realizados.

- Sistemas: también se incluye una lista con las características técnico-económicas de los

sistemas que optimizan el consumo energético del edificio.

Este informe es importante ya que permitirá al usuario si así lo necesita, explicar al cliente final

el motivo de las modificaciones respecto al diseño original.


Además, la aplicación debe generar un archivo CTE compatible con el programa LIDER en el

que se recogen los cambios realizados durante el proceso de optimización con objeto de que

sea posible verificar de nuevo el complimiento de la normativa referente a la limitación de la

demanda.

Figura 31. Simulación pantalla de optimización

4.3. Estructura del proyecto y costes

Una vez definida las características generales del programa, se describe en este punto cuales

serían las tareas necesarias a desarrollar y su planificación para obtener el producto de I+D

descrito.

PT1.- BASE DE DATOS

Objetivos:

El sistema debe poseer una base de datos para poder realizar los cálculos necesarios y ofrecer

la mejor solución. La Base de datos debe incluir la totalidad de los materiales y productos de

construcción y de los sistemas de acondicionamiento, que se prevé puedan ser utilizados en el

diseño del edificio de alta eficiencia. Cuanto más amplia sea la base de datos mejor será su

funcionamiento.

Para cada uno de los productos de construcción se conocerán los distintos atributos de los

elementos, como son las características físicas, mecánicas, de costes, etc. de los distintos

materiales, así como los parámetros característicos desde el punto de vista energético(Figura

32). Estos últimos son los siguientes:


Para las soluciones constructivas:

Opacas: La transmitancia térmica.

Semitransparentes: Transmitancia térmica, factor solar.

Para los equipos y los sistemas de acondicionamiento:

El rendimiento medio estacional o la ley que permite su cálculo a partir del

rendimiento nominal (factores de ponderación).

Tareas:

El plan de trabajo para la obtención de esta base de datos es el siguiente:

T1.1.- Revisión Bibliográfica: revisión bibliográfica de las fuentes de datos de propiedades

higrotérmicas de los materiales de construcción.

T1.2.- Definición de catálogos de edificios.

a. Recopilación de los hábitos constructivos en función del tipo de edificios

(unifamiliares y bloques).

b. Selección de las soluciones constructivas más habituales para ser incluidas en

el catálogo del proyecto.

T1.3.- Revisión de bases de datos de precios con objeto de incluir la más adecuada en el

programa.

T1.4.- Revisión de sistemas de climatización y ACS. Selección de los utilizados en edificios de

viviendas.

T1.5.- Determinación de los factores de ponderación: para la evaluación del comportamiento

térmico de los sistemas, en las diferentes zonas climáticas:

a. Calefacción.

b. Refrigeración.

c. A.C.S.

Esta etapa requiere una etapa inicial para la preparación de una muestra de edificios,

representativa de los edificios de viviendas, para la simulación del comportamiento

estacional de los sistemas, a partir de las curvas de carga (demanda de calefacción,

refrigeración y ACS) de los edificios.


PT2.- MODELO SIMPLIFICADO

Objetivos:

El objetivo de esta fase es la obtención de las leyes que expresan el potencial de mejora en

términos de demanda energética de calefacción y/o refrigeración de cada solución

constructiva y correlaciones que permitan calcular el ahorro que se produce al sustituir o

mejorar una solución constructiva por otra.

Así mismo, se establecerá una metodología que permita establecer una clasificación de los

sistemas de climatización más adecuados para cada caso en función de la zona climática y

tipología de edificio.

Tareas:

Se propone el siguiente plan de trabajo:

T2.1.- Determinación de parámetros característicos.

a. Caracterización de los productos de construcción.

b. Determinación de los parámetros característicos de las soluciones

constructivas seleccionadas.

T2.2.- Cálculo del comportamiento térmico de edificios.

a. Se calcula las demandas mensuales de calefacción y refrigeración de las

tipologías de edificios seleccionados para las distintas zonas climáticas.

b. Se calcula las demandas anuales de calefacción y refrigeración de las tipologías

de edificios seleccionados para las distintas zonas climáticas.

Figura 32. Ejemplo de base de datos de cerramientos


c. Se calcula la demanda de ACS propia de un edificio residencial.

T2.3.- Preparación de los modelos de cálculo de los edificios.

a. Desarrollo de diversas correlaciones, específicas para cada tipología y zona

climática, con objeto de estimar las demandas energéticas de cada edificio

a partir de sus principales características geométricas y constructivas.

b. Desarrollo de la metodología que permita estimar el sistema de

climatización adecuado para cada tipología de edificio y para cada zona

climática.

PT3.- MOTOR DE INFERENCIAS

Objetivos:

La función este paquete de trabajo es desarrollar el motor de inferencia, necesario para aplicar

las reglas que satisfacen un problema, aplicando ciertas metaheurísticas que hagan posible el

uso de un sistema experto.

Este problema necesita utilizar algoritmos de control de hechos, que aplicando

metaheurísticas específicas, permitan dirigir la exploración de las posibles soluciones de una

manera eficiente. Se reducirá el espacio de búsqueda de la solución, para la obtención de su

solución eficaz en un breve espacio de tiempo.

El resultado final se plasmará en un archivo con la definición geométrica y constructiva final

que pueda ser enviado al programa original para continuar su evaluación. De esta manera el

producto del proyecto que se propone materializará en una herramienta auxiliar que el

usuario utilizará para conseguir un diseño de alta eficiencia energética, que después quedará

integrado en el programa de cálculo o calificación de partida.

Tareas:

Las tareas que componen el desarrollo del motor de inferencia son:

T3.1.- Análisis de las necesidades del usuario: el motor de inferencia analizará las distintas

combinaciones de edificios que puede plantear el futuro usuario del sistema experto. Se

obtendrá el estado actual de las necesidades del potencial usuario y decidirá los modelos

necesarios para el diseño con alta calificación energética.

T3.2.- Modelo simplificado del comportamiento del edificio: la necesidad de esta tarea es que

permite una evaluación rápida de la demanda mensual de calefacción y refrigeración. Por ello

la velocidad de cálculo es rápida, permitiendo la evaluación de un gran número de casos en

poco tiempo.

T3.3.- Modelo horario de comportamiento térmico del edificio: tras la tarea anterior, el

sistema realiza la evaluación de las alternativas con un nivel de detalle suficientemente

definido. Se necesitarán algunas evaluaciones para decidir sobre la solución final, utilizando la

exploración dirigida y las metaheurísticas de resolución desarrolladas de una forma eficiente.


T3.4.- Análisis final del comportamiento del edificio: finalizado el proceso de optimización, se

estudia el comportamiento oficial (a partir de programas de certificación energética oficiales

como LIDER o CALENER) del edificio seleccionado en base al método de certificación que

verifica los valores del modelo simplificado.

PT4.- INTERFACE DE USUARIO

Objetivos:

La aplicación informática tendrá una estructura muy simple, que asegure un comportamiento

robusto y libre de fallos, con buenas características de usabilidad.

Se desarrollará en base a un protocolo de pruebas unitarias que asegure la calidad del

producto final a la vez que facilite su desarrollo y posteriormente su mantenimiento.

El sistema operativo del ordenador previsto será Windows, en sus versiones más recientes (XP

o superior).

Tareas:

El plan de trabajo previsto se plasma en las siguientes actividades:

T4.1.- Creación de un soporte informático que permita gestionar la base de datos de

cerramientos y sistemas.

T4.2.- Desarrollo de los módulos principales de la aplicación.

a. Importación de la definición geométrica en formato compatible con los

programas oficiales LIDER/CALENER.

b. Presentación de la situación inicial y recogida de las especificaciones de diseño

que el usuario desea aplicar al caso en estudio.

c. Integración del motor de inferencias y los programas de cálculo.

d. Presentación al usuario de los resultados, intermedios y finales; en pantalla y a

través de impresos en formato electrónico.

T4.3.- Preparación de la aplicación informática final: incluye manuales de usuario y

fundamentos técnicos, ejemplos, programas de instalación.

PT5.- VALIDACIÓN Y PRUEBAS

Objetivos:

En el paquete de validación y pruebas se pasará por tres fases sucesivas:

Fase1:


Se realizará un test que permita la evaluación de la calidad del producto software que se

obtenga. Dicho test será realizado por un grupo de técnicos del sector a seleccionar durante el

desarrollo del proyecto.

Los aspectos a evaluar mediante este test serán los recogidos en la norma internacional “ISO /

IEC 9126 – Calidad del Producto Software” además de otros específicamente desarrollados

para el propósito.

Los siguientes apartados describen todas las características de los programas susceptibles de

evaluación, no obstante, podrían existir algunas no aplicables a la aplicación en concreto, caso

en el que no se evaluarían.

a. Eficiencia de las aplicaciones

La eficiencia se define como la capacidad del producto software para proporcionar

prestaciones apropiadas, relativas a la cantidad de recursos usados, bajo condiciones estándar

de uso de la aplicación, los equipos utilizados en los test tendrán las siguientes características,

consideradas como ordenadores de gama media:

- Procesador Intel Core i3.

- Windows XP o superior.

- 4 GB de memoria RAM.

- Tarjeta gráfica Intel hd3000

- Resolución de pantalla: Mínimo 1024 x 768

- Suficiente espacio libre en el disco duro.

Se establecerán un conjunto de pruebas que sometan al producto software a determinadas

condiciones de trabajo bajo las cuales se medirán los tiempos de respuesta y el consumo de

recursos de la aplicación.

Esta característica tiene a su vez asignadas dos sub-características:

- Comportamiento temporal. Se define como la capacidad del producto software para

proporcionar tiempos de respuesta, tiempos de proceso y potencia apropiados, bajo

condiciones determinadas.

- Utilización de recursos. Se define como la capacidad del producto software para usar

las cantidades y tipos de recursos adecuados cuando el software lleva a cabo su

función bajo condiciones determinadas.

b. Usabilidad de las aplicaciones

El objetivo de este módulo es obtener una valoración de la facilidad con la que puede ser

aprendido el sistema y la facilidad con la que puede ser usado.

La usabilidad del sistema depende, fundamentalmente, de cuatro parámetros, que serán los

estudiados en este módulo:

- Utilidad. Grado en que el producto sirve para que el usuario consiga sus objetivos.

- Efectividad. Rapidez para ejecutar una tarea o tasa de errores.


- Capacidad para ser aprendido. Mide la capacidad del usuario para trabajar con el software

con un nivel de competencia adecuado después de un entrenamiento predefinido.

- Actitud. Recoge las percepciones, sentimientos y opiniones del usuario respecto al

producto, a través de mecanismos similares a cuestionarios de satisfacción.

Dentro de estos test, en los que se quiere verificar la calidad de los productos desde el punto

de vista informático se llevará a cabo una auditoria de usabilidad (o evaluación heurística), en

la que se evalúa el producto comparando su diseño respecto a determinados estándares de

usabilidad.

c. Interoperabilidad de las aplicaciones

Se verificará la capacidad de interoperabilidad de las aplicaciones, entendiendo como tal la

capacidad de ejecutar una funcionalidad final de la aplicación cuando esta funcionalidad

implica comunicarse con otro sistema para llevarse a cabo.

Es decir, en el caso en el que las aplicación contemplen aplicaciones de importación /

exportación de datos se comprobará el funcionamiento de las mismas.

d. Mantenibilidad de las aplicaciones

Capacidad del producto software para ser modificado. Las modificaciones podrían incluir

correcciones, mejoras o adaptación del software a cambios en el entorno, y requisitos y

especificaciones funcionales.

Las características a evaluar serán la capacidad del producto para ser analizado, cambiado y

probado así como su estabilidad.

Fase 2:

La metodología se aplicará en tres casos reales, siendo los usuarios de la misma técnicos

especializados en el diseño de edificios, ya diseñados con anterioridad, los cuales evaluarán las

mejoras de los resultados obtenidos en comparación con la situación final del diseño adoptado

para el edificio en la realidad.

Fase 3:

Como consecuencia de las pruebas anteriores, será posible retocar el producto, tanto en sus

aspectos de cálculo como en su interfaz con el usuario final. Así pues el producto que se

obtenga al final del proyecto será una metodología que habrá pasado ya el filtro de usuarios

finales y las pruebas de ingeniería de software que aseguren la buena acogida por los técnicos

del sector.

Tareas:

T5.1.- Calidad del software.

T5.2.- Demostración y validación.

T5.3.- Depuración y rediseño.


En la figura 33 se presenta el cronograma previsto para el desarrollo del sistema experto.

Figura 33. Cronograma desarrollo sistema experto

Capítulo-5: Conclusiones Página 59

5. CONCLUSIONES

El actual mercado de la construcción exige de manera creciente el diseño de edificios

eficientes energéticamente. Los cambios legislativos marcan el camino a seguir, endureciendo

de manera progresiva los requisitos de demanda y consumo energético. El objetivo final para

los próximos años será obtener edificios de consumo energético nulo.

Calcular la eficiencia energética de un edificio conlleva la resolución de un elevado número de

ecuaciones relacionadas entre sí. La persona o el grupo de personas implicadas en el diseño

del edificio tendrán que tomar un gran número de decisiones que repercutirán en la eficiencia

y en el coste del edificio. Cada una de estas decisiones son en definitiva cada una de las

variables que están integradas en una serie de ecuaciones a resolver.

Actualmente existen herramientas informáticas que ayudan a diseñar los edificios calculando

las ecuaciones y obteniendo tanto gráficas como datos, los cuales deben ser interpretados por

los diseñadores. Si bien estas herramientas ayudan al diseño, sigue siendo necesario disponer

de un equipo de personas cualificadas y con amplia experiencia en diferentes materias para

interpretar los resultados y obtener las mejores soluciones al problema.

El número elevado de variables con el que se trabaja a la hora de diseñar un edificio hace

presuponer la dificultad para obtener una solución técnico – económica cercana a la óptima

incluso contando con personal con experiencia.

La utilización de sistemas expertos puede resultar de gran ayuda, proporcionando una

herramienta muy potente a los diseñadores y aquellas compañías que se dedican a este

mundo, al permitir reducir las horas necesarias para diseñar el edificio y aún más importante a

la hora de elegir los materiales y las disposiciones que permitan reducir los costes de

ejecución.

Como se ha analizado en el estado del arte existen pocos desarrollos en este campo concreto y

ninguno que se adapte a la legislación española, lo que hace atractiva esta línea de

investigación.

5.1. Trabajos futuros.

Este proyecto fin de máster pretende ser el inicio de una Tesis Doctoral que culmine con el

Desarrollo del Sistema Experto planteado en la memoria.

El proyecto que se propone supondrá una investigación donde las principales novedades

científicas y tecnológicas del proyecto serán:

1) La propias leyes de comportamiento que se adaptarán al nivel de detalle por el que

discurra el proceso de diseño: en el diseño conceptual el arquitecto o diseñador realiza

un modelo de referencia (inicial) que cumple el Código Técnico de la Edificación (CTE);

en la fase de desarrollo del diseño se utilizará un modelo de cálculo simplificado; por

último en la fase de dimensionado, se recurrirá a un modelo de base horaria.

Capítulo-5: Conclusiones Página 60

2) El modelo simplificado calcula la Demanda de Calefacción (DC) y el Coste del Ciclo de

Vida (CCV) estimado para el edificio de referencia. El usuario selecciona los elementos

de la epidermis que pueden variar en el análisis y la información de la base de datos de

materiales y precios.

3) El proceso de resolución mediante un novedoso algoritmo de los problemas de

eficiencia energética en la edificación donde la complejidad computacional es

actualmente elevada. Estos problemas están catalogados como NP-hard y se resuelven

eficientemente mediante el uso de metaheurísticas en un tiempo polinómico. Se

obtendrán soluciones a problemas muy complejos que el humano tardaría demasiado

tiempo en resolver. El tiempo característico de solución de un problema de diseño se

reducirá del actual de semanas a solo un día.

4) El diseño del sistema experto de ayuda a la toma de decisiones del usuario. Los

expertos establecerán la secuencia de diseño de los edificios, analizarán el orden de las

preguntas al usuario y le guiará para conseguir la calificación energética deseada,

empleando los elementos constructivos necesarios.

Actualmente no existen productos en el mercado que ofrezcan soluciones que garanticen el

diseño energéticamente eficiente de edificios. Así pues, resulta más que evidente que

desarrollar una tesis en este campo posee de manera claramente objetiva un carácter

novedoso. El futuro proyecto es fruto de una labor planificada y organizada en la que ninguna

de las actuaciones que se llevarán a cabo es fruto del azar.

Capítulo -6. Referencias Bibliográficas Página 61

6. REFERENCIAS BIBLIOGRÁFICAS MÁS RELEVANTES

Álvarez,S. (1986). Análisis dinámico del comportamiento térmico de edificios. Tesis Doctoral

Universidad de Sevilla.

Biondo, J. (1990) Fundamentals of Expert Systems Technology: Principals and Concepts

[Book]. - Westport, CT, USA : Greenwood Publishing Group Inc.

Caudana B. [et al.] A prototype expert system for large scale energy auditing in buildings

[Journal]. - [s.l.] : Pattern Recognition, October 1995. - 10 : Vol. 28. - pp. 1467-1475.

CE (2003) Diario Oficial de las Comunidades Europeas de 4.1.2003 Artículo 7 // DIRECTIVA

2002/91/CE DEL PARLAMENTO EUROPEO Y DEL CONSEJO de 16 de diciembre de 2002 relativa

a la eficiencia energética de los edificios.

CE Eurostat (2008). Key figures on Europe 2007/08, European Communities.

Communication from the Commission,(2006). “Action Plan for Energy Efficiency: Realizing the

Potential”, Brussels.

Cordón O., Herrera F. and Stützle T. (2002) review on the ant colony optimization

metaheuristic: basis, models and new trends [Journal]. - [s.l.] : Mathware & soft computing,:

Vol. 9. - pp. 141-175.

Criado Briz, J (2002). Introducción a los sitemas expertos. Consultado en 05/04/2011

http://www.ingenieroseninformatica.org/recursos/tutoriales/sist_exp/index.php

Dascalaki Elena G. [et al.]Data collection and analysis of the building stock and its energy

performance—An example for Hellenic buildings. [Journal] // Energy and Buildings. - August

2010. - 8 : Vol. 42. - pp. 1231-1237.

DATAMINE DATAMINE. (2009). Collecting Data from Energy Certification to Monitor

Performance Indicators for New and Existing buildings // DATAMINE Project Team. - [s.l.] :

Institut Wohnen und Umwelt GmbH, - www.meteo.noa.gr/datamine.

Davis, G. (1986). Building performance function, preservation and rehabilitation [Book].- West

Conshohocken, PA : ASTM.

Dixon T, Keeping M & Roberts C (2008). Facing the future: energy performance certificates

and commercial property [Book]. Journal of Property Investment & Finance, 2008. Vol. 26 : 1.

Eweda, A, Zayed T, & Alkass S (2010). An Integrated Condition Assessment Model for

Buildings [Conference]. - [s.l.] : Construction Research Congress: Innovation for Reshaping

Construction Practice.

Feigenbaum, E & Cohen, P. (1982). The Handbook of AI, vols 3, AddisonWesley, Reading, MA.,

1982.


Feo, T.A. & Resende, M.G.C (1999). Greedy randomized adaptive search procedures

[Journal]. - [s.l.] : Journal of Global Optmization, Vol. 6. - pp. 109-133.

G. Henderson et al, “Energy labelling of Existing Buildings”, Proceedings of the 2001 ECEEE

summer study.

Giarratano, J & Riley, G. (2001). Sistemas Expertos. Principios y programación [Book],

Ediciones Parnaninfo. España.

Glover, F. & Laguna, M. (1997). Tabu search [Journal]. - Kluwer : [s.n.].

Glover, F. (1998). A template for Scatter Search and Path Relinking [Journal]. - [s.l.] : Altificial

Evolution,- 1363. - pp. 13-54.

Hu S. D. (1987). Expert systems for software engineers and managers [Book]. - New York EUA :

Chapman And Hall Advanced Industrial Technology Series.

Kennedy, J. (1999). Small worlds and mega-minds: effects of neighborhood topology on

particle swarm performance. [Journal]. - Piscataway, NJ, USA : IEEE Congress on Evolutionary

Computation, pp. 1931-1938.

Looi, C.K. (1992). Neural network method in combinatorial optimization. Computers and

Operations Research, Vol. 19. - pp. 191-208.

Lourenço, H. R., Martin, O. & Stützle, T. (2002). Iterated local search [Book]. Handbook of

Metaheuristics. - [s.l.] : Kluwer Academic Publishers.Massachutsetts, United States

Martí, R. (2003). Multistart methods [Book]. Handbook of Metaheuristics. Kluwer Academic, .

McClelland, J.L., Rumelhart, D.E. and Group the PDP Research [1986]. Parallel Distributed

Processing: Explorations in the Microstructure of Cognition. Volume 2: Psychological and

Biological Models [Journal]. - Cambridge, MA : MIT Press, United States.

Ministerio de industria, Turismo y Comercio-Instituto para la Diversificación y Ahorro

Energético (2007) “Estrategia de ahorro y eficiencia energética en España 2004-2012. Plan de

acción 2008-2012”.

Mladenovic, N, Hansen, P & Moreno-Pérez J.A. (2003). Variable neighborhood search

[Journal]. Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, nº 19. - pp.

77-92.

Mühlenbein, H. (1998). The equation for response to selection and its use for prediction.

Evolutionary Computation, [Book] Vol. 5. - pp. 303-346, United States.

Rodríguez, E.A. (1990). Sistematizacion de acoplamientos termicos y termoaeraulicos en la

simulacion de edificios. Tesis Doctoral. Universidad de Sevilla.

Rumelhart, McClelland, D.E. J.L. & Group the PDP Research (1986). Parallel Distributed

Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations [Book].

Cambridge, MA : MIT Press, United States.


Saaty, T. (1991) Decision Making with Dependence and Feedback: The Analytic Network

Process. [Conference]. - Pittsburgh, PA : RWS Publications.

Santoli, L & Felici, G (2005). Use of an expert system rating for the energy performance of a

building [Revista]. Building Services Engineering Research and Technology, 4 : Vol. 26. - pp.

349-360.

Viejo, D. (2003). Sistemas expertos. Consultado en 03/04 2011 en http://www.divulga-

ia.com/cursos/cursos.xml?numero=2&nombre=2003-9-26a&num

Wikipedia (2012). Sistema experto. Consultado en 03/04/2011 en

http://es.wikipedia.org/wiki/Sistema_experto.

Proyecto Fina de Master: Aplicacion de sistemas...

Documents

Transcript of Proyecto Fina de Master: Aplicacion de sistemas...