Professional Documents
Culture Documents
Ttulo
Departamento
Ingeniera Elctrica
Curso Acadmico
2014-2015
El autor
Universidad de La Rioja, Servicio de Publicaciones, 2015
publicaciones.unirioja.es
E-mail: publicaciones@unirioja.es
Agradecimientos
Deseo expresar mi ms sincero agradecimiento a mis directores de Tesis
Pedro Mara Lara Santilln y Luis Mara Lpez Gonzlez con los que
gracias a su confianza, apoyo y dedicacin me han permitido dar forma
a esta Tesis Doctoral.
A Luis Alfredo Fernndez Jimnez que desde el Departamento de
Ingeniera Elctrica me ense todo sobre las redes neuronales.
As mismo, fuera del mbito acadmico, agradecer a mi familia, sobre
todo a mi mujer, las horas en paralelo que ha dedicado, desinteresada y
voluntariosamente en cuidar de nuestra hija y permitirme as dedicar el
tiempo necesario para el desarrollo de esta Tesis Doctoral.
ndice de contenido
1.
2.
Descripcin ................................................................................... 1
1.1.
1.2.
Autor ...................................................................................... 2
1.3.
1.4.
Conceptos............................................................................... 4
2.2.
2.2.1.
2.2.2.
Sistemas descentralizados..................................................................... 8
2.2.2.1.
2.2.2.2.
2.2.2.3.
2.2.2.4.
2.3.
2.4.
2.4.1.
2.4.2.
2.4.3.
Comunicaciones.................................................................................... 20
2.4.4.
2.4.4.1.
2.4.4.2.
2.4.4.3.
3.
Justificacin ............................................................................... 29
4.
Objetivos .................................................................................... 31
5.
4.1.
4.2.
Objetivos especficos............................................................ 32
Metodologa ................................................................................ 35
5.1.
5.2.
5.2.1.
5.2.1.1.
Tarjetas base............................................................................................................. 43
5.2.1.2.
ndice de contenido
5.2.2.
5.2.3.
5.2.3.1.
Fancoils ..................................................................................................................... 43
5.2.3.2.
Calefaccin ................................................................................................................ 45
5.2.3.3.
5.2.4.
6.
5.3.
5.4.
6.2.
6.2.1.
6.2.2.
6.2.3.
6.2.4.
6.3.
6.3.1.
6.3.2.
6.3.3.
6.3.4.
6.4.
6.4.1.
6.4.2.
6.4.3.
6.4.4.
6.5.
6.5.1.
6.5.2.
6.5.3.
6.5.4.
6.6.
6.6.1.
6.6.2.
6.6.3.
6.6.4.
ii
ndice de contenido
6.7.
6.7.1.
6.7.2.
6.7.3.
6.7.4.
6.8.
6.8.1.
6.8.2.
6.8.3.
6.8.4.
6.9.
7.
6.9.1.
6.9.2.
6.9.3.
6.9.4.
7.1.1.
7.1.2.
7.1.3.
8.
9.
10.
11.
12.
12.1.
12.1.1.
12.1.1.1.
12.1.1.2.
12.1.2.
12.1.2.1.
12.1.2.2.
12.1.2.3.
12.1.2.4.
12.1.3.
iii
ndice de contenido
12.2.
12.2.1.
12.2.2.
12.2.3.
12.3.
12.3.1.
12.3.2.
12.3.3.
12.3.4.
12.3.5.
12.3.6.
12.3.7.
12.3.8.
iv
ndice de tablas
Tabla 1. Domtica: Especificaciones y estndares de red. Alianzas y grupos de
trabajo. ...................................................................................................................... 16
Tabla 2. Domtica: Especificaciones y estndares de red propietarios. ....................... 17
Tabla 3. Orientaciones de las fachadas. ......................................................................... 37
Tabla 4. Sensores utilizados para la recogida de datos y sus unidades. ...................... 52
Tabla 5. Resumen de la optimizacin gentica en la red MLP. .................................... 63
Tabla 6. Variables del informe y su significado. ............................................................ 63
Tabla 7. Informe de errores de ajuste de la aplicacin de la red MLP al grupo de
entrenamiento. ......................................................................................................... 64
Tabla 8. Variables del informe y su significado. ............................................................ 65
Tabla 9. Informe de errores de ajuste de la aplicacin de la red MLP al grupo de
validacin cruzada. .................................................................................................. 66
Tabla 10. Informe de errores de ajuste de la aplicacin de la red MLP al grupo de test.
................................................................................................................................... 67
Tabla 11. Valores de sensibilidad de la salida frente a las variables de entrada para la
red MLP. ................................................................................................................... 68
Tabla 12. Resumen de la optimizacin gentica en la red RBF. ................................... 77
Tabla 13. Informe de errores de ajuste de la aplicacin de la red RBF al grupo de
entrenamiento. ......................................................................................................... 78
Tabla 14. Informe de errores de ajuste de la aplicacin de la red RBF al grupo de
validacin cruzada. .................................................................................................. 79
Tabla 15. Informe de errores de ajuste de la aplicacin de la red RBF al grupo de test.
................................................................................................................................... 80
Tabla 16. Valores de sensibilidad de salida frente a las variables de entrada para la
red RBF. ................................................................................................................... 81
Tabla 17. Resumen de la optimizacin gentica en la red GFF. ................................... 90
Tabla 18. Informe de errores de ajuste de la aplicacin de la red GFF al grupo de
entrenamiento. ......................................................................................................... 91
Tabla 19. Informe de errores de ajuste de la aplicacin de la red GFF al grupo de
validacin cruzada. .................................................................................................. 92
Tabla 20. Informe de errores de ajuste de la aplicacin de la red GFF al grupo de test.
................................................................................................................................... 93
Tabla 21. Valores de sensibilidad de la salida frente a las variables de entrada para la
red GFF. ................................................................................................................... 94
Tabla 22. Resumen de la optimizacin gentica en la red TLRN. .............................. 103
Tabla 23. Informe de errores de ajuste de la aplicacin de la red TLRN al grupo de
entrenamiento. ....................................................................................................... 104
Tabla 24. Informe de errores de ajuste de la aplicacin de la red TLRN al grupo de
validacin cruzada. ................................................................................................ 105
ndice de tablas
Tabla 25. Informe de errores de ajuste de la aplicacin de la red TLRN al grupo de
test. ......................................................................................................................... 106
Tabla 26. Valores de sensibilidad de la salida frente a las variables de entrada para la
red TLRN. ............................................................................................................... 107
Tabla 27. Resumen de la optimizacin gentica en la red MNN. ............................... 117
Tabla 28. Informe de errores de ajuste de la aplicacin de la red MNN al grupo de
entrenamiento. ....................................................................................................... 118
Tabla 29. Informe de errores de ajuste de la aplicacin de la red MNN al grupo de
validacin cruzada. ................................................................................................ 119
Tabla 30. Informe de errores de ajuste de la aplicacin de la red MNN al grupo de
test. ......................................................................................................................... 120
Tabla 31. Valores de sensibilidad de la salida frente a las variables de entrada para la
red MNN. ................................................................................................................ 121
Tabla 32. Resumen de la optimizacin gentica en la red PCA. ................................. 131
Tabla 33. Informe de errores de ajuste de la aplicacin de la red PCA al grupo de
entrenamiento. ....................................................................................................... 132
Tabla 34. Informe de errores de ajuste de la aplicacin de la red PCA al grupo de
validacin cruzada. ................................................................................................ 133
Tabla 35. Informe de errores de ajuste de la aplicacin de la red PCA al grupo de test.
................................................................................................................................. 134
Tabla 36. Valores de sensibilidad de la salida frente a las variables de entrada para la
red PCA. ................................................................................................................. 135
Tabla 37. Resumen de la optimizacin gentica en la red RN. ................................... 145
Tabla 38. Informe de errores de ajuste de la aplicacin de la red RN al grupo de
entrenamiento. ....................................................................................................... 146
Tabla 39. Informe de errores de ajuste de la aplicacin de la red RN al grupo de
validacin cruzada. ................................................................................................ 147
Tabla 40. Informe de errores de ajuste de la aplicacin de la red RN al grupo de test.
................................................................................................................................. 148
Tabla 41. Valores de sensibilidad de la salida frente a las variables de entrada para la
red RN..................................................................................................................... 149
Tabla 42. Resumen de la optimizacin gentica en la red SOFMN. .......................... 159
Tabla 43. Informe de errores de ajuste de la aplicacin de la red SOFMN al grupo de
entrenamiento. ....................................................................................................... 160
Tabla 44. Informe de errores de ajuste de la aplicacin de la red SOFMN al grupo de
validacin cruzada. ................................................................................................ 161
Tabla 45. Informe de errores de ajuste de la aplicacin de la red SOFMN al grupo de
test. ......................................................................................................................... 162
Tabla 46. Valores de sensibilidad de la salida frente a las variables de entrada para la
red SOFMN. ........................................................................................................... 163
Tabla 47. Errores ponderados para cada tipo de red neuronal. .................................. 169
Tabla 48. Comparativa de la sensibilidad de la salida en funcin de las variables de
entrada para cada red neuronal entrenada. ........................................................ 170
vi
ndice de tablas
Tabla 49. Resumen del ahorro energtico en porcentaje tras la aplicacin de las redes
neuronales al ao sin control 2012. ...................................................................... 172
Tabla 50. Especificaciones tcnicas caldera ROCA VEGA 24 AIFM. ......................... 222
Tabla 51. Descripcin de los elementos del panel de control de la caldera ROCA
VEGA 24 AIFM. ..................................................................................................... 222
Tabla 52. Caractersticas tcnicas enfriadora CARRIER Aquasnap Junior 30RA007.
................................................................................................................................. 226
Tabla 53. Capacidades frigorficas enfriadoras CARRIER Aquasnap Junior 30RA. 228
Tabla 54. Especificaciones tcnicas de los Fancoils ROCA serie RFR. ...................... 229
Tabla 55. Potencias frigorficas de los Fancoils ROCA serie RFR. ............................. 230
Tabla 56. Potencias calorficas de los Fancoils ROCA serie RFR ............................... 232
Tabla 57. Caractersticas de los microcontroladores de la familia PIC18F2520. ...... 235
Tabla 58. Descripcin de los pines de Entrada/Salida del microcontrolador
PIC18F2520. ........................................................................................................... 240
Tabla 59. Descripcin de pines de entrada salida del transceptor RS485 MAX13088E.
................................................................................................................................. 245
Tabla 60. Tablas de funciones del transceptor RS485 MAX13088E. ......................... 246
vii
ndice de ilustraciones
Ilustracin 1. Elementos de integracin de la domtica. ................................................ 5
Ilustracin 2. Configuracin domtica centralizada. ....................................................... 8
Ilustracin 3. Configuracin domtica descentralizada. ............................................... 10
Ilustracin 4. Vista satlite de la situacin y orientacin de la vivienda..................... 37
Ilustracin 5. Vista de la fachada principal. .................................................................. 38
Ilustracin 6. Plano planta primera: Distribucin de estancias. .................................. 39
Ilustracin 7. Detalle ventana PVC con doble acristalamiento. ................................... 40
Ilustracin 8. Elementos domticos en planta baja. ...................................................... 41
Ilustracin 9. Elementos domticos en planta primera. ............................................... 42
Ilustracin 10. Fancoil. Vista exterior. ........................................................................... 44
Ilustracin 11. Fancoil. Configuracin interna. ............................................................. 44
Ilustracin 12. Caldera de gas natural. .......................................................................... 45
Ilustracin 13. Enfriadora para aire acondicionado. ..................................................... 47
Ilustracin 14. Diagrama de flujo del algoritmo de control de persianas. ................... 49
Ilustracin 15. Situacin en el plano de la primera planta de la estancia a estudio. .. 50
Ilustracin 16. Posicin en la fachada de las ventanas de la estancia a estudio. ........ 51
Ilustracin 17. Arquitectura de una red MLP. .............................................................. 59
Ilustracin 18. Red neuronal con topologa MLP. .......................................................... 61
Ilustracin 19. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red MLP. ............................................................................................................... 62
Ilustracin 20. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red MLP. ....................................................................................... 63
Ilustracin 21. Comparativa entre los datos de entrenamiento y los de salida de la red
neuronal MLP. ......................................................................................................... 64
Ilustracin 22. Informe grfico de la aplicacin de la red MLP al grupo de validacin
cruzada. .................................................................................................................... 65
Ilustracin 23. Informe grfico de la aplicacin de la red MLP al grupo de test. ........ 66
Ilustracin 24. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red MLP. ...................................................................................................... 67
Ilustracin 25. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red MLP. ........................................................................................ 68
Ilustracin 26. Variacin de la salida frente a la variable de entrada Temperatura
interior para la red MLP. ........................................................................................ 69
Ilustracin 27. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red MLP. ........................................................................................ 69
Ilustracin 28. Variacin de la salida frente a la variable de entrada Humedad
interior para la red MLP. ........................................................................................ 70
Ilustracin 29. Variacin de la salida frente a la variable de entrada Radiacin global
para la red MLP. ...................................................................................................... 70
ix
ndice de ilustraciones
Ilustracin 30. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal MLP simulando el control sobre el
sistema. ..................................................................................................................... 72
Ilustracin 31. Arquitectura de una red RBF. ............................................................... 73
Ilustracin 32. Red neuronal con topologa RBF. .......................................................... 75
Ilustracin 33. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red RBF. ............................................................................................................... 76
Ilustracin 34. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin en la red RBF. ....................................................................................... 77
Ilustracin 35. Comparativa entre los datos de entrenamiento y los de salida de la red
neuronal RBF. .......................................................................................................... 78
Ilustracin 36. Informe grfico de la aplicacin de la red RBF al grupo de validacin
cruzada. .................................................................................................................... 79
Ilustracin 37. Informe grfico de la aplicacin de la red RBF al grupo de test. ........ 80
Ilustracin 38. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red RBF. ....................................................................................................... 81
Ilustracin 39. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red RBF. ........................................................................................ 82
Ilustracin 40. Variacin de la salida frente a la variable de entrada Temperatura
interior para la red RBF. ......................................................................................... 82
Ilustracin 41. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red RBF. ........................................................................................ 83
Ilustracin 42. Variacin de la salida frente a la variable de entrada Humedad
interior para la red RBF. ......................................................................................... 83
Ilustracin 43. Variacin de la salida frente a la variable de entrada Radiacin global
para la red RBF. ....................................................................................................... 84
Ilustracin 44. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal RBF simulando el control sobre el
sistema. ..................................................................................................................... 85
Ilustracin 45. Arquitectura de una red GFF. ............................................................... 86
Ilustracin 46. Red neuronal con topologa GFF. .......................................................... 88
Ilustracin 47. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red GFF. ............................................................................................................... 89
Ilustracin 48. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red GFF. ....................................................................................... 90
Ilustracin 49. Comparativa entre los datos de entrenamiento y los de salida de la red
neuronal GFF. .......................................................................................................... 91
Ilustracin 50. Informe grfico de la aplicacin de la red GFF al grupo de validacin
cruzada. .................................................................................................................... 92
Ilustracin 51. Informe grfico de la aplicacin de la red GFF al grupo de test. ........ 93
Ilustracin 52. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red GFF. ....................................................................................................... 94
ndice de ilustraciones
Ilustracin 53. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red GFF. ........................................................................................ 95
Ilustracin 54 Variacin de la salida frente a la variable de entrada Temperatura
interior para la red GFF. ......................................................................................... 95
Ilustracin 55. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red GFF. ........................................................................................ 96
Ilustracin 56. Variacin de la salida frente a la variable de entrada Humedad
interior para la red GFF. ......................................................................................... 96
Ilustracin 57. Variacin de la salida frente a la variable de entrada Radiacin global
para la red GFF. ....................................................................................................... 97
Ilustracin 58. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal GFF simulando el control sobre el
sistema. ..................................................................................................................... 98
Ilustracin 59. Arquitectura de una red TLRN. ............................................................ 99
Ilustracin 60. Red neuronal con arquitectura TLRN................................................. 101
Ilustracin 61. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red TLRN............................................................................................................ 102
Ilustracin 62. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red TLRN. .................................................................................. 103
Ilustracin 63. Comparativa entre los datos de entrenamiento y los de salida de la red
neuronal TLRN. ..................................................................................................... 104
Ilustracin 64. Informe grfico de la aplicacin de la red TLRN al grupo de validacin
cruzada. .................................................................................................................. 105
Ilustracin 65. Informe grfico de la aplicacin de la red TLRN al grupo de test. .... 106
Ilustracin 66. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red TLRN. .................................................................................................. 107
Ilustracin 67. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red TLRN. .................................................................................... 108
Ilustracin 68. Variacin de la salida frente a la variable de entrada Temperatura
interior para la red TLRN. .................................................................................... 108
Ilustracin 69. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red TLRN. .................................................................................... 109
Ilustracin 70. Variacin de la salida frente a la variable de entrada Humedad
interior para la red TLRN. .................................................................................... 109
Ilustracin 71. Variacin de la salida frente a la variable de entrada Radiacin global
para la red TLRN. .................................................................................................. 110
Ilustracin 72. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal TLRN simulando el control sobre el
sistema. ................................................................................................................... 111
Ilustracin 73. Arquitecturas de redes MNN. .............................................................. 112
Ilustracin 74. Red neuronal con topologa MNN........................................................ 115
Ilustracin 75. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red MNN. ............................................................................................................ 116
xi
ndice de ilustraciones
Ilustracin 76. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red MNN..................................................................................... 117
Ilustracin 77. Comparativa entre los datos de entrenamiento y los de salida de la red
neuronal MNN. ...................................................................................................... 118
Ilustracin 78. Informe grfico de la aplicacin de la red MNN al grupo de validacin
cruzada. .................................................................................................................. 119
Ilustracin 79. Informe grfico de la aplicacin de la red MNN al grupo de test. ..... 120
Ilustracin 80. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red MNN. ................................................................................................... 121
Ilustracin 81. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red MNN. ..................................................................................... 122
Ilustracin 82 Variacin de la salida frente a la variable de entrada Temperatura
interior para la red MNN. ..................................................................................... 122
Ilustracin 83. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red MNN. ..................................................................................... 123
Ilustracin 84. Variacin de la salida frente a la variable de entrada Humedad
interior para la red MNN. ..................................................................................... 123
Ilustracin 85. Variacin de la salida frente a la variable de entrada Radiacin global
para la red MNN. ................................................................................................... 124
Ilustracin 86. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal MNN simulando el control sobre el
sistema. ................................................................................................................... 125
Ilustracin 87. Arquitectura de una red PCA. ............................................................. 126
Ilustracin 88. Red neuronal con arquitectura PCA. .................................................. 128
Ilustracin 89. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red PCA. ............................................................................................................. 130
Ilustracin 90. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red PCA. ..................................................................................... 131
Ilustracin 91. Comparativa entre los datos de entrenamiento y los de salida de la red
neuronal PCA. ........................................................................................................ 132
Ilustracin 92. Informe grfico de la aplicacin de la red PCA al grupo de validacin
cruzada. .................................................................................................................. 133
Ilustracin 93. Informe grfico de la aplicacin de la red PCA al grupo de test. ...... 134
Ilustracin 94. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red PCA. ..................................................................................................... 135
Ilustracin 95. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red PCA. ...................................................................................... 136
Ilustracin 96 Variacin de la salida frente a la variable de entrada Temperatura
interior para la red PCA. ....................................................................................... 136
Ilustracin 97. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red PCA. ...................................................................................... 137
Ilustracin 98. Variacin de la salida frente a la variable de entrada Humedad
interior para la red PCA. ....................................................................................... 137
xii
ndice de ilustraciones
Ilustracin 99. Variacin de la salida frente a la variable de entrada Radiacin global
para la red PCA. ..................................................................................................... 138
Ilustracin 100. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal PCA simulando el control sobre el
sistema. ................................................................................................................... 139
Ilustracin 101. Arquitectura de una red RN. ............................................................. 140
Ilustracin 102. Red neuronal con topologa RN. ........................................................ 142
Ilustracin 103. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red RN. ............................................................................................................... 144
Ilustracin 104. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red RN. ....................................................................................... 145
Ilustracin 105. Comparativa entre los datos de entrenamiento y los de salida de la
red neuronal RN. ................................................................................................... 146
Ilustracin 106. Informe grfico de la aplicacin de la red RN al grupo de validacin
cruzada. .................................................................................................................. 147
Ilustracin 107. Informe grfico de la aplicacin de la red RN al grupo de test. ...... 148
Ilustracin 108. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red RN. ....................................................................................................... 149
Ilustracin 109. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red RN. ........................................................................................ 150
Ilustracin 110. Variacin de la salida frente a la variable de entrada Temperatura
interior para la red RN. ......................................................................................... 150
Ilustracin 111. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red RN. ........................................................................................ 151
Ilustracin 112. Variacin de la salida frente a la variable de entrada Humedad
interior para la red RN. ......................................................................................... 151
Ilustracin 113. Variacin de la salida frente a la variable de entrada Radiacin
global para la red RN. ............................................................................................ 152
Ilustracin 114. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal RN simulando el control sobre el sistema.
................................................................................................................................. 153
Ilustracin 115. Arquitectura de una red SOFMN. ..................................................... 154
Ilustracin 116. Red neuronal con arquitectura SOFMN. .......................................... 157
Ilustracin 117. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red SOFMN. ....................................................................................................... 158
Ilustracin 118. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red SOFMN. ............................................................................... 159
Ilustracin 119. Comparativa entre los datos de entrenamiento y los de salida de la
red neuronal SOFMN. ........................................................................................... 160
Ilustracin 120. Informe grfico de la aplicacin de la red SOFMN al grupo de
validacin cruzada. ................................................................................................ 161
Ilustracin 121. Informe grfico de la aplicacin de la red SOFMN al grupo de test.
................................................................................................................................. 162
xiii
ndice de ilustraciones
Ilustracin 122. Grfico de sensibilidad de la salida frente a las variables de entrada
para la red SOFMN. .............................................................................................. 163
Ilustracin 123. Variacin de la salida frente a la variable de entrada Temperatura
exterior para la red SOFMN. ................................................................................ 164
Ilustracin 124 Variacin de la salida frente a la variable de entrada Temperatura
interior para la red SOFMN.................................................................................. 164
Ilustracin 125. Variacin de la salida frente a la variable de entrada Humedad
exterior para la red SOFMN. ................................................................................ 165
Ilustracin 126. Variacin de la salida frente a la variable de entrada Humedad
interior para la red SOFMN.................................................................................. 165
Ilustracin 127. Variacin de la salida frente a la variable de entrada Radiacin
global para la red SOFMN. ................................................................................... 166
Ilustracin 128. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal SOFMN simulando el control sobre el
sistema. ................................................................................................................... 167
Ilustracin 129. Comparativa de la sensibilidad de la salida en funcin de las
variables de entrada para cada red neuronal entrenada. ................................... 170
Ilustracin 130. Microcontrolador PIC18F2520: Encapsulado y distribucin de pines.
................................................................................................................................. 197
Ilustracin 131. Localizacin de cajas de registro en planta baja. En fondo verde las
que contienen tarjetas domticas y su interconexin en el bus. ......................... 198
Ilustracin 132. Localizacin de cajas de registro en planta primera. En fondo verde
las que contienen tarjetas domticas y su interconexin en el bus. ................... 199
Ilustracin 133. Tarjeta domtica: Esquema placa base. ............................................ 200
Ilustracin 134. Tarjeta domtica: PCB placa base. .................................................... 201
Ilustracin 135. Conexin del cableado del bus y los conectores RJ-45. .................... 202
Ilustracin 136. Cable de par trenzado utilizado para el bus. .................................... 203
Ilustracin 137. Tarjeta domtica: Esquema mdulo de 2 salidas de activacin por
optotriac. ................................................................................................................. 204
Ilustracin 138. Tarjeta domtica: PCB mdulo de 2 salidas de activacin por
optotriac. ................................................................................................................. 204
Ilustracin 139. Tarjeta domtica: Esquema mdulo de 4 salidas de activacin por
optotriac. ................................................................................................................. 205
Ilustracin 140. Tarjeta domtica: PCB mdulo de 4 salidas de activacin por
optotriac. ................................................................................................................. 205
Ilustracin 141. Tarjeta domtica: Esquema mdulo de 2 salidas con activacin por
rel. ......................................................................................................................... 207
Ilustracin 142. Tarjeta domtica: PCB mdulo de 2 salidas con activacin por rel.
................................................................................................................................. 208
Ilustracin 143. Tarjeta domtica: Esquema mdulo de salida de persiana con
activacin por rel. ................................................................................................. 209
Ilustracin 144. Tarjeta domtica: PCB mdulo de salida de persiana con activacin
por rel. ................................................................................................................... 210
xiv
ndice de ilustraciones
Ilustracin 145. Sensor digital integrado doble de temperatura y humedad. ........... 210
Ilustracin 146. Sensor de iluminacin BH1750FVI. .................................................. 211
Ilustracin 147. Medidor de energa elctrica. ............................................................. 212
Ilustracin 148. Detectores de presencia empleados. .................................................. 213
Ilustracin 149. Software para Windows de control y monitorizacin de la instalacin
domtica.................................................................................................................. 214
Ilustracin 150. Pasarela Ethernet a serie TTL Digi Connect ME. ........................... 215
Ilustracin 151. Software para Android de monitorizacin y control de la instalacin
domtica.................................................................................................................. 217
Ilustracin 152. Men de configuracin de las tarjetas domticas desde Android. .. 219
Ilustracin 153. Caldera mural estanca de gas natural ROCA VEGA 24 AIFM. ..... 221
Ilustracin 154. Panel de control de la caldera ROCA VEGA 24 AIFM. ................... 222
Ilustracin 155. Enfriadora CARRIER Aquasnap Junior 30RA007. ......................... 223
Ilustracin 156. Lmites de funcionamiento enfriadora CARRIER Aquasnap Junior
30RA007. ................................................................................................................ 227
Ilustracin 157. Presin total disponible enfriadora CARRIER Aquasnap Junior
30RA007. ................................................................................................................ 227
Ilustracin 158. Fancoil ROCA serie RFR con ventilador tangencial. ....................... 229
Ilustracin 159. Curvas de rendimiento en enfriamiento de los Fancoils ROCA serie
RFR funcionando a la mxima velocidad. ............................................................ 231
Ilustracin 160. Curvas de rendimiento en calentamiento de los aparatos RFR
funcionando a la mxima velocidad. ..................................................................... 233
Ilustracin 161. Distribucin de pines en el microcontrolador PIC18F2520. ............ 235
Ilustracin 162. Diagrama de bloques del microcontrolador PIC18F2520. ............... 236
Ilustracin 163. Configuracin y circuito tpico de funcionamiento del transceptor
RS485 MAX13088E. .............................................................................................. 246
xv
1. Descripcin
A continuacin se detallan los datos del ttulo de esta Tesis Doctoral,
autor, lnea de investigacin y directores de la misma.
Captulo 1
1.2. Autor
Juan Ramn Villodas Orte.
Captulo 2
2.1. Conceptos
En el panorama tecnolgico actual nos encontramos con tres trminos
relacionados con la tecnologa aplicada a los edificios:
Multimedia
Ilustracin 1. Elementos de integracin de la domtica.
Captulo 2
2.2.1.
Sistemas centralizados.
Captulo 2
Interface
Sensor
Sensor
Actuador
Controlador
central domtico
Actuador
Actuador
Sensor
Interface
Sistemas descentralizados
Captulo 2
Actuador
Controlador
Interface
Sensor
Sensor
BUS
Controlador
Actuador
Actuador
Controlador
Interface
Actuador
Sensor
10
El bus X10 tiene puntos dbiles que hacen que no sea una solucin
vlida en todos los entornos:
11
Captulo 2
12
13
Captulo 2
Medio
OSIRIS rf Wireless
Home Automation
Residential Gateway
and Nodes
RF
BatiBUS Club
International (BCI)
Bluetooth
CEBus (Consumer
Electronics Bus)
Par
Trenzado
RF
Todos
EIA-776
Par
Trenzado
EIB (European
Installation Bus)
Par
Trenzado
Todos
Descripcin
Nodos de todos los tipos que combinan su arquitectura de
red para cubrir grandes reas con tan slo 1 mW de salida,
todos ellos estn identificados (como una red TCP/IP) y
todos son emisores y receptores. El carcter abierto de su
hardware y software hacen posible cualquier tipo de
instalacin.
Sensores de unin y actuadores para construir sistemas
que controlen HVAC, seguridad fsica y personal, acceso.
Programada su convergencia con EIB y EHS.
Bluetooth es el nombre de guerra para unas
especificaciones embebidas en un chipset de bajo coste,
uniones cortas entre PCs porttiles, telfonos mviles y
otros dispositivos portables. El Grupo de Trabajo de
Bluetooth est compuesto por empresas lderes en la
industria de las telecomunicaciones y del sector de las T.I.
que estn apostando fuerte para llevar al mercado
desarrollos con esta tecnologa. Orientado al entorno de
las PAN (Personal Area Network), no es adecuada para
"Home Automation".
El Standard CEBus (EIA-600) es un protocolo desarrollado
por la Asociacin de Industrias Electrnicas (EIA) para
hacer posible la interconexin y comunicacin entre
dispositivos electrnicos en el hogar.
CEBus / EIB Router Communications Standard.
Sensores y actuadores para construir sistemas que
controlen HVAC (Acondicionamiento), seguridad fsica y
personal, acceso. Programada su convergencia con EHS y
BatiBus.
Una colaboracin entre industrias y gobiernos Europeos
sobre Domtica. Entre alguna de sus misiones la EHSA
tiene el objetivo de la armonizacin y estandarizacin en
Europa de un BUS comn (EHS). Programado su
convergencia con EIB y BatiBus.
14
Medio
Descripcin
HAVi es un standard que asegurara la interoperabilidad
entre dispositivos de Audio digital y dispositivos de Video
HAVI (Home Audio
IEEE
de diferentes fabricantes que podrn conectarse entre
Visual
1394
ellos formando una red en el hogar del consumidor.
Interoperability)
Liderado por industrias punteras en el sector del
Audio/Video.
Un consorcio de compaas Japonesas soportado por
agencias gubernamentales y asociaciones de negocio con
HBS (Home Bus
Coax/Par el objetivo de especificar estndares de comunicacin en
System)
Trenzado dispositivos domticos, adems de asegurar va pares
trenzados y cables coaxiales la unin de stos con
dispositivos telefnicos y audio/video.
El Home Electronic System (HES) es un standard bajo
desarrollo de un grupo de trabajo dirigido por la ISO
(International Organization for Standardization) y la IEC
(International Electrotechnical Commission) de Ginebra,
Todos
Suiza. Un primer objetivo de HES es especificar hardware y
software con el que cualquier fabricante pudiera ofrecer
HES (Home Electronic
una versin de producto que fuera operativa en varias
System)
redes distintas de automatizacin del hogar.
El Grupo de Trabajo Home API est dedicado a establecer
las pautas con una especificacin abierta que defina un set
HomeAPI
Todos
standard de servicios de programacin y API,s, que
permitan el desarrollo de aplicaciones de software para
monitorizar y controlar dispositivos domticos.
Provee interoperabilidad entre productos con mltiples
Home Plug and Play
Todos
protocolos de transporte. Visto por el CEBus Industry
Council.
El Home Phoneline Networking Alliance (HomePNA) es una
asociacin de industrias lderes trabajando conjuntamente
HomePNA (Home
Lnea
en la adopcin de una nica y unificada red telefnica que
Phoneline Network
telefnica a travs del standard sirva para rpidamente sacar al
Alliance)
mercado soluciones compatibles de "networking".
Haciendo uso de la RTB en cada uno de los hogares.
La misin del grupo de trabajo HomeRF es hacer posible un
amplio rango de productos electrnicos de consumo que
HomeRF (Home
operen entre s, estableciendo una especificacin abierta
Radio Frequency
RF
para comunicaciones digitales de RF (sin licencia), para PCs
Working Group)
y productos electrnicos de consumo en cualquier sitio
dentro y alrededor del hogar.
15
Captulo 2
Medio
Todos
LonMark
Interoperability
Association
Todos
Todos
Todos
Lnea
elctrica
ZIGBEE Varios
(NOV.2001)
RF
Descripcin
La tecnologa Jini provee de simples mecanismos que
posibilitan a los dispositivos conectarlos en una red donde
cada uno de ellos es capaz de aprovechar los servicios que
el resto de dispositivos en la misma red son capaces de
anunciar, sin previa planificacin, ni intervencin humana.
La asociacin LonMark tiene la misin de integrar
fcilmente dispositivos multi-vendor basados en redes
LonWorks, haciendo uso de herramientas y componentes
estndar.
La especificacin OSGi crear un standard abierto entre
una "gateway" de servicio que est insertada entre la red
exterior y las redes internas.
El Universal Plug and Play Forum es un standard de un
grupo de industrias que promueven protocolos de red y
protocolos de comunicacin entre dispositivos.
30 compaas se unen para desarrollar un standard de
"Home Networking" por lneas elctricas.
ste puede ser uno de los que van a decir algo en breve en
el mundo de la domtica.
WiMAX Worldwide
interoperability for
Microwave Access
Varios
RF
Mobile Broadband
Wireless Access
MBWA Varios
RF
16
Sharewave
Sharewave Inc.
Medio
Descripcin
HomeConnex es una red de entretenimiento en el hogar que
RF/IR
unifica PCs, TVs, audio/video y set-top box en un sistema
/Coax
integrado.
Los PLCs de Intellon y sus tecnologas de RF posibilitan
Lnea
comunicaciones de alta velocidad y extienden el uso de internet a
elctrica
productos individuales sin aadir nuevos cables. Incorpora
/RF
tecnologa CEBus.
Redes de control comerciales y para el hogar. Una red LonWorks
es un grupo de dispositivos trabajando juntos para sensorizar,
Todos
monitorizar, comunicar, y de algunas maneras controlar. Es muy
parecido a lo que puede ser una LAN de PCs.
ShareWave Digital Wireless es un conjunto de tecnologas que
posibilitan conexiones sin cables digitales con capacidad de
multimedia en tiempo real entre dispositivos en el hogar. Los
RF
sistemas construidos haciendo uso de ShareWave Digital Wireless
son capaces de enviar y recibir, video en tiempo real, audio
calidad CD, voz, datos, y entradas de usuario de forma inmediata.
Lnea
El padre de los protocolos, a travs de lneas de corriente facilita
elctrica el control de dispositivos domticos sin instalacin en cualquier
casa.
/RF
El primer sistema completo RF, su alta fiabilidad y la flexibilidad
RF
que ofrece el no tener que crear infraestructura cableada lo hace
idoneo para su expansin (RAPHAEL PROTOCOL).
NFC (Near Field Communication ) es una asociacin no lucrativa
RF Corto de la industria fundada por Nokia, Philips y Sony para avanzar en
alcance el uso de la comunicacin inalmbrica de corto alcance entre la
electrnica de consumo, dispositivos mviles y el PC.
DOMOTIUM
Todas
Domodesk
17
Captulo 2
Sistemas de confort
Sistemas de seguridad
18
Proteccin anti-intrusin:
o Sensores de presencia: Barreras ultrasnicas e
infrarrojas, sensores de movimiento por infrarrojos o
microondas.
o Detectores de rotura de cristal y apertura de puertas y
ventanas.
o Alarmas acsticas, visuales y de aviso telefnico.
Videovigilancia:
o Cmaras fijas, motorizadas, con visin nocturna.
o Videograbadores multiplex con grabacin digital de
imgenes y transmisin de eventos e imgenes a travs
de internet.
Alarmas tcnicas:
o Deteccin de fugas de agua, fugas de gas, humo,
incendio, etc.
o Alertas ante cortes de
electricidad, telfono, etc.
suministros:
agua,
gas,
19
Captulo 2
Comunicaciones
2.4.4.
Eficiencia energtica
20
21
Captulo 2
22
23
Captulo 2
24
25
Captulo 2
(Lehar & Glicksman, 2007), (Hviid, Nielsen, & Svendsen, 2008), (Chen,
Li, & Chen, 2009), (Koo, Yeo, & Kim, 2010), (Park, Choi, Jeong, & Lee,
2011), (Wymelenberg, 2012) y (Zhang & Birru, 2012) se han centrado en
el control de persianas venecianas para regular la intensidad luminosa
del interior de las estancias pero no contemplan el impacto trmico que
pueden controlar.
Otros como (Reinhart, 2004), (Tzempelikos & Athienitis, 2007),
(Tzempelikos, 2008), (Simmler & Binder, 2008), (Hu & Olbina, 2011) y
(Oldewurtel, y otros, 2012) centran la simulacin en el control del flujo
luminoso, sin tener tampoco en cuenta el aporte extra de energa del sol.
Las persianas venecianas son uno de los recursos ms utilizados para
la regulacin de la incidencia solar hacia los edificios en diversos pases.
La mayora de los estudios centran sus esfuerzos, como se ha comentado
antes, en determinar el impacto en la luminosidad mientras que algunos
como (Pfrommer, Lomas, & Kupke, 1996), (Park & Athienitis, 2003) y
(Kuhn T. E., 2006) s realizan estimaciones, mediante simulacin, sobre
la transferencia trmica en funcin de su uso.
En el estudio de (David, Donn, Garde, & Lenoir, 2011) se tienen en
consideracin diferentes sistemas para reducir la radiacin solar pero no
se valora el ahorro energtico que se puede obtener con ellos.
Otros autores como (Guillemin & Molteni, 2002) se han decantado por
el empleo de lgica Fuzzy y algoritmos genticos para adaptar el grado
de apertura de las persianas en un sistema automatizado; pero slo para
adaptarlo a los niveles de iluminacin requeridos por el usuario. Al no
tener en cuenta el sistema de climatizacin, este sistema es susceptible
de ser mejorado.
La consideracin, hecha por (Shen & Tzempelikos, 2012), del uso de
persianas interiores prev la mejora del ahorro energtico gracias a la
automatizacin; pero se mejora si no es slo simulacin.
Algoritmos de aprendizaje, como el presentado por (Shaikh P. H., Nor,
Nallagownden, Elamvazuthi, & Ibrahim, 2014), y otros algoritmos de
estrategias de prediccin, como el de (Zamora-Martnez, Romeu, BotellaRocamora, & Pardo, 2014), son susceptibles de ser mejorados
incorporando como variable de entrada la incidencia de la radiacin
solar y como variable de control la regulacin de las persianas para dar
mucha mayor versatilidad y mejorar la eficiencia energtica.
26
27
3. Justificacin
La idea de esta Tesis Doctoral surge como una nueva utilidad de los
sistemas domticos centrada en el ahorro energtico. En base a la misma
se ha implementado una aplicacin prctica de un sistema domtico
experimental que se ha implantado en una vivienda unifamiliar de
Rincn de Soto, La Rioja (Espaa). Se trata de un sistema domtico
basado en un desarrollo personal y no en componentes comerciales, lo
que permite la implantacin libre/abierta de algoritmos de control
especficos para aumentar las capacidades de gestin de la vivienda.
Esto no supone una barrera para que el sistema se implante en
instalaciones domticas comerciales mediante la inclusin de un sistema
de control adicional, en algunos casos, o mediante la programacin
dedicada en otros.
La observacin diaria del comportamiento de los sistemas de
climatizacin en verano sometidos a las condiciones de irradiacin solar
da pie al estudio de la optimizacin mediante la regulacin de esta
irradiacin solar a travs de las persianas motorizadas.
El proceso de regulacin manual consiste, como es lgico, en
aprovechar la energa solar irradiada subiendo las persianas en
invierno, para calentar las estancias, y justamente lo contrario en
verano; es decir, bajarlas para no sobrecalentar.
En una vivienda no domtica se requiere la atencin del usuario en
momentos del da para que su actuacin sobre las persianas permita
mantener una temperatura de confort en la vivienda. La automatizacin
de las persianas libera al usuario de esta actuacin continua adems de
propiciar el ahorro energtico.
Uno de los equipos comnmente presentes en una instalacin
domtica en nuestra rea geogrfica como es la automatizacin de las
persianas puede permitir un incremento en la eficiencia energtica de la
vivienda en lo relativo a la climatizacin. El uso de persianas enrollables
exteriores, tanto manuales como motorizadas, no es de uso regular en
29
Captulo 3
30
4. Objetivos
En este apartado se detallan los objetivos tanto generales como
especficos que han dado lugar a esta Tesis Doctoral.
31
Captulo 4
32
Objetivos
entrenadas se aplica sobre los datos del ao sin control para comprobar
el ahorro energtico que se hubiera obtenido de haberse aplicado el
algoritmo en ese ao.
33
5. Metodologa
Se ha diseado e implementado una planta piloto real en la que se
cuenta con un sistema domtico abierto (un diseo propio que deja
completamente abierta la programacin y que permite tanto la
integracin de mdulos comerciales como la de diseos propios).
Adems se ha diseado un algoritmo de control que permite
automatizar el control de las persianas, de modo que acten como
paneles solares controlados
Sobre dicha planta se han tomado medidas durante dos aos
meteorolgicamente comparables (en los periodos de esto). El primer
ao permite obtener la informacin del sistema previamente a la
implementacin de los algoritmos de control. El segundo ao refleja el
comportamiento del sistema funcionando en base a las consignas del
sistema de control implementado.
Sobre el ao controlado se han aplicado tcnicas de inteligencia
artificial, basadas en redes neuronales, que han permitido obtener
diferentes modelos de comportamiento energtico del sistema de
refrigeracin.
Se ha realizado un estudio del comportamiento de los diferentes
modelos en base a los errores y sensibilidad de los mismos.
Con cada uno de los modelos se ha recalculado el consumo del sistema
sobre el ao sin control, simulando el consumo energtico que se
hubiese obtenido en el caso de haber utilizado control.
Posteriormente se ha realizado una comparativa entre el
comportamiento de los diferentes modelos y se han extrado
conclusiones.
Para todo ello ha sido necesario incidir sobre el diseo de la edificacin
(para una integracin eficiente del sistema domtico) e implementar el
algoritmo de control.
35
Captulo 5
36
Metodologa
37
Captulo 5
Saln
Dormitorio 1
Cocina
Dormitorio 4
Bao 1
Dormitorio 3
Dormitorio 2
Bao 2
38
Metodologa
Estas cinco ltimas estancias estn sometidas a sombras de las
paredes del patio interior.
El estudio que se realiza se centra en la fachada principal ya que es
la que ms est influenciada por la radiacin solar y tambin es la que
tiene mayor superficie acristalada.
39
Captulo 5
40
Metodologa
41
Captulo 5
42
Metodologa
5.2.1.
Tarjetas domticas
5.2.2.
Gestin de la climatizacin
5.2.3.1. Fancoils
La climatizacin de la instalacin se gestiona mediante fancoils
ROCA (ANEXO 1. ESPECIFICACIONES TCNICAS, apartado 12.2.3,
pgina 228) repartidos por las diferentes estancias que permiten realizar
las funciones de calentamiento y enfriamiento. Los fancoils son
dispositivos de climatizacin que constan de una batera o
intercambiador, vlido para fro y calor, ms un ventilador tangencial.
43
Captulo 5
44
Metodologa
45
Captulo 5
46
Metodologa
5.2.4.
47
Captulo 5
48
Metodologa
Algoritmo de control
de persianas
Arriba
No
Posicin
Persiana?
Abajo
Radiacin <
Umbral mn.?
Radiacin >
Umbral mx.?
No
No
Retardo
Retardo
Radiacin >
Umbral mx.?
Radiacin <
Umbral mn.?
No
Subir
Persiana
Bajar
Persiana
49
Captulo 5
50
Metodologa
51
Captulo 5
Unidades
Temperatura exterior
Temperatura interior
W/m2
Nivel de iluminacin
lx
kWh
52
Metodologa
53
55
Captulo 6
56
57
Captulo 6
= 0.25 + 0.75
Ecuacin 1. Clculo del error de la red entrenada para comparar entre diferentes
redes.
58
59
Captulo 6
o Genetic Algorithm
o Transfer: TanhAxon
o Learning rule: Momentum
Momentum: 0.7
Momentum: 0.7
Momentum: 0.7
60
Datos de entrada:
o Temperatura interior
o Temperatura exterior
o Humedad relativa interior
o Humedad relativa exterior
o Radiacin global acumulada
61
Captulo 6
MSE
0.012
0.01
0.008
0.006
0.004
0.002
0
1
13
17
21
25
29
33
37
41
45
49
Generation
Best Fitness
Ilustracin 19. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red MLP.
62
MSE
0.12
0.1
0.08
0.06
0.04
0.02
0
1
13
17
21
25
29
33
37
41
45
49
Generation
Average Fitness
Ilustracin 20. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red MLP.
Best Fitness
17
0.014405851
0.014405851
Average Fitness
33
0.015012259
0.016505869
Variable
Minimum MSE
Final MSE
Significado
Minimum Mean squared error
(Mnimo error cuadrtico medio)
Final Mean squared error
(Valor final del error cuadrtico medio)
63
Captulo 6
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
170
339
508
677
846
1015
1184
1353
1522
1691
-0.2
Exemplar
En (kWh)
En (kWh) Output
En (kWh)
0.01246229
0.157631803
0.083033546
0.000146975
0.59763577
0.925775377
64
Significado
Output
0.8
0.6
0.4
0.2
0
1
41
81
121
161
201
241
281
321
361
401
-0.2
Exemplar
En (kWh)
En (kWh) Output
65
Captulo 6
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.015028327
0.154128752
0.0922495
2.73445E-05
0.461370382
0.924570705
2.5
Output
1.5
0.5
0
1
223
445
667
889
1111
1333
1555
1777
1999
2221
-0.5
Exemplar
En (kWh)
En (kWh) Output
66
En (kWh)
0.04307595
0.238466137
0.142966519
6.44908E-05
0.995880459
0.893350771
Sensitivity
0.05
0.04
0.03
0.02
0.01
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
67
Captulo 6
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.022960454
0.007837492
0.001020798
0.063703725
0.025176415
Tabla 11. Valores de sensibilidad de la salida frente a las variables de entrada para
la red MLP.
Output(s)
0.05
0.04
0.03
0.02
0.01
0
-0.01
-0.02
68
Output(s)
0.02
0.015
0.01
0.005
0
-0.005
Output(s)
0.01
0.008
0.006
0.004
0.002
0
69
Captulo 6
Output(s)
0.15
0.1
0.05
0
-0.05
-0.1
Output(s)
0.04
0.03
0.02
0.01
0
-0.01
-0.02
-0.03
70
6.2.4.
71
Captulo 6
2
1.8
1.6
1.4
En (kW.h)
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 30. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal MLP simulando el control sobre el sistema.
72
Las redes RBF son redes hbridas no lineales. La capa de la red RBF
utiliza funciones de transferencia gaussianas en lugar de las funciones
sigmoidales estndares empleadas por las redes MLP. Los centros y
anchuras de las gaussianas son fijados por reglas de aprendizaje sin
supervisin, y el aprendizaje supervisado se aplica a la capa de salida.
Estas redes tienden a aprender mucho ms rpido que las MLP.
De hecho, si se elige una regresin generalizada o una red
probabilstica, todos los pesos de la red pueden ser calculados
analticamente. En este caso, el nmero de centros de los clusters son,
por definicin, igual al nmero de individuos, y estn configurados con
la misma varianza.
En las redes estndar RBF, el segmento supervisado de la red slo
necesita producir una combinacin lineal de la salida en la capa sin
supervisin. Se puede aadir capas ocultas para hacer que el segmento
supervisado sea un MLP en lugar de un perceptrn simple lineal.
73
Captulo 6
6.3.1.
Momentum: 0.7
74
Momentum: 0.7
Momentum: 0.7
Datos de entrada:
o Temperatura interior
o Temperatura exterior
o Humedad relativa interior
75
Captulo 6
MSE
0.0142
0.0141
0.014
0.0139
0.0138
0.0137
0.0136
1
11
13
15
17
19
21
23
25
Generation
Best Fitness
Ilustracin 33. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red RBF.
76
MSE
0.03
0.025
0.02
0.015
0.01
0.005
0
1
11
13
15
17
19
21
23
25
Generation
Average Fitness
Ilustracin 34. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin en la red RBF.
Optimization Summary
Generation #
Minimum MSE
Final MSE
Best Fitness
7
0.013923945
0.013923945
Average Fitness
15
0.014018586
0.01487344
77
Captulo 6
Output
0.8
0.6
0.4
0.2
0
1
170
339
508
677
-0.2
846
1015
1184
Exemplar
1353
1522
1691
En (kWh)
En (kWh) Output
En (kWh)
0.011653821
0.147405716
0.063741409
1.98235E-05
0.64639773
0.923360502
78
1.4
1.2
1
Output
0.8
0.6
0.4
0.2
0
1
-0.2
41
81
121
161
201
241
281
Exemplar
321
361
401
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.014525597
0.148972813
0.076908602
2.36602E-05
0.532991806
0.922579174
79
Captulo 6
Output
1.5
0.5
0
1
223
445
667
889
1111
1333
1555
1777
1999
2221
-0.5
Exemplar
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.045432781
0.251513428
0.129453743
5.53804E-07
1.047675501
0.887855532
80
Sensitivity
0.03
0.025
0.02
0.015
0.01
0.005
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.017225455
1.05367E-09
1.05367E-09
0.03877959
0.030234022
Tabla 16. Valores de sensibilidad de salida frente a las variables de entrada para la
red RBF.
81
Captulo 6
Output(s)
0.06
0.05
0.04
0.03
0.02
0.01
0
Output(s)
0.025
0.02
0.015
0.01
0.005
0
82
Output(s)
0.025
0.02
0.015
0.01
0.005
0
Output(s)
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
83
Captulo 6
Output(s)
0.1
0.08
0.06
0.04
0.02
0
6.3.4.
84
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 44. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal RBF simulando el control sobre el sistema.
85
Captulo 6
6.4.1.
86
Momentum: 0.7
Momentum: 0.7
87
Captulo 6
Momentum: 0.7
Datos de entrada:
o Temperatura interior
o Temperatura exterior
o Humedad relativa interior
o Humedad relativa exterior
o Radiacin global acumulada
88
MSE
0.0138
0.0137
0.0136
0.0135
0.0134
0.0133
0.0132
1
10
11
12
13
14
15
16
17
18
19
20
Generation
Best Fitness
Ilustracin 47. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red GFF.
89
Captulo 6
MSE
0.025
0.02
0.015
0.01
0.005
0
1
10
11
12
13
14
15
16
17
18
19
20
Generation
Average Fitness
Ilustracin 48. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red GFF.
Best Fitness
16
0.013475691
0.013475691
Average Fitness
20
0.013540776
0.013540776
90
1.2
Output
0.8
0.6
0.4
0.2
0
1
170
339
508
677
846
1015
1184
1353
1522
1691
-0.2
Exemplar
En (kWh)
En (kWh) Output
En (kWh)
0.010576989
0.133785193
0.060189727
4.23595E-06
0.600000214
0.930708988
91
Captulo 6
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
41
81
121
161
201
241
281
321
361
401
-0.2
Exemplar
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.014057974
0.144176929
0.076044785
6.65229E-05
0.438894239
0.92510912
92
2.5
Output
1.5
0.5
0
1
223
445
667
889
1111
1333
1555
1777
1999
2221
-0.5
Exemplar
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.042186923
0.233544532
0.125460921
8.16312E-07
1.031379038
0.896844586
93
Captulo 6
Sensitivity
0.05
0.04
0.03
0.02
0.01
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.017330325
0.007656328
0
0.062638048
0.035140869
Tabla 21. Valores de sensibilidad de la salida frente a las variables de entrada para
la red GFF.
94
Output(s)
0.06
0.05
0.04
0.03
0.02
0.01
0
Output(s)
0.03
0.025
0.02
0.015
0.01
0.005
0
95
Captulo 6
Output(s)
0.02
0.015
0.01
0.005
0
Output(s)
0.2
0.15
0.1
0.05
0
-0.05
96
Output(s)
0.08
0.06
0.04
0.02
0
-0.02
6.4.4.
97
Captulo 6
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 58. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal GFF simulando el control sobre el sistema.
98
99
Captulo 6
6.5.1.
Momentum: 0.7
100
Momentum: 0.7
Momentum: 0.7
Datos de entrada:
o Temperatura interior
o Temperatura exterior
o Humedad relativa interior
o Humedad relativa exterior
101
Captulo 6
MSE
0.0146
0.0144
0.0142
0.014
0.0138
0.0136
0.0134
1
Generation
Best Fitness
Ilustracin 61. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red TLRN.
102
MSE
0.03
0.025
0.02
0.015
0.01
0.005
0
1
Generation
Average Fitness
Ilustracin 62. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red TLRN.
103
Captulo 6
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
165
329
493
657
821
985
1149
1313
1477
1641
-0.2
Exemplar
En (kWh)
En (kWh) Output
En (kWh)
0.011361795
0.143682263
0.067982428
1.93563E-05
0.647891556
0.927662649
104
1.2
Output
0.8
0.6
0.4
0.2
0
1
41
81
121
161
201
241
281
321
361
401
-0.2
Exemplar
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.014704261
0.150805171
0.084207537
3.14442E-05
0.558915964
0.921719331
105
Captulo 6
2.5
Output
1.5
0.5
0
1
223
445
667
889
1111
1333
1555
1777
1999
2221
-0.5
Exemplar
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.052383244
0.289990818
0.150695039
1.15781E-05
1.084716946
0.88060782
106
0.03
0.025
0.02
0.015
0.01
0.005
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.034643211
0.000969666
0.018066204
0.041054291
0.043257916
Tabla 26. Valores de sensibilidad de la salida frente a las variables de entrada para
la red TLRN.
107
Captulo 6
Output(s)
0.1
0.08
0.06
0.04
0.02
0
-0.02
Output(s)
0.03
0.025
0.02
0.015
0.01
0.005
0
108
Output(s)
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
Output(s)
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
109
Captulo 6
Output(s)
0.1
0.08
0.06
0.04
0.02
0
-0.02
-0.04
6.5.4.
110
En (kW.h)
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 72. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal TLRN simulando el control sobre el sistema.
111
Captulo 6
En contraste con las redes MLP, las redes MNN no tienen plena
interconectividad entre sus capas. Por lo tanto, se requiere un nmero
ms reducido de pesos para el mismo tamao de red (es decir, el mismo
112
Momentum: 0.7
113
Captulo 6
o Upper PEs: 7
o Genetic Algorithm
o Upper Transfer: TanhAxon
o Lower PEs: 7
o Genetic Algorithm
o Lower Transfer: TanhAxon
o Learning rule: Momentum
Momentum: 0.7
Momentum: 0.7
114
Datos de entrada:
o Temperatura interior
o Temperatura exterior
o Humedad relativa interior
o Humedad relativa exterior
o Radiacin global acumulada
115
Captulo 6
6.6.2.
MSE
0.0145
0.014
0.0135
0.013
0.0125
1
Generation
10
11
12
13
Best Fitness
Ilustracin 75. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red MNN.
116
MSE
0.05
0.04
0.03
0.02
0.01
0
1
10
11
Generation
12
13
Average
Ilustracin 76. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red MNN.
Best Fitness
13
0.01339395
0.01339395
Average Fitness
7
0.01382647
0.027020684
117
Captulo 6
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
170
339
508
677
846
1015
1184
-0.2
Exemplar
1353
1522
1691
En (kWh)
En (kWh) Output
En (kWh)
0.010685482
0.135157488
0.059916235
5.46778E-06
0.596406705
0.929971358
118
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
41
81
121
161
-0.2
201
241
281
Exemplar
321
361
401
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.013972701
0.143302375
0.075523032
8.90003E-05
0.456209197
0.92560764
119
Captulo 6
2.5
Output
1.5
0.5
0
1
223
445
667
889
1111
1333
1555
-0.5
Exemplar
1777
1999
2221
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.042066774
0.232879395
0.124310039
3.9177E-06
1.021404669
0.897365164
120
0.045
0.04
0.035
Sensitivity
0.03
0.025
0.02
0.015
0.01
0.005
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.017062844
0.006274729
2.7894E-17
0.043687506
0.034983125
Tabla 31. Valores de sensibilidad de la salida frente a las variables de entrada para
la red MNN.
121
Captulo 6
Output(s)
0.06
0.05
0.04
0.03
0.02
0.01
0
16.197 17.152 18.108 19.064 20.020 20.976 21.932 22.887 23.843 24.799 25.755 26.711
En (kWh)
Output(s)
0.025
0.02
0.015
0.01
0.005
0
22.433 22.642 22.851 23.060 23.268 23.477 23.686 23.895 24.103 24.312 24.521 24.729
En (kWh)
122
Output(s)
0.012
0.01
0.008
0.006
0.004
0.002
0
46.246 49.538 52.829 56.121 59.413 62.705 65.997 69.289 72.581 75.873 79.165 82.457
En (kWh)
Output(s)
0.12
0.1
0.08
0.06
0.04
0.02
0
26.259 29.579 32.900 36.221 39.541 42.862 46.183 49.503 52.824 56.145 59.465 62.786
En (kWh)
123
Captulo 6
Output(s)
0.1
0.08
0.06
0.04
0.02
0
-53.841
-0.02
3.869
61.578 119.288 176.998 234.707 292.417 350.126 407.836 465.546 523.255 580.965
En (kWh)
6.6.4.
124
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 86. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal MNN simulando el control sobre el sistema.
125
Captulo 6
126
127
Captulo 6
Momentum: 0.7
Momentum: 0.7
Datos de entrada:
128
129
Captulo 6
MSE
0.012
0.01
0.008
0.006
0.004
0.002
0
1
11
13
15
17
19
21
23
25
27
Generation
Best Fitness
Ilustracin 89. Evolucin del error cuadrtico medio (MSE) en el mejor individuo de
la red PCA.
130
MSE
0.03
0.025
0.02
0.015
0.01
0.005
0
1
11
13
15
17
19
21
23
25
27
Generation
Average Fitness
Ilustracin 90. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red PCA.
Best Fitness
18
0.013170459
0.013170459
Average Fitness
26
0.013403002
0.01382321
131
Captulo 6
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
170
339
508
677
-0.2
846
1015
1184
Exemplar
1353
1522
1691
En (kWh)
En (kWh) Output
En (kWh)
0.010619569
0.134323766
0.06245833
1.08919E-06
0.627737747
0.930420793
132
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
41
81
121
161
-0.2
201
241
281
Exemplar
321
361
401
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.013739553
0.140911242
0.077319044
1.76096E-05
0.467857777
0.926886739
133
Captulo 6
2.5
Output
1.5
0.5
0
1
223
445
667
889
1111
1333
1555
1777
1999
2221
-0.5
Exemplar
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.041165027
0.227887371
0.125671727
4.60973E-06
1.01156816
0.902411645
134
0.04
0.035
Sensitivity
0.03
0.025
0.02
0.015
0.01
0.005
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.016505975
0.005227746
0.020659382
0.038748913
0.038087609
Tabla 36. Valores de sensibilidad de la salida frente a las variables de entrada para
la red PCA.
135
Captulo 6
Output(s)
0.05
0.04
0.03
0.02
0.01
0
16.197 17.152 18.108 19.064 20.020 20.976 21.932 22.887 23.843 24.799 25.755 26.711
Output(s)
0.025
0.02
0.015
0.01
0.005
0
22.433 22.642 22.851 23.060 23.268 23.477 23.686 23.895 24.103 24.312 24.521 24.729
136
Output(s)
0.06
0.05
0.04
0.03
0.02
0.01
0
46.246 49.538 52.829 56.121 59.413 62.705 65.997 69.289 72.581 75.873 79.165 82.457
Output(s)
0.1
0.08
0.06
0.04
0.02
0
26.259 29.579 32.900 36.221 39.541 42.862 46.183 49.503 52.824 56.145 59.465 62.786
-0.02
En (kWh)
137
Captulo 6
Output(s)
0.1
0.08
0.06
0.04
0.02
0
-53.841
-0.02
3.869
61.578 119.288 176.998 234.707 292.417 350.126 407.836 465.546 523.255 580.965
6.7.4.
138
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 100. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal PCA simulando el control sobre el sistema.
139
Captulo 6
140
Configuracin de la red RN
Momentum: 0.7
141
Captulo 6
Momentum: 0.7
Momentum: 0.7
142
Datos de entrada:
o Temperatura interior
o Temperatura exterior
o Humedad relativa interior
o Humedad relativa exterior
o Radiacin global acumulada
143
Captulo 6
0.02
MSE
0.015
0.01
0.005
0
1
10
13
16
19
22
25
28
31
34
37
40
Generation
Best Fitness
Ilustracin 103. Evolucin del error cuadrtico medio (MSE) en el mejor individuo
de la red RN.
144
MSE
0.06
0.05
0.04
0.03
0.02
0.01
0
1
10
13
16
19
22
25
28
31
34
37
40
Generation
Average Fitness
Ilustracin 104. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red RN.
Best Fitness
8
0.014081253
0.014081253
Average Fitness
34
0.014164879
0.014907414
145
Captulo 6
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
165
329
493
657
-0.2
821
985
1149
Exemplar
1313
1477
1641
En (kWh)
En (kWh) Output
En (kWh)
0.011100491
0.140377796
0.063689355
4.88393E-06
0.525900781
0.927177406
146
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
41
81
121
161
-0.2
201
241
281
Exemplar
321
361
401
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.014722461
0.150991832
0.078769611
1.10814E-05
0.524122828
0.921770385
147
Captulo 6
2.5
Output
1.5
0.5
0
1
223
445
667
889
-0.5
1111
1333
1555
Exemplar
1777
1999
2221
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.050622755
0.280244846
0.143633635
5.09076E-05
0.999112404
0.851576686
148
0.04
0.035
Sensitivity
0.03
0.025
0.02
0.015
0.01
0.005
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.027236961
0.008996452
0.001025524
0.036032649
0.026309675
Tabla 41. Valores de sensibilidad de la salida frente a las variables de entrada para
la red RN.
149
Captulo 6
Output(s)
0.08
0.06
0.04
0.02
0
16.171 17.125 18.078 19.032 19.986 20.940 21.894 22.847 23.801 24.755 25.709 26.663
Output(s)
0.04
0.03
0.02
0.01
0
22.429 22.638 22.847 23.057 23.266 23.476 23.685 23.895 24.104 24.314 24.523 24.732
150
Output(s)
0.035
0.034
0.033
0.032
0.031
0.03
0.029
46.400 49.690 52.980 56.269 59.559 62.849 66.138 69.428 72.718 76.008 79.297 82.587
Output(s)
0.12
0.1
0.08
0.06
0.04
0.02
0
26.470 29.788 33.106 36.424 39.742 43.060 46.378 49.696 53.014 56.331 59.649 62.967
151
Captulo 6
Output(s)
0.1
0.08
0.06
0.04
0.02
0
-54.432
3.471
61.373 119.275 177.177 235.080 292.982 350.884 408.786 466.689 524.591 582.493
6.8.4.
152
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 114. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal RN simulando el control sobre el sistema.
153
Captulo 6
154
155
Captulo 6
Momentum: 0.7
Momentum: 0.7
Momentum: 0.7
156
Datos de entrada:
o Temperatura interior
o Temperatura exterior
o Humedad relativa interior
o Humedad relativa exterior
o Radiacin global acumulada
157
Captulo 6
MSE
0.0138
0.0137
0.0136
0.0135
0.0134
0.0133
0.0132
1
10
Generation
11
12
13
14
15
16
17
18
Best Fitness
Ilustracin 117. Evolucin del error cuadrtico medio (MSE) en el mejor individuo
de la red SOFMN.
158
MSE
0.05
0.04
0.03
0.02
0.01
0
1
10
11
12
13
14
Generation
15
16
17
18
Average Fitness
Ilustracin 118. Media del error cuadrtico medio (MSE) en los individuos en cada
generacin de la red SOFMN.
Best Fitness
14
0.013491103
0.013491103
Average Fitness
18
0.013580996
0.013580996
159
Captulo 6
1.4
1.2
Output
0.8
0.6
0.4
0.2
0
1
165
329
493
657
-0.2
821
985
1149
Exemplar
1313
1477
1641
En (kWh)
En (kWh) Output
En (kWh)
0.011086811
0.140204795
0.060249739
4.10906E-06
0.621208211
0.927251502
160
1.4
1.2
1
Output
0.8
0.6
0.4
0.2
0
1
41
81
121
161
-0.2
201
241
281
Exemplar
321
361
401
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.014074052
0.144341825
0.075037291
1.36006E-06
0.4816954
0.92505303
161
Captulo 6
2.5
Output
1.5
0.5
0
1
223
445
667
889
-0.5
1111
1333
1555
Exemplar
1777
1999
2221
En (kWh)
En (kWh) Output
Performance
MSE
NMSE
MAE
Min Abs Error
Max Abs Error
r
En (kWh)
0.044491361
0.24630178
0.126885999
3.67115E-06
1.034046988
0.891072821
162
0.07
0.06
Sensitivity
0.05
0.04
0.03
0.02
0.01
0
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
Input Name
En (kWh)
Sensitivity
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
En (kWh)
0.026604091
1.04603E-17
1.04603E-17
0.062747142
0.035771657
Tabla 46. Valores de sensibilidad de la salida frente a las variables de entrada para
la red SOFMN.
163
Captulo 6
Output(s)
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
16.171 17.125 18.078 19.032 19.986 20.940 21.894 22.847 23.801 24.755 25.709 26.663
En (kWh)
Output(s)
0.01
0.008
0.006
0.004
0.002
0
22.429 22.638 22.847 23.057 23.266 23.476 23.685 23.895 24.104 24.314 24.523 24.732
En (kWh)
164
Output(s)
0.01
0.008
0.006
0.004
0.002
0
46.400 49.690 52.980 56.269 59.559 62.849 66.138 69.428 72.718 76.008 79.297 82.587
En (kWh)
Output(s)
0.15
0.1
0.05
0
26.470 29.788 33.106 36.424 39.742 43.060 46.378 49.696 53.014 56.331 59.649 62.967
-0.05
En (kWh)
165
Captulo 6
Output(s)
0.08
0.06
0.04
0.02
0
-54.432
3.471
61.373 119.275 177.177 235.080 292.982 350.884 408.786 466.689 524.591 582.493
En (kWh)
6.9.4.
166
En (kWh)
1.2
1
0.8
0.6
0.4
11-06-2012
13-06-2012
15-06-2012
18-06-2012
20-06-2012
23-06-2012
25-06-2012
27-06-2012
30-06-2012
02-07-2012
05-07-2012
07-07-2012
10-07-2012
12-07-2012
14-07-2012
17-07-2012
19-07-2012
22-07-2012
24-07-2012
26-07-2012
29-07-2012
31-07-2012
03-08-2012
05-08-2012
08-08-2012
10-08-2012
12-08-2012
15-08-2012
17-08-2012
20-08-2012
22-08-2012
24-08-2012
27-08-2012
29-08-2012
01-09-2012
03-09-2012
06-09-2012
08-09-2012
10-09-2012
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
06:00:00
16:00:00
02:00:00
12:00:00
22:00:00
08:00:00
18:00:00
04:00:00
14:00:00
00:00:00
10:00:00
20:00:00
0.2
En (kWh) 2012
Ilustracin 128. Comparativa en el ao 2012 entre los datos reales y los datos
optimizados aplicando la red neuronal SOFMN simulando el control sobre el
sistema.
167
Captulo 6
168
7. Comparativa de resultados
7.1. Comparativa entre redes neuronales
7.1.1.
Error ponderado
Error ponderado
0.01438681775
0.013807653
0.01318772775
0.0138686445
0.01047952575
0.01346642975
0.0138169685
0.01332724175
169
Captulo 7
Tipo de
red
MLP
RBF
GFF
TLRN
MNN
PCA
RN
SOFMN
Text (C)
Tint (C)
Hext (%)
Hint (%)
Rg (W/m2)
0.022960454
0.017225455
0.017330325
0.034643211
0.017062844
0.016505975
0.027236961
0.026604091
0.007837492
1.05367E-09
0.007656328
0.000969666
0.006274729
0.005227746
0.008996452
1.04603E-17
0.001020798
1.05367E-09
0
0.018066204
2.7894E-17
0.020659382
0.001025524
1.04603E-17
0.063703725
0.03877959
0.062638048
0.041054291
0.043687506
0.038748913
0.036032649
0.062747142
0.025176415
0.030234022
0.035140869
0.043257916
0.034983125
0.038087609
0.026309675
0.035771657
0.07
0.06
0.05
0.04
SOFMN
RN
PCA
MNN
TLRN
GFF
RBF
MLP
0.03
0.02
0.01
0
Rg
Hint (%) Hext (%) Tint (C) Text (C)
(W/m2)
170
Comparativa de resultados
este muy cercano al mximo. La siguiente en importancia es la
Radiacin global excepto en la red RN que es la Temperatura exterior.
Aunque el esfuerzo energtico del sistema de climatizacin sea debido
a la transferencia de calor desde el exterior debida a la temperatura
exterior y a la radiacin a la que est expuesta la fachada, un valor
interno, como es la humedad interior, es la que aparece en la mayora de
los anlisis de sensibilidad como la variable que ms influencia tienen
sobre la energa consumida. Esto es debido a que la actuacin del aire
acondicionado sobre la estancia provoca una modificacin en las
condiciones de humedad que son altamente dependientes del esfuerzo
del sistema de climatizacin por mantener la temperatura interna. As
pues, el ambiente pierde humedad a consecuencia de la condensacin en
las bateras de intercambio de calor de los fancoils; stos disponen de
desages oportunos. Esta prdida de humedad ambiental est
estrechamente ligada al tiempo de funcionamiento del aire
acondicionado.
7.1.3.
Ahorro energtico
171
Captulo 7
19.6%
20.0%
Tabla 49. Resumen del ahorro energtico en porcentaje tras la aplicacin de las
redes neuronales al ao sin control 2012.
172
8. Conclusiones
Gracias al avance imparable de la domtica en las viviendas y,
aprovechando un recurso de la misma como son las persianas
motorizadas, con la aplicacin de un algoritmo de control sobre las
mismas y un mnimo de sensores adicionales se puede conseguir un gran
ahorro energtico durante los meses de verano, en los que la radiacin
solar provoca un sobrecalentamiento en las estancias si no se regula
oportunamente.
Dicho ahorro energtico ha podido ser cuantificado gracias a la
implementacin del algoritmo de control de persianas en una instalacin
domtica, de control abierto, diseada como planta piloto. Dicha planta
ha permitido implementar un algoritmo no estndar en los equipos
comerciales.
En una instalacin tpica domtica, donde es comn que las persianas
estn motorizadas y haya sensores de temperatura, puede incluirse un
algoritmo de control que mediante la adicin de un sensor de radiacin
luminosa externo diga al sistema de control los valores actuales de la
incidencia de la radiacin solar sobre la vivienda. El algoritmo, que
puede ejecutarse en un dispositivo adicional a la instalacin domtica, o
en la nube si la instalacin dispone de conexin a internet y puede subir
los datos registrados (temperaturas interior y exterior y radiacin solar),
puede determinar la actuacin sobre las persianas motorizadas para
regular la incidencia del sol en las estancias, reduciendo el aporte de
calor que, posteriormente, debe compensar el equipo de aire
acondicionado.
El coste de esta mejora en el sistema es mnimo, si la instalacin ya
cuenta con las persianas motorizadas, y si el algoritmo puede
programarse en algn dispositivo interno de la instalacin domtica o en
la nube.
Dado que la conexin de los sistemas domticos a Internet es un
estndar, debera normalizarse la forma de implementar cdigo
173
Captulo 8
174
Conclusiones
En cuanto a la sensibilidad de los modelos, los que muestran mejor
comportamiento son los ms sensibles a la Humedad interna y a la
Radiacin solar.
Aplicando los modelos, basados en redes neuronales, sobre los datos
medidos en la instalacin domtica, ms los obtenidos por la
modelizacin de las redes neuronales, se puede establecer que la
implantacin de un algoritmo de control domtico sobre las persianas
motorizadas puede conseguir un ahorro energtico significativo sobre el
consumo del equipo de aire acondicionado en los meses de verano
(alrededor de un 20%, para el ao estudiado, de acuerdo a la media y la
mediana de los valores calculados para los diferentes modelos).
El ahorro energtico en los sistemas de refrigeracin, tales como el
aire acondicionado, tiene una vinculacin directa con la reduccin de los
picos de consumo en los centros de transformacin. Y por tanto, implica
un incremento en la potencia disponible en las instalaciones de
distribucin de energa elctrica. Este hecho es especialmente
significativo en las reas vacacionales.
175
9. Desarrollos futuros
El objetivo de esta Tesis Doctoral persigue la mejora de la eficiencia
energtica en instalaciones domticas tanto de nueva implantacin como
ya constituidas. El desarrollo domtico creado para esta Tesis Doctoral
ha permitido demostrar una va para incrementar el ahorro pero an
quedan otras vas por las que continuar aprovechando las instalaciones
domticas, permitiendo incrementar an ms el ahorro energtico.
La disponibilidad de datos online sobre predicciones meteorolgicas
presenta una oportunidad para aprovecharlos sobre el control de la
climatizacin, realizando un algoritmo de control que acte en
consecuencia segn las predicciones, adelantando acciones para realizar
pre enfriamientos que permitan optimizar el rendimiento del equipo de
aire acondicionado, as como garantizar el seguimiento de la consigna
trmica fijada por el usuario.
Dentro de las posibles mejoras, tambin puede ser de inters estudiar
la gestin de los espacios no utilizados como acumuladores de energa
trmica, y considerar un control de temperatura de dichos espacios en
base a la mejora de la eficiencia del conjunto.
La mejora energtica tambin podra mejorarse gestionando la
ventilacin e introduccin de aire fro desde el exterior; utilizando dicha
refrigeracin como un sistema complementario al del propio aire
acondicionado.
De otro lado, la implementacin del control desde la nube permitira
aplicar los modelos de las instalaciones existentes a otras futuras (con
caractersticas constructivas y climatolgicas similares), sin necesidad a
generar una base de datos meteorolgico-energtica para la puesta en
marcha.
Otra va de ampliacin de esta Tesis Doctoral se centra en la
introduccin, dentro de los modelos, de variables asociadas a espacios
177
Captulo 9
178
179
Captulo 10
180
Referencias bibliogrficas
Chan, M., Campo, E., Estve, D., & Fourniols, J.-Y. (2009). Smart
homes -- Current features and future perspectives. Maturitas,
64(2), 90-97. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0378512209002
606
Chen, Y., Li, H., & Chen, X. (Dec de 2009). Venetian Blind Control
System Based on Fuzzy Neural Network for Indoor Daylighting.
Computer and Electrical Engineering, 2009. ICCEE '09. Second
International Conference on, 2, pgs. 269-273.
Cook, D. J., & Das, S. K. (#mar# de 2007). How Smart Are Our
Environments? An Updated Look at the State of the Art.
Pervasive Mob. Comput., 3(2), 53-73. Obtenido de
http://dx.doi.org/10.1016/j.pmcj.2006.12.001
Cook, D. J., Augusto, J. C., & Jakkula, V. R. (2009). Ambient
intelligence: Technologies, applications, and opportunities .
Pervasive and Mobile Computing , 5(4), 277-298. Obtenido de
http://www.sciencedirect.com/science/article/pii/S1574119209000
25X
Cortes, F., Rubio, E., & Valdovinos, A. (Nov de 2002). Embedded
powerline DSP modem for domotic SNMP networking in
European countries. Consumer Electronics, IEEE Transactions
on, 48(4), 854-862.
CTE. Cdigo Tcnico de la Edificacin. (s.f.). Obtenido de
http://www.codigotecnico.org
David, M., Donn, M., Garde, F., & Lenoir, A. (2011). Assessment of the
thermal and visual efficiency of solar shades . Building and
Environment , 46(7), 1489-1496. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0360132311000
321
De Silva, L. C., Morikawa, C., & Petra, I. M. (#oct# de 2012). State of
the Art of Smart Homes. Eng. Appl. Artif. Intell., 25(7), 13131321. Obtenido de
http://dx.doi.org/10.1016/j.engappai.2012.05.002
Digi International Inc. (s.f.). Obtenido de http://www.digi.com/
181
Captulo 10
182
Referencias bibliogrficas
183
Captulo 10
http://www.sciencedirect.com/science/article/pii/S0893608005801
25X
IDAE. Instituto para la Diversificacin y Ahorro de la Energa. (s.f.).
Obtenido de http://www.idae.es
Ippolito, M., Sanseverino, E. R., & Zizzo, G. (2014). Impact of building
automation control systems and technical building management
systems on the energy performance class of residential
buildings: An Italian case study . Energy and Buildings , 69(0),
33-40. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0378778813006
713
ITIF. (s.f.). Obtenido de The Information Technology & Innovation
Foundation: http://www.itif.org/publications/internet-things
Kang, S. J., Park, J., Oh, K.-Y., Noh, J. G., & Park, H. (2014).
Scheduling-based real time energy flow control strategy for
building energy management system . Energy and Buildings ,
75(0), 239-248. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0378778814001
194
Kapur, N. K. (2004). A comparative analysis of the radiant effect of
external sunshades on glass surface temperatures . Solar Energy
, 77(4), 407-419. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0038092X03003
827
Karhunen, J., & Joutsensalo, J. (1995). Generalizations of principal
component analysis, optimization problems, and neural
networks . Neural Networks , 8(4), 549-562. Obtenido de
http://www.sciencedirect.com/science/article/pii/08936080940009
87
Kaygusuz, A., Keles, C., Alagoz, B. B., & Karabiber, A. (2013).
Renewable energy integration for smart sites . Energy and
Buildings , 64(0), 456-462. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0378778813003
174
184
Referencias bibliogrficas
185
Captulo 10
186
Referencias bibliogrficas
http://www.sciencedirect.com/science/article/pii/S0360132312002
685
Oldewurtel, F., Parisio, A., Jones, C. N., Gyalistras, D., Gwerder, M.,
Stauch, V., . . . Morari, M. (2012). Use of model predictive control
and weather forecasts for energy efficient building climate
control . Energy and Buildings , 45(0), 15-27. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0378778811004
105
Omer, A. M. (2006). Renewable building energy systems and passive
human comfort solutions. Renewable and Sustainable Energy
Reviews(12), 15621587.
Orosa, J. A., & C.Oliveira, A. (2008). Energy saving with passive
climate control methods in Spanish office buildings. (41), 823828.
Orr, M. J., & others. (1996). Introduction to radial basis function
networks. Introduction to radial basis function networks.
Technical Report, Center for Cognitive Science, University of
Edinburgh.
Park, B.-C., Choi, A.-S., Jeong, J.-W., & Lee, E. S. (03/2011 de 2011).
Performance of Integrated Systems of Automated Roller Shade
Systems and Daylight Responsive Dimming Systems. Building
and Environment, 46, 747-757. Obtenido de
http://dx.doi.org/10.1016/j.buildenv.2010.10.007
Park, K.-W., & Athienitis, A. K. (2003). Workplane illuminance
prediction method for daylighting control systems . Solar Energy
, 75(4), 277-284. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0038092X03003
013
Pfrommer, P., Lomas, K., & Kupke, C. (1996). Solar radiation transport
through slat-type blinds: A new model and its application for
thermal simulation of buildings . Solar Energy , 57(2), 77-91.
Obtenido de
http://www.sciencedirect.com/science/article/pii/S0038092X96000
631
187
Captulo 10
188
Referencias bibliogrficas
189
Captulo 10
190
Referencias bibliogrficas
http://www.sciencedirect.com/science/article/pii/S0360132313002
758
Yao, J. (2014). Determining the energy performance of manually
controlled solar shades: A stochastic model based co-simulation
analysis . Applied Energy , 127(0), 64-80. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0306261914003
997
Zamora-Izquierdo, M., Santa, J., & Gmez-Skarmeta, A. (October de
2010). An Integral and Networked Home Automation Solution
for Indoor Ambient Intelligence. Pervasive Computing, IEEE,
9(4), 66-77.
Zamora-Martnez, F., Romeu, P., Botella-Rocamora, P., & Pardo, J.
(2014). On-line learning of indoor temperature forecasting
models towards energy efficiency. Energy and Buildings(0), -.
Obtenido de
http://www.sciencedirect.com/science/article/pii/S0378778814003
569
Zhang, S., & Birru, D. (2012). An open-loop venetian blind control to
avoid direct sunlight and enhance daylight utilization . Solar
Energy , 86(3), 860-866. Obtenido de
http://www.sciencedirect.com/science/article/pii/S0038092X11004
567
191
11. Nomenclatura
D
PCA
Principal Component Analysis ............ 126
GFF
Generalized FeedForward .................... 86
RBF
Radial Basis Function ............................ 73
RN
Recurrent Network ............................. 140
H
HVAC
Heating, Ventilation and Air Conditioning
......................................................... 23
S
Smart Grid ................................................. 22
Smart Home ................................................ 7
SOFMN
Self-Organizing Feature Map Network 154
I
inmtica ...................................................... 5
IoT
Internet of Things ................................... 6
TLRN
Time-Lag Recurrent Network ............... 99
MLP
193
12. ANEXO 1.
ESPECIFICACIONES
TCNICAS
195
Captulo 12
12.1. Especificaciones
domtica
tcnicas
de
la
instalacin
196
197
Captulo 12
Ilustracin 131. Localizacin de cajas de registro en planta baja. En fondo verde las
que contienen tarjetas domticas y su interconexin en el bus.
198
199
Captulo 12
200
201
Captulo 12
Ilustracin 135. Conexin del cableado del bus y los conectores RJ-45.
202
203
Captulo 12
204
205
Captulo 12
206
Ilustracin 141. Tarjeta domtica: Esquema mdulo de 2 salidas con activacin por
rel.
207
Captulo 12
Ilustracin 142. Tarjeta domtica: PCB mdulo de 2 salidas con activacin por rel.
208
209
Captulo 12
Ilustracin 144. Tarjeta domtica: PCB mdulo de salida de persiana con activacin
por rel.
12.1.2. Sensores
12.1.2.1. Sensores de temperatura y humedad
La combinacin de medidas de temperatura y humedad relativa nos
lleva a seleccionar un sensor doble digital integrado como el SHT21
(ANEXO 1. ESPECIFICACIONES TCNICAS, apartado 12.3.6, pgina
257) de la casa Sensirion (Sensirion, The Sensor Company, s.f.).
210
211
Captulo 12
212
213
Captulo 12
214
215
Captulo 12
216
217
Captulo 12
218
219
Captulo 12
220
Ilustracin 153. Caldera mural estanca de gas natural ROCA VEGA 24 AIFM.
221
Captulo 12
1
2
3
4
5
6
7
8
9
Tabla 51. Descripcin de los elementos del panel de control de la caldera ROCA
VEGA 24 AIFM.
222
223
Captulo 12
un interruptor de flujo
un vaso de expansin
224
225
Captulo 12
DATOS ELCTRICOS
Alimentacin
Rango tensin
Consumo nominal
Amperios a rotor bloqueado
Amperios a plena carga
Compresor
Amperios a rotor bloqueado
Amperios a plena carga
Bomba de circulacin de agua
Corriente absorbida
Motor del ventilador
Corriente absorbida
Calentador de crter
Corriente absorbida
CAUDAL/VOLUMEN DE AGUA
Caudal de agua nominal
Volumen de agua del sistema
Mnimo
Mximo
NIVELES SONOROS
125 Hz
250 Hz
500 Hz
1000 Hz
2000 Hz
4000 Hz
8000 Hz
dB(A)
230 V / 50 Hz
198-264 V
2700 W
50 A
18 A
50 A
16.9 A
230 V / 50 Hz
0.3 A
230 V / 50 Hz
0.82 A
230 V / 50 Hz
0.11 A
0.31 l/s
22 l
30 l
72 dB
67 dB
66 dB
63 dB
58 dB
53 dB
47 dB
68 dB
226
227
Captulo 12
228
RFR 2
1
2
160
200
0.95
1.1
1.13
1.32
20
22
3
250
1.3
1.6
1
230
1.4
1.8
RFR 3
2
290
1.7
2.2
27
17
22
3
360
2.0
2.6
35
229
Captulo 12
230
231
Captulo 12
232
233
Captulo 12
234
235
Captulo 12
236
237
Captulo 12
238
239
Captulo 12
240
241
Captulo 12
242
243
Captulo 12
244
Tabla 59. Descripcin de pines de entrada salida del transceptor RS485 MAX13088E.
245
Captulo 12
246
247
Captulo 12
248
249
Captulo 12
250
251
Captulo 12
252
253
Captulo 12
254
255
Captulo 12
256
257
Captulo 12
258
259
Captulo 12
260
261
Captulo 12
262
263
Captulo 12
264
265
Captulo 12
266
267
Captulo 12
268
269
Captulo 12
270