Resumen

Los modelos dinámicos son esenciales para las metodologías de control basadas en modelos que permiten a los edificios inteligentes funcionar de forma autónoma con eficiencia energética y económica. Sin embargo, los edificios tienen una dinámica térmica compleja que se ve afectada externamente por el entorno e internamente por cargas térmicas como los equipos y la ocupación. Además, los parámetros físicos de los edificios pueden cambiar con el tiempo a medida que envejecen o debido a cambios en su configuración o estructura. En este trabajo, introducimos una metodología de aprendizaje de modelos online para identificar un modelo dinámico no paramétrico para edificios cuando la carga térmica es latente (es decir, la carga térmica no puede medirse). El modelo propuesto se basa en sistemas híbridos estocásticos, donde el estado discreto describe el nivel de la carga térmica y la dinámica continua representada por procesos gaussianos describe la dinámica térmica de la temperatura del aire. Demostramos la evaluación del modelo propuesto utilizando edificios de dos y cinco zonas. Los datos de ambos experimentos se generan utilizando el software EnergyPlus. Los resultados experimentales muestran que el modelo propuesto estima correctamente el nivel de carga térmica y predice el comportamiento térmico con un buen rendimiento.

• Materias:Control del proceso Aerodinámica Diagnóstico de fallas Regulación automática Instrumentación automática
• Subjects: Aerodynamics Fault diagnosis Automatic regulation Automatic instrumentation
• Palabras claves:edificios, carga térmica, modelo, dinámica térmica compleja, modelo dinámico no paramétrico, sistemas híbridos estocásticos, nivel de carga térmica, modelos dinámicos, software energyplus, resultados experimentales
• Keywords:buildings, thermal load, model, complex thermal dynamics, nonparametric dynamical model, stochastic hybrid systems, thermal load level, dynamical models, energyplus software, experimental results