Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/4171Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Lopez Perez, Luis Adrian%569701 | - |
| dc.creator | Lopez Perez, Luis Adrián%569701 | - |
| dc.date.accessioned | 2022-07-08T20:30:05Z | - |
| dc.date.available | 2022-07-08T20:30:05Z | - |
| dc.date.issued | 2020-06-02 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/4171 | - |
| dc.description | En este trabajo se muestra un estudio comparativo del consumo de energía para climatizar una habitación cerrada ubicada en clima cálido, considerando modelos basados en inteligencia artificial y el enfoque adaptativo de confort térmico para determinar la temperatura de confort. El estudio se realiza con la simulación de la climatización térmica de una edificación con condiciones climáticas de Tuxtla Gutiérrez, México. El comparativo se realiza en términos de las cargas de enfriamiento anuales, los grados-día de enfriamiento anuales, el Porcentaje Predicho de Insatisfacción (PPD1) y el Voto Medio Pronosticado (PMV)2, controlando la Temperatura de confort (Tcomf) de acuerdo a un modelo derivado de la Guía CIBSE3 A, un modelo lineal, un modelo basado en Lógica Difusa (LD), un modelo basado en Redes Neuronales Artificiales (RNA) y un modelo basado en LD-RNA. Los modelos se construyeron con datos recolectados de 293 encuestas subjetivas y con mediciones en campo en 27 edificaciones educativas durante el verano de 2017, en Tuxtla Gutiérrez, México. En la construcción de los modelos, la variable de salida fue la Tcomf, las variables de entrada fueron seleccionadas con un análisis de sensibilidad. El potencial de ahorro de energía se determina comparando el desempeño de cada modelo en relación a la NOM-008-ENER-2001. Los resultados mostraron que con la temperatura recomendada por la NOM-008-ENER-2001, se requiere una carga de enfriamiento anual de 209.41 kWh/año-m2, para 24245.1 h de grados-día de enfriamiento anual. En relación a la NOM-008-ENER-2001, los mayores ahorros de energía se logran con el modelo basado en RNA seguido del modelo lineal con el 43.7% y 15.6% respectivamente. También, los grados-día de enfriamiento resultaron menores con el modelo basado en RNA seguido del modelo lineal, con valores de 33.2% y 23.2%, respectivamente. Los ahorros con el modelo basado en LD-RNA fueron considerables, la carga de enfriamiento se redujo 15.1% y los grados-día de enfriamiento 9.3%. Con el modelo derivado de la Guía CIBSE A, la carga de enfriamiento mostró un incremento del 4.1% y los grados-día de enfriamiento de 4.8%. Con el modelo basado en LD, el incremento en la carga de enfriamiento fue del 1.0% y los grados-día de enfriamiento del 2.5%. Los ahorros de energía pueden ser atribuido al incremento de la Tcomf que se determinan con los modelos. Las temperaturas más altas se determinaron con el modelo basado en RNA, con Tcomf promedio de 27.4±2.9ºC, seguido del modelo lineal con 25.7±0.2ºC y del modelo basado en LD-RNA con 25.7±1.4ºC. Las temperaturas más bajas se determinaron con el modelo basado en LD con Tcomf promedio de 24.9±1.1ºC y el modelo derivado de la Guía CIBSE A con Tcomf promedio de 24.7±0.2ºC. En términos del PPD, el promedio de la insatisfacción térmica fue de 18.1±3.4%, y el PMV de 0.2±0.08. En la climatización térmica de una habitación cerrada ubicada en clima cálido Aw, el uso de controles basados en inteligencia artificial, considerando el enfoque adaptativo, permiten ahorros de energía significativos, a la par proporcionar el confort térmico requerido por los ocupantes. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Confort térmico | es_MX |
| dc.subject.other | Enfoque adaptativo de confort | es_MX |
| dc.subject.other | Modelo de confort térmico | es_MX |
| dc.subject.other | Lógica difusa | es_MX |
| dc.subject.other | Redes neuronales artificiales | es_MX |
| dc.subject.other | Clima cálido | es_MX |
| dc.subject.other | Climatización térmica de edificaciones | es_MX |
| dc.title | Inteligencia Artificial Aplicada al Control de Temperatura en una Habitación Cerrada en Condiciones de Clima Cálido | es_MX |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_MX |
| dc.contributor.director | Flores Prieto, Jose Jasson%120889 | - |
| dc.folio | 20-0144 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Doctorado en Ingeniería Mecánica | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| DM_Luis_Adrian_Lopez_Perez_2020.pdf | Tesis | 3.15 MB | Adobe PDF | View/Open |
| DM_Luis_Adrian_Lopez_Perez_2020.pdf Restricted Access | Cesion de derechos | 2.45 MB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
