Vásquez et al / Evaluación del efecto de las Variables Meteorológicas en el desempeño Térmico de una Edificación Residencial
Mediante el análisis de datos se determinó que la
temperatura ambiente es la variable de mayor incidencia
en el comportamiento térmico de la edificación. En
promedio la correlación con la temperatura exterior es
(R
2
= 0.41), obtenida a través de un modelo de regresión
de una sola variable. Este valor indica que el 40.7% de
los datos se ajustan a dicho modelo y para este tipo de
estudios se puede considerar como un modelo bastante
aceptable. Los resultados muestran que se puede
incrementar la correlación al emplear una regresión con
múltiples variables. El coeficiente de determinación
puede incrementarse al generar un modelo considerando
la HR (R
2
=0.48), la HR y RS (R
2
=0.55) y la HR, RS y
VV (R
2
=0.69).
El mejor modelo para la predicción de la temperatura
interna del aire de acuerdo a la validación de datos es
aquel que depende de la (Tamb y HR + VV +RS),
además, se han encontrado los rangos de radiación solar,
velocidad del viento y humedad relativa donde tienen
menor influencia y se ubican cuando la temperatura
ambiente varía entre 14-16 °C y 23-25 °C, de esta manera
el modelo con todas las variables se ajusta muy bien
cuando la temperatura ambiente se ubica entre este rango.
Sin embargo, el modelo genera mayores errores cuando
la humedad relativa oscila entre 58-74% y 96-100%, la
velocidad del viento está entre 0 y 2 m/s y cuando la
radiación solar es igual a cero.
Para encontrar modelos más precisos se recomienda usar
funciones estabilizadoras de la varianza en la variable
dependiente como el logaritmo natural en el caso de la
temperatura. Además, aplicar cambios de variables
adecuados de acuerdo a las gráficas de dispersión de las
variables o a la forma de dispersión de residuales en los
modelos, esto hará que el R
2
aumente y el modelo genere
menor error. Además, aumentar el número de variables
meteorológicas como la nubosidad, condensación, etc.,
esto se sugiere como estudio de trabajo futuro.
REFERENCIAS BIBLIOGRÁFICAS
[1] International Energy Agency, “Key World
Energy Statistics 2015,” p. 81, 2015.
[2] International Energy Agency, “World Energy
Outlook,” IEA, p. 14, 2018.
[3] N. Watts et al., “The Lancet Countdown on
health and climate change: from 25 years of
inaction to a global transformation for public
health,” Lancet, vol. 391, no. 10120, pp. 581–
630, Feb. 2018.
[4] T. Hong, W.-K. Chang, and H.-W. Lin, “A fresh
look at weather impact on peak electricity
demand and energy use of buildings using 30-
year actual weather data,” Appl. Energy, vol.
111, pp. 333–350, 2013.
[5] C. Carpino, D. Mora, N. Arcuri, and M. De
Simone, “Behavioral variables and occupancy
patterns in the design and modeling of Nearly
Zero Energy Buildings,” Build. Simul., vol. 10,
no. 6, pp. 875–888, 2017.
[6] Z. Afroz, H. Burak Gunay, and W. O’Brien, “A
review of data collection and analysis
requirements for certified green buildings,”
Energy Build., vol. 226, p. 110367, 2020.
[7] F. Apadula, A. Bassini, A. Elli, and S. Scapin,
“Relationships between meteorological variables
and monthly electricity demand,” Appl. Energy,
vol. 98, pp. 346–356, 2012.
[8] E. Galindo, Estadística, metodos y aplicaciones
para administración e ingeniería. Quito, 2008.
[9] H. A. Quevedo Urías, Estadística para
inegeniería y ciencias, Primera. México, 2014.
[10] D. Jijón, J. Constante, M. Moya, and G. Guerrón,
“Métodos para homogenizar y rellenar datos de
viento de la torre meteorológica del Parque
Eólico Villonaco en Loja-Ecuador,” Av. en
Ciencias e Ing., vol. 7, no. 2, 2015.
[11] F. J. Entrena González, Determinación del
potencial solar (UF0212), IC Editori. 2013.
[12] S. Walter Stachú, “Identificación de la
problemática mediante Pareto e Ishikawa,” 2000.
[13] S. Asadi, S. S. Amiri, and M. Mottahedi, “On the
development of multi-linear regression analysis
to assess energy consumption in the early stages
of building design,” Energy Build., vol. 85, pp.
246–255, 2014.
[14] P. Vining Montgomery, Introducción al Análisis
de Regresión Lineal, Continenta. 2006.
Francis Vásquez Aza.- Nació en
Ibarra, Ecuador en 1991. Recibió
su título de Ingeniero Mecánico de
la Escuela Politécnica Nacional en
2016 y su título de Master en
Sistemas y Tecnologías de
Conversión de Energía de la
Universidad Rovira i Virgili,
Tarragona-España en 2020. Sus campos de investigación
están relacionados con la Eficiencia Energética en
Edificaciones y las Energías Alternativas.
Carlos Naranjo Mendoza. - Nació
en Quito en 1986. Recibió su título
de Ingeniero Mecánico de la
Escuela Politécnica Nacional en
2010; Master en Renewable Energy
and Energy Efficiency en la École
de technologie supérieure (ÉTS) en
2013 y su doctorado en la