TesisDoctorado RRF

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 108

Universitat Politècnica de València - Departamento de Matemática Aplicada

Doctorado en Matemáticas

Tesis de Doctorado

"Desarrollo de modelos matemáticos y análisis de


sensibilidad para el estudio energético de
edificaciones"

Roberto Robledo Fava

Directores:
Arturo Alberto Castillo Guzmán (UANL)
Pedro Fernández de Córdoba Castellá (UPV)
María Sonia Zaragoza Fernández (UDC)

Diciembre de 2018
III

Resumen
Presentamos un análisis de la sensibilidad de los resultados de simulaciones nu-
méricas basadas en Building Information Modeling (BIM), a las variaciones en los
valores de los parámetros humanos subjetivos (SHP) definidos en la norma ISO
7730, como vestimenta o actividad. Nuestro análisis muestra que los pequeños cam-
bios en los SHP pueden producir oscilaciones significativas en los resultados de los
cálculos numéricos, que, en nuestro caso, se realizaron con el software TRNSYS.
Para verificar la validez de nuestro enfoque, hemos implementado un código Mon-
te Carlo, para analizar los efectos principales de las diferentes variables de forma
sistemática.
IV

Abstract
We present an analysis of the sensitivity of the results of Building Information
Modeling (BIM)-based numerical simulations, to variations in the values of subjec-
tive human parameters (SHPs) defined in the ISO standard 7730, like clothing or
activity. Our analysis shows that slight changes on SHPs may yield significant os-
cillations on the results of the numerical calculations, which in our case were made
with TRNSYS software. To check the validity of our approach, we have implemen-
ted a Monte Carlo code, to analyze the main effects of the different variables in a
systematic way.
V

Resum
Presentem una anàlisi de la sensibilitat dels resultats de simulacions numèriques
basades en Building Information Modeling (BIM) , a les variacions en els valors
dels paràmetres humans subjectius (SHP) definits en la norma ISO 7730, com a
vestimenta o activitat. La nostra anàlisi mostra que els xicotets canvis en els SHP
poden produir oscil·lacions significatives en els resultats dels càlculs numèrics, que,
en el nostre cas, es van realitzar amb el programari TRNSYS. Per a verificar la vali-
desa del nostre enfocament, hem implementat un codi Monte Carlo, per a analitzar
els efectes principals de les diferents variables de forma sistemàtica.
VII

Agradecimientos Institucionales
En primer lugar, quiero agradecer al Consejo Nacional de Ciencia y Tecnología,
CONACYT, y de manera muy especial al Instituto de Innovación y Transferencia
de Tecnología del Estado de Nuevo León, i2t2, quienes en conjunto me brindaron
el apoyo económico para realizar mis estudios de Doctorado en el Extranjero con el
número de Beca: 298503 y CVU: 559309.
VIII

El éxito de este trabajo de tesis doctoral fue posible gracias a la colaboración y


participación de las diferentes instituciones educativas, a las que expreso mi más
sincero agradecimiento por haber puesto a mi disposición todos los recursos y me-
dios necesarios para la realización de mis estudios doctorales, reiterando el firme
deseo de contar con su colaboración para trabajos futuros.
A la Universidad Politécnica de Valencia, UPV.

A la Universidade Da Coruña, UDC.

A la Universidad Autónoma de Nuevo León, UANL.

A la Facultad de Ciencias Físico-Matemáticas, FCFM.


IX

Agradecimientos Personales
Esta tesis doctoral, si bien ha requerido de esfuerzo y mucha dedicación por par-
te del autor y de sus directores de tesis, no hubiese sido posible su finalización sin
la cooperación desinteresada de todas y cada una de las personas que a continua-
ción citaré y muchas de las cuales han sido un soporte esencial para culminar mis
estudios de doctorado.

Le agradezco a Dios por haberme acompañado y guiado a lo largo de esta etapa


de doctorado, por ser mi fortaleza en mis momentos de debilidad, por brindarme
una vida llena de aprendizajes y por haber puesto en mi camino a aquellas personas
que han sido mi soporte y compañía durante todo el periodo de estudio.

En primer lugar, quiero agradecer a mi amada compañera de vida, mi esposa y


amiga, Mónica Cynthia Hernández Luna. Mónica, gracias por acompañarme en
este proceso, por ser el pilar que me mantuvo de pie aun estando ambos en el extran-
jero; tu amor, comprensión, paciencia y fortaleza permitieron alcanzar esta dichosa
victoria en la vida, de la cual formas parte, el poder haber culminado esta tesis con
éxito. Soy dichoso de poder ser agradecido contigo, que siempre te preocupaste por
mí a cada momento y que continuamente quisiste lo mejor para mi porvenir. Sé que
no ha sido un proceso fácil y que me ayudaste hasta donde te era posible, incluso
más que eso. Ha sido maravilloso trabajar a tu lado, eres una mujer estupenda, inte-
ligente y de la cual tenemos mucho que aprender, sin ti este trabajo no sería posible.
En estas líneas es difícil explicar lo agradecido que estoy contigo, por cada una de
las cosas que has hecho por mí, pero ten seguro que haré hasta lo imposible por
demostrarte en esta nueva etapa de nuestra vida, cuanto te amo y lo importante que
eres para mí. Busco rendir mi ser y volar contigo, quisiera compartir toda mi vida
contigo (Carla Morrison).

Me gustaría agradecer de manera especial y sincera a mis directores de tesis,


Dr. Pedro Fernández de Córdoba Castellá, Dra. Sonia Zaragoza Fernández y
Dr. Arturo Castillo Guzmán por aceptarme para realizar esta tesis doctoral bajo
su dirección. Su apoyo y confianza en mi trabajo y su capacidad para guiar mis
ideas ha sido un aporte invaluable, no solamente en el desarrollo de esta tesis, sino
también en mi formación como investigador. Las ideas propias, siempre enmarcadas
en su orientación y rigurosidad, han sido la clave del excelente trabajo que hemos
realizado juntos, el cual no se puede concebir sin su siempre oportuna participación.
Les agradezco también el haberme facilitado siempre los medios suficientes para
llevar a cabo todas las actividades propuestas durante el desarrollo de esta tesis.
X

Estaré siempre eternamente agradecido a mi familia en Coahuila, México, mis


padres Roberto Robledo Mendoza y Olga Alicia Fava Cortez, que desde el pri-
mer momento me brindan todo el apoyo, colaboración y cariño sin ningún interés,
siendo ellos mi principal motor, quienes, sin duda me han motivado y alentado a
seguir adelante a pesar de estar lejos físicamente. Agradezco esas horas que pasá-
bamos hablando desde un sábado hasta un domingo, sin importar la diferencia de
horario de 7 horas, en las cuales nos encantaba escuchar lo bueno y malo que nos
había pasado durante la semana, sé que no ha habido día que no estuviéramos en
sus bendiciones. Hermana Cinthia, te agradezco por siempre estar al pendiente de
mis padres y de mí; sé que durante el último año hemos pasado momentos difíciles,
y esto ha permitido estar más unido a ti y a tu familia: Humberto, Romina y Sofía.
Agradecido estoy con mi hermana Nayeli, por apoyarme y hacerme sentir como en
casa cada que estaba de estancia en Nuevo León, que, junto con Erick, siempre me
han procurado. A mi familia en Salamanca, México, mis suegros Ángeles Luna y
Jesús Hernández, cuñado Ángel, que siempre han estado pendientes de mí y apo-
yándome a cada momento. Porque a pesar de la distancia, han sido todos ustedes,
quienes me brindan la fortaleza, apoyo y alegría necesaria para seguir adelante.
Un agradecimiento especial al Dr. Arturo Castillo que en todo momento ha es-
tado a mi lado, no solo para aconsejarme si no para brindarme una sincera amistad,
sigo convencido que una de mis mejores decisiones profesionales fue llegar al la-
boratorio a trabajar contigo, quizás las palabras no bastan para agradecerte el que
hayas confiado en mí para los proyectos que hemos desarrollado.
Mi más sincera gratitud al Dr. Romeo Selvas, por haber confiado en mí para
sus proyectos, el cual hoy llega a su fin y marca un inicio a una nueva etapa de
colaboración. Además, de la parte académica, agradezco su apoyo incondicional en
cada una de mis decisiones personales, así como su amistad y consejos.
Sin pasar por alto a mis amigos Diego Alarcón y Daniel Fuli, a quienes quiero
agradecerles por siempre abrirme las puertas de su casa y formar una familia, nunca
olvidaré el detalle de acompañarme en uno de los acontecimientos más importantes
de mi vida, sin duda fueron piezas clave para mi entera felicidad. Porque en su com-
pañía las cosas malas se convierten en buenas, la tristeza se transforma en alegría y
la soledad no existe.
Quisiera dejar por escrito mi agradecimiento profundo a tres personas muy espe-
ciales que quiero con toda el alma, y que me han mostrado una infinidad de veces
que siempre formamos parte de su familia: Paula, Ramón y Chloe.
Por ultimo quisiera agradecer a cada uno de mis familiares y amigos que a pesar
de la distancia me han mostrado el gran cariño que me tienen, en especial Ana
Hernández López, Roberto Álvarez y Valentín Guzmán.
Índice general

Lista de figuras XIII

Lista de tablas XV

1. Introducción 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.2. Objetivos específicos . . . . . . . . . . . . . . . . . . . . . 3
1.4. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5. Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.6. Metodología de la tesis . . . . . . . . . . . . . . . . . . . . . . . . 5

2. Marco teórico 7
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2. Consumo energético del sector de los edificios . . . . . . . . . . . . 8
2.3. Niveles de ambiente interior . . . . . . . . . . . . . . . . . . . . . 8
2.3.1. Calidad del aire . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.2. Confort visual . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.3. Confort acústico . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.4. Confort térmico . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4. Índices PMV y PPD . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5. Simulación energética de edificios . . . . . . . . . . . . . . . . . . 16
2.5.1. Energy Plus R . . . . . . . . . . . . . . . . . . . . . . . . 17
2.5.2. ESP-r R . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.5.3. TRNSYS R . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6. Conceptos energéticos . . . . . . . . . . . . . . . . . . . . . . . . 19
2.6.1. Energía . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.6.2. Demanda de energía . . . . . . . . . . . . . . . . . . . . . 21
2.6.3. Rendimiento energético . . . . . . . . . . . . . . . . . . . 22

XI
XII ÍNDICE GENERAL

2.6.4. Rendimiento térmico . . . . . . . . . . . . . . . . . . . . . 22


2.6.5. Consumo de energía . . . . . . . . . . . . . . . . . . . . . 22
2.7. Análisis de sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . 23
2.8. Aplicación de herramientas de simulación y análisis de sensibilidad 23

3. Casos de estudio 25
3.1. Condiciones climáticas . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Estructura y uso de los casos de estudio . . . . . . . . . . . . . . . 26

4. Metodología 31
4.1. Monitorización por plataforma web: Equs . . . . . . . . . . . . . . 33
4.2. Modelado de los edificios: TRNSYS . . . . . . . . . . . . . . . . . 34
4.2.1. Definición de los modelos en programa de simulación: TRN-
Build . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2.2. Simulación de los modelos en TRNSYS Studio . . . . . . . . 39
4.3. Estimación del PMV y PPD . . . . . . . . . . . . . . . . . . . . . 40
4.4. Análisis de sensibilidad mediante el método Monte Carlo . . . . . . 41
4.4.1. Análisis de sensibilidad mediante el uso de distribución uni-
forme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4.2. Análisis de sensibilidad mediante el uso de distribución nor-
mal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.5. Cambio de categoría y temperatura de consigna . . . . . . . . . . . 43

5. Resultados y discusión 45
5.1. Monitorización en tiempo real: Equs . . . . . . . . . . . . . . . . . 45
5.2. Validación de simulación en TRNSYS . . . . . . . . . . . . . . . . 47
5.3. Análisis de sensibilidad mediante el método de Monte Carlo . . . . 50
5.3.1. Distribución uniforme . . . . . . . . . . . . . . . . . . . . 50
5.3.2. Distribución normal . . . . . . . . . . . . . . . . . . . . . 52
5.4. Demandas energéticas e impacto económico . . . . . . . . . . . . . 55

6. Conclusiones 57

Bibliografía 59

Anexos 69

Anexo I: Estudio de caso: edificio en República Dominicana 69

Anexo 2: Código PMV y PPD 85

Anexo 3: Código PMV y PPD 89


Índice de figuras

2.1. TRNSYS type y topología de red [79]. . . . . . . . . . . . . . . . . 19

3.1. Planos arquitectónicos del primer caso de estudio: (a) planta baja;
(b) primer piso. Geometría del modelo numérico: (c) vista noreste
y (d) vista suroeste. . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2. Planos arquitectónicos del segundo caso de estudio: (a) planta baja;
(b) primer piso; (c) segundo piso. Geometría del modelo numérico:
(d) vista noreste. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3. Geometría del modelo numérico en el software de diseño gráfico
SketchUp . R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.1. Esquema de la metodología utilizada. . . . . . . . . . . . . . . . . 32


4.2. Captura de pantalla de la plataforma web “Equs” (http://equs-app.com). 34
4.3. Estimación computacional de PMV y PPD basada en ISO 7730 [44]. 40

5.1. Temperaturas internas y externas medidas por la plataforma web


Equs. En el caso de la temperatura exterior, observamos que las
temperaturas frías y calientes están entre 2◦ C y 41◦ C, aproximada-
mente. La temperatura promedio fue de 15.49◦ C. . . . . . . . . . . 46
5.2. Comparación entre los datos reales obtenidos con Equs y los resul-
tados de simulaciones teóricas del primer caso de estudio: (a) para
el mes de junio y (b) un solo día de junio. . . . . . . . . . . . . . . 48
5.3. Demanda de energía del edificio (caso España) en la configuración
inicial de los parámetros de confort térmico. . . . . . . . . . . . . . 49
5.4. Cambio del nivel de confort térmico en base al análisis de sensibili-
dad del factor de vestimenta en PMV (factor de actividad permanece
constante). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.5. Cambio del nivel de confort térmico en base al análisis de sensibili-
dad del factor metabólico en PPD (factor de vestimenta permanece
constante). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

XIII
XIV ÍNDICE DE FIGURAS

5.6. Generación de sucesos distribuidos uniformemente para los pará-


metros de factor de vestimenta (clo) y factor metabólico (met). . . . 52
5.7. Generación de sucesos con base a distribución normal para los pa-
rámetros de factor de vestimenta (clo) y factor metabólico (met). . . 52
5.8. Relación en base al análisis de sensibilidad del factor de vestimenta
(σclo ): (a)σPMV y (b)σPPD . . . . . . . . . . . . . . . . . . . . . . . . 53
5.9. Relación en base al análisis de sensibilidad del factor metabólico
(σmet ): (a)σPMV y (b)σPPD . . . . . . . . . . . . . . . . . . . . . . . . 53
5.10. Relación entre las variaciones del factor de vestimenta (clo) y factor
de actividad (met) y las anchuras de PMV. . . . . . . . . . . . . . . 54
5.11. Relación entre las variaciones del facto de vestimenta (clo) y el
factor metabólico (met) y las anchuras de PPD. . . . . . . . . . . . 55
5.12. Demanda de energía para varios valores de factor de vestimenta. . . 56

1. Ubicación y orientaciones del caso de estudio (República Domini-


cana). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2. Imágenes reales del edificio y cafetería en República Dominicana. . 70
3. Geometría del modelo numérico en el software de diseño gráfico
SketchUp. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4. Temperatura anual: ambiente. . . . . . . . . . . . . . . . . . . . . . 78
5. Temperatura anual: zona del comedor. . . . . . . . . . . . . . . . . 79
6. Temperatura anual: zona de la cocina. . . . . . . . . . . . . . . . . 80
7. Temperatura anual: zona del depósito. . . . . . . . . . . . . . . . . 81
8. Temperatura anual: zona del cuarto frío. . . . . . . . . . . . . . . . 81
9. Temperatura del mes de enero. . . . . . . . . . . . . . . . . . . . . 82
10. Temperatura del mes de agosto. . . . . . . . . . . . . . . . . . . . . 83
Índice de tablas

2.1. Valores de iluminación [32]. . . . . . . . . . . . . . . . . . . . . . 11


2.2. Niveles sonoros continuos equivalentes de ruido aéreo [40]. . . . . . 12

3.1. Propiedades térmicas y estructurales en ventanas. . . . . . . . . . . 28


3.2. Distribución de los casos de estudio. . . . . . . . . . . . . . . . . . 29
3.3. Propiedades térmicas y estructurales de soluciones constructivas
adoptadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4.1. Tipos de horarios en los edificios. . . . . . . . . . . . . . . . . . . 36


4.2. Infiltraciones y ventilación para cada zona en verano e invierno. . . 36
4.3. Datos de entrada de ganancias internas en la zona de AC en el caso
de España. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4. Datos de entrada de ganancias internas en el caso de México. . . . . 38
4.5. Datos de entrada de confort en los dos edificios. . . . . . . . . . . . 38
4.6. Rango de temperatura de aire recomendado para oficinas y aulas
(ISO 7730) [44]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

5.1. Demanda acumulada de energía entre junio y septiembre, con valo-


res variables de clo y met, para diferentes temperaturas. . . . . . . . 56

1. Orientaciones de la fachada. . . . . . . . . . . . . . . . . . . . . . 70
2. Área y volumen para las zonas del caso de estudio. . . . . . . . . . 72
3. Propiedades térmicas y estructurales. . . . . . . . . . . . . . . . . . 72
4. Propiedades térmicas y estructurales en ventanas. . . . . . . . . . . 73
5. Estructura de la fachada de la cocina. . . . . . . . . . . . . . . . . . 73
6. Horario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7. Escala de porcentaje. . . . . . . . . . . . . . . . . . . . . . . . . . 74
8. Distintos horarios de uso para el caso de República Dominicana. . . 75
9. Horario semanal. . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
10. Caudal mínimo de ventilación para zona comedor y cocina. . . . . . 76
11. Datos de entrada de ganancias internas. . . . . . . . . . . . . . . . 76
12. Actividad realizada por los ocupantes en el comedor. . . . . . . . . 76

XV
XVI ÍNDICE DE TABLAS

13. Actividad realizada por los ocupantes en la cocina. . . . . . . . . . 77


14. Valores de confort para la cocina. . . . . . . . . . . . . . . . . . . . 77
15. Datos de entrada de confort para comedor. . . . . . . . . . . . . . . 77
16. Demanda acumulada de energía en el mes de enero, con valores
variables de clo y met, para una temperatura de consigna de 25◦ C. . 83
Capítulo 1

Introducción

1.1. Introducción
El consumo de energía relacionado con el sector de la construcción constituye
una parte importante del consumo total de energía en todo el mundo (tan solo el
25.4 % corresponde al sector residencial del gasto final de energía en la Unión Eu-
ropea en 2015) y contribuye a más del 30 % las emisiones de dióxido de carbono
(CO2 ) [1, 2]. Es por ello que las edificaciones representan un objetivo clave para
la mejora de la eficiencia energética global. En este contexto, el análisis energé-
tico puede proporcionar valiosa información cuantitativa sobre las cargas anuales
del edificio y otras métricas de rendimiento para aquellos diseñadores que intenten
cumplir con las normas establecidas a nivel gubernamental. Sin embargo, la co-
munidad de diseño de edificios aún carece de herramientas prácticas para llevar a
cabo una evaluación rigurosa de la eficiencia energética durante la fase de diseño
conceptual. Como resultado, el diseño de las edificaciones que buscan promover
el rendimiento energético se hace a menudo en ausencia de estimaciones basadas
en modelos matemáticos. En este proyecto se busca diseñar un modelo que permi-
ta realizar el estudio energético de edificios, basado en distintas herramientas de
simulación y optimización, para obtener como resultado edificios más eficientes.

1.2. Hipótesis
El funcionamiento de la economía mundial se basa en el consumo de energía.
Gracias a que se dispone de un suministro adecuado y suficiente de energía, las so-
ciedades desarrolladas disfrutan de un elevado nivel en calidad de vida. Es por ello
que si se consumen enormes cantidades de energía de manera poco eficiente puede
conllevar al agotamiento de las reservas de energías no renovables y a la depen-

1
2 CAPÍTULO 1.

dencia energética extrema. Por tanto, hoy en día se buscan diferentes alternativas
de estudio para conocer y reducir el consumo energético. Una de ellas es el estu-
dio de los edificios mediante simulaciones dinámicas; actualmente existen diversos
softwares que nos permiten realizar esta tarea, como por ejemplo: Energy Plus , R
Trnsys , entre otros. Por tal motivo, en este trabajo se tiene como propósito contar
R
con estudios fiables de los edificios a estudiar mediante un software de simulación
comparados con mediciones reales, que describan de manera eficaz el comporta-
miento del edificio en el ámbito energético. En la simulación del comportamiento
de un edificio influyen una gran cantidad de variables a introducir y algunas de ellas
dependen de la decisión subjetiva por parte del diseñador; por tal motivo existen
estudios que nos permiten conocer las variables que mayor impacto producen en el
consumo del edificio, como el análisis de sensibilidad, del cual esperamos obtener
el impacto de al menos 2 variables en el confort térmico de los ocupantes.

1.3. Objetivos
En la presente sección se presentan los objetivos específicos y generales de la te-
sis. En los apartados precedentes hemos visto, por una parte, el problema global del
consumo energético producto del sector de los edificios, sus posibles consecuencias
y la interrelación que tiene con las emisiones de CO2 . Este es el problema global
Tierra/Humanidad que tratamos. Así mismo, hemos expuesto una alternativa de es-
tudio, mediante herramientas de simulación dinámica y su verificación por medio
de bases de datos reales. Así, para resumir los objetivos de este estudio diríamos
que intentamos dar pasos significativos en la dirección del entendimiento y el tra-
tamiento de este problema en sí mismo, desde el punto matemático y económico.
Los objetivos que pretende conseguir la presente Tesis Doctoral se especifican a
continuación:

1.3.1. Objetivo general


Este trabajo de tesis se desarrolla con el propósito de obtener un estudio fiable en
edificaciones reales de diferentes tipologías, basado en modelos matemáticos y una
plataforma de gestión energética implementados en un software de simulación diná-
mica, para conocer su comportamiento térmico y energético, permitiendo identificar
potenciales medidas de ahorro energético y económico. Además, mediante un aná-
lisis estadístico-numérico, cuantificar el impacto de introducir de manera subjetiva,
por parte del diseñador, las variables que influyen en la simulación. Estos estudios
se esperan implementar en diversos edificios en países como España y México, en
instalaciones residenciales, industriales y comerciales, entre otras.
1.4. MOTIVACIÓN 3

1.3.2. Objetivos específicos


Construir una base de datos con modelos simples de geometría y materiales
asociados a los casos de estudio.
Implementar la monitorización a través de gestores energéticos, sobre un con-
junto de edificios con ciertas características dependiendo de su tipología, que
nos permita conocer las características energéticas del edificio.
Realizar estudios energéticos mediante la aplicación de modelos matemáti-
cos y programas de simulación de edificios con la finalidad de identificar las
demandas energéticas y, a su vez, evaluar el ahorro en instalaciones.
Realizar una comparación entre los resultados de la herramienta de simula-
ción y el análisis real de los edificios a estudiar.
Efectuar un análisis de sensibilidad de las variables físicas que afectan al
desempeño energético de las edificaciones mediante el método Monte Carlo y,
en específico, a la sensibilidad de la decisión subjetiva que toma el diseñador
al establecer parámetros de confort.
Realizar una evaluación de las características energéticas del modelo de edi-
ficación en base a los resultados obtenidos en el análisis de sensibilidad.

1.4. Motivación
El desarrollo del tema de investigación de esta tesis responde a cubrir una de las
principales necesidades a nivel mundial: reducir de manera significativa el consumo
energético y las emisiones de CO2 .
En países como México, el tema energético se ha convertido en prioridad nacional
con el propósito de brindar oportunidades para el desarrollo económico y la mejora
de las condiciones de la población. Enfocar acciones y políticas para desarrollar
nuevas tecnologías e investigaciones en esta área es una de las medidas estratégicas
implementadas para la transición hacia un modelo sustentable y de uso racional de
los recursos energéticos en el país. En este contexto, la reciente admisión de México
como país miembro de la Agencia Internacional de Energía es una muestra de los
recientes esfuerzos realizados, que conlleva a respetar los estándares estadísticos
más exigentes a nivel mundial.
Con el propósito de desarrollar investigación que permita reducir los consumos
energéticos y económicos en los edificios estudiados, garantizando a su vez la co-
modidad del ocupante, se han desarrollado estancias en México y España, lo que
4 CAPÍTULO 1.

nos ha permitido obtener bases de datos de edificios, así como una formación más
amplia en el área de la eficiencia energética de edificaciones.

Es una gran motivación impulsar el desarrollo de edificios eficientes que permitan


obtener ahorros energéticos en lugares estratégicos como México, ya que es un país
que tiene un enorme desarrollo tecnológico-industrial y que trabaja para estar a la
vanguardia en estas áreas.

1.5. Estructura de la tesis


A continuación se da una breve descripción de cada capítulo que conforma esta
tesis:

Capítulo 1: en este primer capítulo se da una introducción al trabajo realiza-


do en esta tesis, dando a conocer la relevancia del tema y la motivación de
ésta; además, se incluyen otros puntos como: planteamiento del problema,
objetivos y metodología.

Capítulo 2: en este capítulo se da a conocer el estado del arte en relación al


tema de tesis, con el objetivo de establecer un marco de referencia que nos
permita interpretar los resultados y conclusiones.

Capítulo 3: en esta sección se dan a conocer los casos de estudio del tra-
bajo, donde se describen sus características principales como climatología y
estructuras.

Capítulo 4: en este se muestra la metodología propuesta para el desarrollo del


proyecto, que consiste en obtener los rendimientos térmicos de los edificios y
el análisis de sensibilidad para los parámetros subjetivos en el confort térmico,
con el objetivo de identificar cuál de ellos tiene mayor influencia en el modelo.

Capítulo 5: en él se muestran los resultados obtenidos de los estudios reali-


zados; la verificación de la simulación térmica y las demandas de energía a
partir del análisis de sensibilidad.

Capítulo 6: finalmente, se presentan las conclusiones generales de la tesis,


mediante un resumen de los resultados. Además, se incluyen propuestas a
realizar como trabajo futuro.

Se incluyen algunas secciones adicionales como: lista de figuras y tablas, refe-


rencias y anexos.
1.6. METODOLOGÍA DE LA TESIS 5

1.6. Metodología de la tesis


El proceso de investigación para esta tesis incluye cuatro etapas:
La etapa inicial, con la exploración del marco teórico en el que se encuadra
la investigación y el resumen de los antecedentes del problema a estudiar.
Para la siguiente etapa se establece el software de simulación energética con
el que se trabajará, además, se le incorporan algunos modelos matemáticos
que complementan los estudios energéticos de una serie de edificios.
En la tercera etapa se implementará un análisis de sensibilidad para determi-
nar las variables que tengan mayor contribución al desempeño energético y al
confort del edificio. A partir de los resultados obtenidos, se planea optimizar
el modelo antes diseñado.
La última etapa tiene como finalidad un análisis de los datos recopilados me-
diante cálculos, tablas y gráficas en las cuales podamos observar los resul-
tados obtenidos de manera sencilla, con el propósito de desarrollar esta me-
moria de tesis que muestre el trabajo realizado y donde se establezcan las
conclusiones de la tesis.
Capítulo 2

Marco teórico

En estos tiempos de crisis económica, energética y medioambiental, el ahorro y


la eficiencia energética aparecen como una excelente vía desde el ámbito energético
para responder a estos tres desafíos. El reducir el consumo de energía permite el
ahorro de nuestros recursos económicos, pospone el agotamiento de nuestros es-
casos recursos fósiles (de los que, sin embargo, depende mayoritariamente nuestro
suministro energético) y, por último, parece revelarse como una de las mejores al-
ternativas para reducir las emisiones de CO2 . La clave para la existencia de estos
ahorros reside en el hecho de que no consumimos energía, sino servicios energéti-
cos: por tanto, puede ser posible proveer el mismo nivel de servicio energético con
un menor nivel de consumo de energía.
Si bien el ahorro energético no es crítico para la resolución de todos los problemas
ambientales, sí es cierto que su contribución a algunos de ellos, como el cambio
climático, es muy significativa.
El último Informe de Evaluación del Panel Internacional sobre Cambio Climático
(IPCC), informa que la temperatura promedio global de la superficie terrestre y
oceánica combinada aumentó en 0.85◦ C durante el período de 1880 a 2012 y que
es muy probable que la influencia humana haya sido la causa dominante de este
calentamiento observado desde mediados del siglo XX [3].

2.1. Introducción
La envolvente del edificio es la interfaz entre el entorno exterior y el interior de
los edificios, su función principal es actuar como una barrera física para propor-
cionar un espacio confortable para diferentes actividades, a costa de una cierta
demanda de energía [4–9].

7
8 CAPÍTULO 2.

2.2. Consumo energético del sector de los edificios


Actualmente, la reducción del consumo energético asociado al uso y construcción
de los edificios y el incremento de la eficiencia energética en el acondicionamiento
climático de los mismos, son cuestiones que están recibiendo una gran atención,
tanto desde el punto de vista científico-técnico como desde el empresarial [10].
El impacto producido por el consumo total de energía final en el sector de edifi-
cios, con un 32 %, es una de las principales causas del agotamiento de la capa de
ozono, calentamiento global y cambio climático [11, 12]. Los edificios represen-
tan cerca del 40 % y del 17 % del consumo de energía primaria en el mundo y de
emisiones de CO2 , respectivamente [13–16]. Además, los edificios residenciales a
menudo son citados como una de las áreas más rentables para reducir el consumo
de energía [17, 18].

2.3. Niveles de ambiente interior


La mayor parte del tiempo, las personas realizan sus actividades cotidianas en
el interior de edificios, siendo por tanto preciso controlar las condiciones de con-
fort (térmico, visual y calidad de aire) en el interior de los mismos e intentando
minimizar el consumo energético simultáneamente.
Distintas formas de interpretar las condiciones ambientales han llevado al desa-
rrollo de conceptos tales como edificio enfermo, calidad del aire o calidad ambiental
interior, todos ellos encaminados a entender la complejidad de los contaminantes en
los ambientes cerrados y los riesgos sobre la salud de la población.
A principios de la década de 1900, los activistas en los EE. UU. argumentaron
que los niños debían estudiar al aire libre, que el aire fresco era esencial para el
desarrollo de cuerpos y mentes saludables [19]. Por el contrario, quienes diseñan y
definen oficinas con aire acondicionado ahora concluyen que la productividad y la
comodidad se pueden lograr limitando la exposición al aire libre [20].
Además, los niveles adecuados de ambiente interior definidos por el confort tér-
mico, confort acústico, confort de iluminación y la calidad del aire interior son
esenciales para mejorar la salud y el bienestar de los ocupantes [20]. Cuando falta
la calidad óptima de uno o más de estos cuatro parámetros, pueden surgir problemas
como enfermedades, bajos niveles de producción e insatisfacción.
Es cierto que las personas mueren si se ponen demasiado calientes, frías, húme-
das o secas, pero también es cierto que las personas han informado que se sienten
cómodas a temperaturas que oscilan entre 6 y 30o C [21, 22].
2.3. NIVELES DE AMBIENTE INTERIOR 9

2.3.1. Calidad del aire


Existe un término relativamente nuevo en el área de la edificación denominado
el síndrome del edificio enfermo, el cual se puede considerar como sinónimo de
una calidad de aire pobre, lo que, a su vez, se traduce en la posible aparición de
problemas de salud y en la falta de confort para los usuarios [23]. Por este motivo,
la calidad del aire se debe definir en función de las necesidades de los ocupantes,
las cuales se pueden resumir en la percepción de aire fresco en lugar de aire cargado
o viciado y que los riesgos para la salud que se pudieran derivar de respirar dicho
aire sean despreciables [24].
Generalmente, las sustancias contaminantes responsables de una calidad de aire
pobre en el interior de los edificios son: los olores, el dióxido de carbono, el humo
de tabaco, los óxidos de nitrógeno y los aerosoles [23]. Sin embargo, para estimar
el volumen de aire necesario para conseguir una calidad de aire óptima, se utiliza la
concentración de dióxido de carbono (CO2 ) [25], cuya principal fuente de genera-
ción es la respiración humana. La cantidad de CO2 producida por el ser humano está
directamente relacionada con la actividad física que esté realizando, siendo posible
estimar la tasa de generación de CO2 en función de dicha actividad [26, 27].
Para controlar los niveles de CO2 en el interior de un determinado edificio, la
técnica más utilizada es la ventilación, que se puede definir como el aporte y/o
extracción de aire en un cierto entorno, ya sea de una forma natural o mecánica
[28]. Para describir la dinámica del CO2 , se recomienda utilizar un modelo basado
en balance de masas de la sustancia contaminante, en este caso el CO2 , como se
muestra en la siguiente ecuación [29]:

∂Ci
V · = Fo · Co − Fo · Ci + Ff · Co − Fe · Ci + Np · G (2.1)
∂t
donde
V : volumen de aire del recinto estudiado [m3 ].
Co : concentración de CO2 en el aire exterior [g/m3 ].
Ci : concentración de CO2 en el aire interior [g/m3 ].
Fo : flujo de aire exterior a través de ventilación forzada [m3 /s].
Ff : flujo de aire por infiltración [m3 /s].
Fe : flujo de aire por exfiltración [m3 /s].
Np : número de ocupantes [−].
G: tasa de generación de CO2 [g/s por persona].
10 CAPÍTULO 2.

Por otro lado, en España existe otra normativa para estimar la calidad de aire
interior. Esta norma se encuentra publicada en el estándar UNE-EN 1779 y en el
informe 1752 del CEN (Comité Europeo de Normalización). Además, en el Regla-
mento de Instalaciones Térmicas en los Edificios [30] se específica cómo regular la
calidad de aire interior en función del nivel de CO2 , recomendándose que dicho ni-
vel oscile entre 500 y 800 ppm (partes por millón). También se incluye la siguiente
ecuación para calcular la tasa de ventilación forzada necesaria que permitiría elimi-
nar la concentración de un determinado contaminante:

q 1
C= · (2.2)
Ca − Ci Ev

C: caudal volumétrico de aire de impulsión [m3 /s].

q: caudal másico de la sustancia contaminante medida [mg/s].

Ca : concentración permitida en el ambiente [mg/m3 ].

Ci : concentración en el aire de impulsión [mg/m3 ].

Ev : eficacia de ventilación [−].

La eficacia de ventilación Ev se define como la relación Ev = Ce /Cr , siendo


Ce la concentración del contaminante en la extracción del aire y Cr la correspon-
diente en la zona ocupada [24]. Por tanto, la eficacia de ventilación es función de
la ubicación y de las características de los elementos de suministro, así como de la
extracción del aire y de las fuentes de contaminación.

2.3.2. Confort visual


El ser humano percibe la mayor parte de la información a partir del sentido de
la vista, por lo que la luz resulta un elemento muy importante, ya que permite dis-
tinguir la forma, el color y la perspectiva de los distintos objetos existentes en un
determinado entorno [31]. Por tanto, el confort visual se puede expresar a través de
niveles óptimos de iluminación, luminancia y color [32]. Por ejemplo, en la Tabla
2.1 se muestran los niveles de iluminación idóneos en función del recinto que se
esté estudiando. Estos niveles se encuentran publicados en estándares [33–35].
2.3. NIVELES DE AMBIENTE INTERIOR 11

Función Estancia (nivel de iluminación) [lux]


Salón (50-150), dormitorio (50-100),
Doméstico
cocina (150-300), baño (150), aseo (100).
Recepción (300), dormitorio (50-100),
Hotel
habitaciones (100)
Librería General (300), estanterías de libros (150)
Oficina General (500), sala de conferencias (500)

Tabla 2.1: Valores de iluminación [32].

Las condiciones de confort visual en el interior de un recinto dependen de las


propiedades geográficas y atmosféricas donde dicho recinto esté situado. Por lo
tanto, el nivel de iluminación real en el interior del mismo se debe calcular teniendo
en cuenta propiedades como el diseño de la ventana, su orientación, los coeficientes
de reflexión, y otros [36]. El objetivo de hacer coincidir el nivel de iluminación
real con el deseado (Tabla 2.1) a veces es imposible cumplir usando únicamente
luz natural, por lo que suelen ser precisos mecanismos de iluminación artificial,
véase [37].

2.3.3. Confort acústico


El confort acústico es el nivel de ruido que se encuentra por debajo de los niveles
permitidos que potencialmente causan daños a la salud y que, además, ha de ser
aceptado como confortable por los trabajadores afectados [38]. El confort acústico
es el nivel sonoro que no molesta, que no perturba y que no causa daño directo a la
salud.
El disconfort produce efectos extra auditivos que son variados y entran dentro del
campo de la ergonomía. Éstos pueden ser:
Subjetivos: el efecto indeseable del ruido es el más común, ya que un mismo
ambiente acústico puede ser desagradable para una persona y para otra no.
Conductuales: el disconfort acústico afecta al comportamiento de los traba-
jadores, por perturbar el rendimiento en el trabajo y la comunicación entre
trabajadores, y siempre se manifiesta como queja directa de éstos.
Psicofisiológicos: el ruido produce variaciones en la frecuencia cardíaca, au-
mento de la presión sanguínea, contracciones musculares, efectos sobre el
sueño, etc.
La principal fuente de contaminación acústica en la ciudades proviene de las
redes de movilidad, concretamente del tráfico rodado. Su unidad de medida inter-
12 CAPÍTULO 2.

nacional es el decibelio (dBA). Una calle se puede considerar confortable si el nivel


entre las 6 y 22 horas no supera los 65dBA. Aquellas calles con un nivel sonoro
superior se consideran como críticas.
El nivel sonoro continuo equivalente (LAeq), es el nivel en dBA de un ruido de
nivel constante hipotético correspondiente a la misma cantidad de energía sonora
que el ruido real considerado, durante un período de tiempo T.
En el Tabla 2.2 se muestran los niveles sonoros continuos equivalentes (LAeq)
de ruido aéreo, que se recomienda no sobrepasar en los locales [39, 40].

Tipo de edificio Local LAeq (dBA) (8 - 22 h)


Zonas de estancia 45
Residencial (público y privado)
Dormitorios 40
Despachos profesionales 40
Administrativo y de oficinas
Oficinas 45
Zonas de estancia 45
Sanitario
Dormitorios 30
Aulas 40
Docente
Salas de lectura 35

Tabla 2.2: Niveles sonoros continuos equivalentes de ruido aéreo [40].

Existen dos técnicas que, adecuadamente combinadas, permiten crear un ambien-


te acústico de confort en el interior de un recinto:
El acondicionamiento acústico: mediante la utilización de determinados
materiales se puede incrementar la absorción acústica de un recinto, redu-
ciendo con ello el sonido reflejado por los límites del local. El resultado es
una reducción del nivel de ruido.
El aislamiento acústico: utilizando materiales aislantes, podemos reducir la
transmisión de ruido entre dos locales colindantes o entre el exterior y el
recinto que tratamos de proteger.

2.3.4. Confort térmico


El confort térmico es una de las características más importantes cuando se estima
el ambiente interior; ha sido definido en paralelo por ASHRAE (American Society
of Heating, Refrigerating and Air Conditioning Engineers) Standard 55 e ISO (In-
ternational Standard Organization) Standard 7730 como la condición de la mente en
la que la satisfacción se expresa con el entorno térmico [41–45]. Sin embargo, esta
2.3. NIVELES DE AMBIENTE INTERIOR 13

definición se puede considerar ambigua ya que se deja abierto el significado de con-


dición de la mente, como el de satisfacción, pero lo que sí se deduce correctamente
es que el juicio del confort es un proceso cognitivo influido por distintos tipos de
procesos, entre los que se incluyen físicos, fisiológicos o incluso psicológicos [46].
Las expectativas de confort dependen de varias circunstancias, como por ejemplo,
el lugar donde se encuentre el ser humano, los motivos que hacen que se encuentre
en dicho lugar, la época del año, etc. Sin embargo, según diversos estudios, aunque
los climas, las condiciones de vida y las culturas difieran bastante a lo largo del
mundo, la temperatura que la gente elige para el confort bajo condiciones similares
de vestimenta, actividad, humedad y velocidad de aire es muy parecida [46].
Una búsqueda rápida en bases de datos científicas muestra que la comodidad en
los edificios es una temática de interés en campos de investigación muy diferentes
como Ingeniería (39 %), Energía (14 %), Ambiental (10 %), Informática (7.5 %) y
Ciencias Sociales (7 %), en menor medida, se encuentra en ciencia de la salud, la
tierra y economía. Algunos ejemplos de análisis del confort térmico son el diseño
de una sinagoga [47], estrategias para viviendas de bajo costo [48], materiales para
almohadillas protectoras de la cadera [49] y evaluación en oficinas modernas de
bajo consumo de energía [50].
Por lo tanto, los rangos de comodidad dependerán de los parámetros físicos y
humanos de sus ocupantes y, por lo tanto, deben establecerse de acuerdo con la es-
pecificidad de cada región o país [51]. Estándares internacionales bien establecidos
de países y regiones como EE. UU. o Europa, restringen los intervalos de comodi-
dad basados en índices numéricos, como el voto medio pronosticado (PMV) y el
porcentaje predicho de insatisfacción (PPD), ambos definidos en la normativa ISO
7730 [42, 52, 53]. Sin embargo, muchos países tienen pocos o incluso ningún están-
dar de confort térmico propio o estudios de campo asociados a la sensación térmica
y la adaptabilidad. México es un ejemplo de esta situación, ya que solo hay dos
modelos disponibles: un estándar ha sido desarrollado para la ciudad de Hermosi-
llo, noroeste de México (condiciones cálidas y extremadamente secas) [54, 55] y el
otro para las cuatro principales regiones climáticas de México en las temporadas de
enfriamiento y calefacción [51].
Los índices PMV y PPD se utilizan para predecir la sensación térmica en fun-
ción de los cuatro parámetros ambientales térmicos clásicos (temperatura del aire,
temperatura radiante media, velocidad del aire y humedad) y dos parámetros hu-
manos subjetivos: actividad y vestimenta; donde factor de actividad o metabólico
se define como la intensidad de las tareas físicas que desarrolla una persona expre-
sada a través del índice de tasa metabólica (met) y el factor de vestimenta (clo)
representa la resistencia térmica total desde la piel a la superficie exterior del cuerpo
vestido. Esta comodidad es aún más significativa cuando el edificio se localiza en
14 CAPÍTULO 2.

condiciones extremas como el norte de Europa y el norte de Asia (condiciones de


frío) [56, 57] y países tropicales como Camerún, Singapur y México (condiciones
cálidas) [58–60]. Por otro lado, el uso de sistemas HVAC (Calefacción, Ventila-
ción y Aire Acondicionado) está fuertemente relacionado con el confort térmico y
el consumo de energía y es bien sabido que, en países con condiciones climáticas
extremas, los sistemas HVAC pueden representar más de la mitad de la demanda
total de energía de una sola vivienda [61, 62].

Nota
1 unidad metabólica = 1[met] = 58,2[W/m2 ];
1 unidad de ropa = 1[clo] = 0,155[m2 · o C/W ].

2.4. Índices PMV y PPD


El PMV es un índice que refleja el valor medio de los votos emitidos por un gru-
po numeroso de personas respecto de una escala de sensación térmica de 7 niveles,
basado en el equilibrio térmico del cuerpo humano. El equilibrio térmico se obtiene
cuando la producción interna de calor del cuerpo es igual a su pérdida hacia el am-
biente. En un ambiente moderado, el sistema termorregulador tratará de modificar
automáticamente la temperatura de la piel y la secreción de sudor para mantener el
equilibrio térmico. El PMV puede ser calculado para diferentes combinaciones de
tasa metabólica, aislamiento de la ropa, temperatura del aire, temperatura radian-
te media, velocidad relativa del aire y humedad del aire. El PMV predice el valor
medio de los votos sobre la sensación térmica que emitiría un grupo numeroso de
personas sometidas al mismo ambiente. No obstante, los votos individuales están
dispersos alrededor del valor medio, siendo útil el poder estimar el número de per-
sonas que, probablemente, sentirán incomodidad debida al calor o al frío [44].

EL PPD es un índice que establece una predicción cuantitativa del porcentaje de


personas que se sentirán insatisfechas por notar demasiado frío o demasiado calor.
Para el propósito de esta norma internacional, las personas térmicamente insatisfe-
chas son aquellas que votarán muy caluroso, caluroso, fresco o frío, sobre la escala
de niveles de sensación térmica [44].

El cálculo del PMV puede realizarse a partir de las ecuaciones (1) a (4), adicional-
mente en el apartado de metodología y anexos se muestra el código computacional
que permite el cálculo de ambos indices en función de diferentes parámetros:
2.4. ÍNDICES PMV Y PPD 15

P M V = [0.303 · exp (−0.036 · M ) + 0.028] ·



(M − W ) − 3.05 · 10−3 · [5733 − 6.99 · (M − W ) − Pa ]

− 0.42 · [(M − W ) − 58.15] − 1.7 · 10−5 · M · (5867 − Pa ) (2.3)


− 0.0014 · M · (34 − ta ) − 3.96 · 10−8 · fcl ·
h 
4 4 i
(tcl + 273) − tr + 273 − fcl · hc · (tcl − ta )

tcl = 35.7 − 0.028 · (M − W ) − Icl ·


n
−8
h
4 4 i o (2.4)
3.96 · 10 · fcl · (tcl + 273) − tr + 273 + fcl · hc (tcl − ta )

( √
2.38 · |tcl − ta |0.25 para 2.38 · |tcl − ta |0.25 > 12.1 · Var
hc = √ √ (2.5)
12.1 · Var para 2.38 · |tcl − ta |0.25 < 12.1 · Var

(
1.00 + 1.290Icl para Icl ≤ 0.078m2 · K/W
fcl = (2.6)
1.05 + 0.645Icl para Icl > 0.078m2 · K/W

donde
M : tasa metabólica, en vatios por metro cuadrado [W/m2 ].
W : potencia mecánica efectiva, en vatios por metro cuadrado [W/m2 ].
Icl : aislamiento de la ropa, en metros cuadrados kelvin por vatio [m2 · K/W ].
fcl : factor de superficie de la ropa.
ta : temperatura del aire, en grados Celsius [o C].
tr : temperatura radiante media, en grados Celsius [o C].
Var : velocidad relativa del aire, en metros por segundo [m/s].
Pa : presión parcial del vapor de agua, en pascales [P a].
hc : coeficiente de transmisión del calor por convección, en vatios por metro
cuadrado kelvin [W/m2 · K].
tcl : temperatura de la superficie de la ropa, en grados Celsius [o C].
16 CAPÍTULO 2.

Una vez determinado el valor del PMV, se calcula el PPD utilizando la ecuación
(5),

P P D = 100 − 95 · exp −0.03353 · P M V 4 − 0.2179 · P M V 2



(2.7)

Otra manera de realizar el cálculo es mediante las ecuaciones mostradas en el


anexo 2.

2.5. Simulación energética de edificios


Hoy en día, los diseñadores necesitan herramientas que respondan a preguntas
muy específicas, incluso durante la fase inicial de diseño [63]. Mediante el uso de
diferente software de simulación de energía, los diseñadores pueden considerar op-
ciones específicas (por ejemplo, calefacción y refrigeración). Además, pueden pre-
decir el comportamiento térmico de los edificios antes de su construcción y simular
los costos de energía en edificios existentes en sus condiciones actuales, estable-
ciendo las mejores medidas de adaptación térmica para asegurar edificios eficientes
y confortables. Además del consumo de energía, las herramientas de software de
simulación también pueden usarse para calcular las siguientes variables:
Temperaturas interiores.
Temperaturas exteriores.
Necesidades de consumo de los sistemas HVAC.
Las necesidades de iluminación natural de los ocupantes.
Confort interior de los habitantes.
Niveles de ventilación.
Las herramientas de software de simulación de energía también pueden permi-
tir considerar todas las regulaciones vigentes y, simultáneamente, proporcionar una
sensación de confort a sus habitantes a través de un diseño correcto de los sistemas
de calefacción y refrigeración. Dicho software también tiene herramientas disponi-
bles para mejorar las soluciones constructivas a través de la simulación del efecto
de la incorporación de sistemas solares pasivos en los edificios, como los sistemas
de sombreado horizontal y vertical, así como un estudio más preciso del uso de las
cargas del sistema HVAC [63].
Las simulaciones basadas en Building Information Modeling (BIM) se utilizan
comúnmente como una herramienta efectiva para analizar simultáneamente el con-
sumo de energía y el confort térmico en los edificios [64].
2.5. SIMULACIÓN ENERGÉTICA DE EDIFICIOS 17

Existen diferentes programas de simulación de edificios basados en el estándar


ISO 7730 [44] como Energy Plus R [65], ESP-r R [66] y TRNSYS R [67], entre
otros [68].

2.5.1. Energy Plus


R

Energy Plus es una de las herramientas de software de simulación de energía más


conocidas. Su desarrollo comenzó en 1996, patrocinado por el Departamento de
Energía (DOE) de los Estados Unidos de América (EE. UU.) [69]. Inicialmente, el
gobierno de EE. UU. estaba desarrollando dos herramientas de software diferentes,
BLAST y DOE-2, que fueron abandonadas después de muchas discusiones y repre-
sentaban un primer paso y la base de trabajo de Energy Plus. Energy Plus tiene las
características y capacidades de BLAST y DOE-2; sin embargo, es una herramienta
de software completamente nueva que combina el balance de calor de BLAST con
un sistema HVAC genérico. Energy Plus tiene como objetivo desarrollar y organizar
herramientas de software en módulos que pueden trabajar juntos o por separado. Es
importante destacar que Energy Plus no tiene una interfaz visual que permita a los
usuarios ver y diseñar el edificio. En este caso, se deben utilizar herramientas de
software de terceros, es decir, Design Builder. Energy Plus es una herramienta de
software de simulación térmica que permite el análisis de la energía en todo el edi-
ficio y la carga térmica, y es utilizada por ingenieros, arquitectos e investigadores
para modelar el uso de energía y el uso del agua en los edificios. La herramienta de
software simula modelos para calefacción, refrigeración, iluminación, ventilación,
otros flujos de energía y uso del agua. La simulación de un edificio se divide en dos
etapas [65, 69–71]:
Construcción del edificio.
Introducción de datos, como aspectos ambientales, efectos de sombreado, sis-
tema de enfriamiento, ganancias internas, etc.

2.5.2. ESP-r
R

La herramienta de software de simulación de energía ESP-r está destinada a apo-


yar el proyecto de construcción con respecto a la energía y el desempeño ambiental
de una manera realista y precisa. La herramienta es un software matemático destina-
da para diseñadores que coordina datos, simulación, aplicaciones CAD, diferentes
herramientas para evaluar el rendimiento, etc. El ESP-r usa ecuaciones complejas
para tratar todos los aspectos al mismo tiempo (geometría, construcción, operación,
distribución, disipación de calor, etc.). Estas ecuaciones se integran en sucesivos
pasos de tiempo en respuesta a las influencias de los ocupantes y los sistemas de
control de clima. La geometría del edificio se puede establecer en herramientas de
18 CAPÍTULO 2.

software de CAD u otras herramientas similares para permitir la especificación de


la geometría de los edificios [66, 72].

El tiempo de simulación del edificio utilizando la herramienta de simulación


ESP-r puede variar en un rango de un minuto a una hora. Las salidas de las si-
mulaciones se pueden ver por las interacciones entre los dominios de evaluación o
se pueden exportar a otro software de gráficos. ESP-r es extremadamente útil y es
una herramienta poderosa para simular muchas tecnologías innovadoras. Sin em-
bargo, el programa requiere un gran conocimiento y experiencia por parte de sus
usuarios y requiere un largo proceso de aprendizaje.

2.5.3. TRNSYS
R

TRNSYS (TRaNsient SYStems simulation Program) es una herramienta de si-


mulación gráfica flexible basada en el lenguaje FORTRAN, desarrollada en 1975
por la Universidad de Wisconsin. Si bien la mayoría de las simulaciones se centran
en el rendimiento de los sistemas térmicos eléctricos y energéticos, TRNSYS tam-
bién puede utilizarse para modelar otros sistemas dinámicos, como el flujo de tráfico
o los procesos biológicos [67,73–75]. Estudios particulares que usan TRNSYS y se
reportan en la literatura son: la comparación de estrategias de enfriamiento para una
oficina en diferentes climas europeos [76], confort térmico en una piscina cubier-
ta [77], comportamiento de la operación en modo de enfriamiento de un edificio de
energía casi nula en China [78], entre otros.

TRNSYS Studio y TRNBuild

TRNSYS es una herramienta de software de simulación de sistemas transitorios


con una estructura modular que ha sido especialmente diseñada para desarrollar sis-
temas complejos relacionados con la energía, delineando el problema en una serie
de componentes más pequeños [67]. Los componentes (types) pueden variar desde
una bomba de calor simple a una zona múltiple de un complejo de edificios. Los
componentes se configuran a través de la interfaz gráfica de usuario conocida como
TRNSYS Simulation Studio. En la herramienta de software de simulación de ener-
gía TRNSYS, la construcción del edificio se puede lograr mediante la introducción
de datos en la interfaz visual dedicada, conocida por TRNBuild [69].

Los componentes se pueden compartir entre múltiples usuarios sin tener que vol-
ver a compilar la herramienta de software debido al uso de la tecnología DLL [63].
Además, esta herramienta de software de simulación energética permite al usua-
rio incorporar otros componentes desarrollados en herramientas de software como
MATLAB , R Microsoft Excel , R VBA , R etc.
2.6. CONCEPTOS ENERGÉTICOS 19

Funcionamiento TRNSYS
Una simulación de TRNSYS se crea conectando modelos de componentes indivi-
duales (types) en un modelo de sistema completo. Estos types requieren parámetros,
entradas y producen salidas. Los parámetros son constantes para toda la simulación,
mientras que las entradas pueden ser constantes, basadas en ecuaciones ingresadas
directamente en la simulación o conectadas a las salidas de otro type (Fig. 2.1).
Las rutinas del kernel de TRNSYS no hacen suposiciones sobre estas entradas y
salidas o sobre los algoritmos contenidos en los types conectados en la simulación;
para el kernel son modelos de caja negra [79]. El kernel maneja las entradas y hace
uso de las ecuaciones de los types a las entradas y luego, en cada iteración, llama a
lostypes cuyas entradas han cambiado hasta que se logra la convergencia. La deci-
sión sobre si los valores de entrada han cambiado puede hacerse en función de una
tolerancia relativa o absoluta, pero es la misma para todas las entradas independien-
temente de lo que represente esa entrada. En otras palabras, un valor de temperatura
y un valor de humedad tendrían la misma tolerancia absoluta o relativa, aunque eso
podría representar un acuerdo significativamente mayor en un caso que en el otro.

Figura 2.1: TRNSYS type y topología de red [79].

2.6. Conceptos energéticos


Entender el edificio como un sistema energético sin duda ayuda a simplificar la
complejidad con la que las distintas instalaciones térmicas son capaces de mante-
nernos en razonables condiciones de confort térmico, sean cuales sean las condi-
ciones exteriores. Si nos paramos a pensar en lo que esto implica, un sistema no es
20 CAPÍTULO 2.

más que una cadena de elementos, un conjunto de componentes relacionados entre


sí que deben su éxito a su funcionamiento en conjunto. Por ello el dimensionado
de las instalaciones térmicas, ya sean de calefacción o refrigeración, comienza por
las condiciones climatológicas de la localidad en la que nos ubiquemos y por las
características constructivas del edificio, sin olvidarnos de completar la ecuación
con la influencia que la actividad humana ejerce sobre el balance final de consumo
energético, que en resumen determinará la emisión de distintos gases a la atmósfera.
En esta apartado se abordarán conceptos como energía, demanda, consumo o
rendimiento, elementos básicos para poder adentrarnos posteriormente en el análisis
de cada uno de los componentes del sistema energético de cualquier edificio [80,81].

2.6.1. Energía
Se define como energía la capacidad de los cuerpos o conjuntos de éstos para
desarrollar un determinado trabajo. La unidad de medida de la energía en el sistema
internacional es el Julio (J). El julio está relacionado con el trabajo, y con la ley de
conservación de la energía. El julio es la cantidad de energía necesaria para elevar
un Newton (N ), un metro (m) sobre la superficie terrestre, y también se mide en
Kcal, cuando se define como la energía necesaria para elevar la temperatura de 1
Kilo (Kg) de agua, 1 grado (o C).
La potencia no es otra cosa que el ritmo al que se desarrolla ese trabajo, y por
tanto incorpora la variable del tiempo, midiéndose en Julios/Segundo, o lo que viene
a ser lo mismo, en Vatios (W).
Las formas de energía que se muestran en la naturaleza se pueden clasificar de la
siguiente forma:
Energía cinética: relacionada con el movimiento.
Energía potencial: según la posición de una masa.
Energía eléctrica: la que se obtiene con una diferencia de potencial eléctrico.
Energía lumínica: la que tiene como origen las fuentes luminosas, como el
fuego o el sol.
Energía mecánica.
Energía térmica: se manifiesta en forma de calor.
Energía eólica: el viento y como aprovechar su fuerza.
Energía solar: capta la radiación del sol.
2.6. CONCEPTOS ENERGÉTICOS 21

Energía fotovoltaica: un tipo de energía solar que transforma la radiación solar


en electricidad.

Energía hidráulica o hidroeléctrica: aprovecha la diferencia de altura del agua


en una presa.

Energía mareomotriz: el mar como productor de energía.

Energía biomasa: libera la energía de la materia vegetal.

Energía geotérmica: aprovecha la diferencia de temperatura entre el interior


de la tierra y su superficie.

Energía nuclear: relacionada con las reacciones nucleares.

Energía química: procedente de las reacciones químicas, por ejemplo el com-


bustible de un motor.

Energía sonora.

Energía radiante.

Energía de reacción.

Energía iónica.

Energía electromagnética.

Energía metabólica.

Energía magnética.

Energía calorífica.

Llegados a este punto cabe destacar la diferencia entre energía primaria y energía
final. La energía primaria es aquella que proviene de una fuente disponible en la
naturaleza, mientras que la energía final es la que consumimos en nuestros edificios
y que, por tanto, procede de la transformación de la energía primaria.

2.6.2. Demanda de energía


La demanda energética de un edificio es la necesidad de energía que necesita
para calefactar o refrigerar sus espacios interiores para mantener el edificio en unas
condiciones confortables. La demanda energética del edificio viene determinado
por su su aislamiento, compacidad, tipología de ventanas, renovaciones de aire,
cubiertas, suelos, etc.
22 CAPÍTULO 2.

2.6.3. Rendimiento energético


La eficiencia energética o rendimiento energético surge del cociente entre la
energía útil o utilizada por un sistema (Eobtenida ) y la energía total consumida
(Econsumida ):

η = Eobtenida /Econsumida (2.8)

2.6.4. Rendimiento térmico


El rendimiento térmico de un edificio se refiere al proceso de modelado de la
transferencia de energía entre un edificio y el entorno. La comprensión del ren-
dimiento térmico de los edificios calcula la carga de refrigeración y, por lo tanto,
ayuda a estimar la capacidad, el tamaño y la selección de un aparato de aire acon-
dicionado. Para un edificio no acondicionado, calcula la variación de temperatura
dentro de un edificio. Estos son muy esenciales y nos permiten determinar la efec-
tividad del diseño del edificio. La carga de diseño se basa en las condiciones de
diseño interior y exterior. Se basa en la estimación del enfoque de estado estable
de varios elementos de construcción, como paredes, techos, puertas, etc., y en la
estimación de la tasa de transferencia de calor general.
La energía producida o energía salida del sistema (Eproducida ) es siempre menor
que la energía suministrada o energía entrada al sistema (Esuministrada ). El rendi-
miento térmico o eficiencia de una máquina térmica es un coeficiente o ratio adi-
mensional calculado como el cociente de la energía producida (en un ciclo de fun-
cionamiento) y la energía suministrada a la máquina (para que logre completar el
ciclo termodinámico). Se designa con la letra griega ηter :

ηter = Eproducida /Esuministrada (2.9)

2.6.5. Consumo de energía


El consumo de energía ya sea de calefacción, refrigeración o agua caliente sani-
taria de un edificio para atender a la demanda de los usuarios, viene dado por una
sencilla expresión:

Consumo Energético = Demanda de energía / Rendimiento del Sistema (2.10)

De esta fórmula podemos extraer como primera conclusión que para disminuir el
consumo de energía en el edificio podemos actuar de distintas maneras:
Disminuir la demanda de energía.
2.7. ANÁLISIS DE SENSIBILIDAD 23

Aumentar el rendimiento del sistema.


Actuar de forma conjunta sobre demanda y rendimiento del sistema.

2.7. Análisis de sensibilidad


Una posible definición del análisis de sensibilidad es la siguiente: el estudio de
cómo la incertidumbre en la salida de un modelo (numérico o de otro tipo) puede
asignarse a diferentes fuentes de incertidumbre en la entrada del modelo [82].
El análisis de sensibilidad (SA) generalmente se lleva a cabo junto con simu-
laciones de energía para comprender el rendimiento de los edificios y reducir sus
consumos. La calidad de sus resultados depende principalmente de los modelos
térmicos y los datos de entrada. Tener datos precisos sobre las propiedades y las
condiciones de operación de los edificios es difícil. En consecuencia, los aportes
de las simulaciones se ven afectados por incertidumbres que pueden tener efectos
significativos en los productos y pueden ser importantes para considerar. Los SA
garantizan la fiabilidad y versatilidad de los análisis realizados [83].

2.8. Aplicación de herramientas de simulación y aná-


lisis de sensibilidad
Un enfoque interesante es el resultado de la unión de las herramientas de simula-
ción de energía y el análisis de sensibilidad, para definir qué parámetros de entrada
tienen más influencia en la salida [84]. Esta propuesta ayuda a definir los paráme-
tros más apropiados a considerar, dependiendo del objetivo del modelado. Este tipo
de análisis se puede hacer por métodos populares como Morris, regresión, métodos
basados en la varianza y Monte Carlo, entre otros. El análisis de sensibilidad basado
en el método Monte Carlo ofrece la opción de priorizar y fijar las entradas también
en casos en que se consideran salidas múltiples [85, 86]. Se pueden encontrar en la
literatura diversos estudios con análisis de sensibilidad realizados sobre los efectos
de los parámetros técnicos y físicos en el consumo de energía de los edificios y los
programas de simulación [83, 86–90].
Capítulo 3

Casos de estudio

En este trabajo se presentan dos edificios no residenciales localizados en diferen-


tes continentes (América y Europa), con características particulares en su estructu-
ra, uso y clima circundante. El primero es un edificio nuevo localizado en Cambre,
provincia de A Coruña, comunidad autónoma de Galicia, en el noroeste de España
(latitud 43◦ 180 22.55”N , longitud 8◦ 170 36.13”O), a una altura de 99m por encima
del nivel del mar. El segundo es un edificio situado en San Nicolás de los Garza,
municipio de Nuevo León, en el noreste de México (latitud 27◦ 320 02”N , longitud
99◦ 580 33”E), a una altura de 239m sobre el nivel del mar.

3.1. Condiciones climáticas


De acuerdo con el mapa de Köppen-Geiger [91], basado en los valores mensuales
y anuales de la temperatura media diaria del aire y las precipitaciones (Clasificación
Climática Geiger), la ubicación española se clasifica en la región Cfb (C - templado,
f - sin temporada seca, b - verano cálido), donde el clima oceánico tiene un verano
suave con precipitaciones mínimas y una temperatura que no excede de 22◦ C en
promedio en el mes más cálido y, donde al menos cuatro meses tienen un promedio
de más de 10◦ C. En esta clasificación no hay diferencia de precipitación significa-
tiva entre las estaciones.
Por parte del territorio mexicano se pueden identificar cuatro tipos principales de
climas. Las condiciones áridas son predominantes en la región norte, el trópico seco
en el oeste, las condiciones templadas se presentan en el centro y el trópico húmedo
en la parte sureste. En el caso de México bajo esta misma clasificación, San Nicolás
de los Garza puede ser considerada como BSh (BS - semiárido, h - caliente). Un
clima semiárido o estepa (BSh) en una región se caracteriza por el hecho de que
recibe una precipitación por debajo de la evapotranspiración potencial, aunque no

25
26 CAPÍTULO 3.

extremadamente. Los climas semiáridos tienden a sustentar la vegetación corta o


achaparrada, con áreas semiáridas generalmente dominadas por pastos o arbustos.
Además, la temperatura media anual supera los 18◦ C.
Los valores climáticos generales, como la temperatura del aire, la humedad rela-
tiva, la irradiancia directa (solar) y la irradiancia horizontal difusa, se toman de una
base de datos por hora obtenida por la plataforma Equs [92] y de la base de datos
Meteonorm [93] que se encuentra disponible en TRNSYS.

3.2. Estructura y uso de los casos de estudio


La base del primer edificio de forma rectangular tiene un área de 218.14m2 (Fig.
3.1) distribuidos en dos plantas, definidas como planta baja y primer piso; el nivel
inferior se utiliza como almacén (espacio sin climatizar) y el nivel superior corres-
pondiente a una zona climatizada con oficinas, salas de reuniones, cocina y otros
usos. Este edificio alberga la empresa Fridama Instalaciones, especializada en el
diseño, implementación y mantenimiento de instalaciones de aire acondicionado,
electricidad y control. El horario de trabajo se considera de lunes a viernes durante
todo el año de las 08:30am a las 06:00pm. La pared principal tiene una dirección
suroeste, donde se encuentra la entrada principal al almacén que da acceso a vehícu-
los de carga, para el transporte de la mercancía que se comercializa en el inmueble.

Figura 3.1: Planos arquitectónicos del primer caso de estudio: (a) planta baja; (b)
primer piso. Geometría del modelo numérico: (c) vista noreste y (d) vista suroeste.
3.2. ESTRUCTURA Y USO DE LOS CASOS DE ESTUDIO 27

Para el segundo caso de estudio, la base tiene forma de “L”, cubriendo un área
de 1214m2 en cada una de sus tres alturas que definimos como planta baja (GF),
primer piso (FF) y segundo piso (SF). La GF corresponde a un estacionamiento
sin cerramientos verticales y un área de recepción, mientras que los otros dos pisos
corresponden a aulas, salas de reuniones, laboratorios, oficinas, etc. (Fig. 3.2). La
función principal del edificio es Centro de Investigación en Ciencias Físico Mate-
máticas (CICFIM) que se encuentra detrás de la Facultad de Ciencias Físico Mate-
máticas (FCFM) de la Universidad Autónoma de Nuevo León (UANL). Su acceso
principal se encuentra en la fachada orientada al este, mientras su cara oeste colinda
con las instalaciones del estadio José Ma. Chico. Este edificio inicia las actividades
de lunes a viernes a las 07:00am y termina a las 09:00pm y el horario del día sábado
es de 10:00am a 02:00pm. En la Fig. 3.3 podemos observar las vistas del edificio.

Figura 3.2: Planos arquitectónicos del segundo caso de estudio: (a) planta baja; (b)
primer piso; (c) segundo piso. Geometría del modelo numérico: (d) vista noreste.

Para ambos casos de estudio, las características de las ventanas se describen en


la Tabla 3.1. Se han definido 6 tipos de ventanas para el caso de México y 1 para
el caso de España. Entre sus principales características se encuentran: porcentaje
de marco, transmitancia térmica (U ) y la ganancia solar (G − V alue), coeficiente
utilizado para describir la cantidad de ganancia solar o radiación solar que entra en
un espacio cerrado a través de un cristal o un material traslúcido.
28 CAPÍTULO 3.

Figura 3.3: Geometría del modelo numérico en el software de diseño gráfico


SketchUp .R

Espesor % U G − V alue
Casos Tipos Tipos de vidrio
(mm) Marco (W/m2 K) (kg/m3 )

1: España Tipo A Doble vidrio de baja emisividad 4/6/4 15 3.44 0.76

Tipo 1 Simple con control solar 6 5 5.73 0.482


Tipo 2 Simple claro 6 15 5.73 0.837
2: México Tipo 3 Doble claro 6/12/6 10 3.21 0.722
Tipo 4 Simple claro 6 35 5.73 0.837
Tipo 5 Simple claro 2 5 5.87 0.888
Tipo 6 Simple con control solar 6 25 5.73 0.482

Tabla 3.1: Propiedades térmicas y estructurales en ventanas.

En el primer edificio (España) hay dos tipos de zonas (WAC - sin calefactar y
AC - calefactada ), dependiendo si hay aire acondicionado o no (ver Tabla 3.2). La
segunda edificación (México) está distribuida en tres particiones (GF - FF - planta
baja y planta 1, SF - planta 2 y SL - lucernario), debido a los diferentes usos y
temperaturas en el interior.

El edificio en España está construido con tres tipos de cerramientos: las paredes
verticales, el piso y el techo. En la Tabla 3.3 mostramos los espesores de cada una
3.2. ESTRUCTURA Y USO DE LOS CASOS DE ESTUDIO 29

Casos Zonas Usos Características físicas


Área (253.36m2 )
Sin calefactar(WAC) Almacén y cámara de aire del techo Volumen (1910m3 )
Capacitancia (2292.71kJ/o K).
1: España
Calefactada 2 oficinas, 2 salas de juntas, Área (218.13m2 )
almacén pequeño, cuarto de redes, Volumen (610.78m3 )
(AC)
cocina, acceso y cuarto de limpieza Capacitancia (732.94kJ/o K)
GF: recepción Área (1142.68m2 )
Zona GF-FF FF: laboratorios, oficinas, Volumen (3366.99m3 )
baños y áreas de estudio, comedor Capacitancia (4040.39kJ/o K)
Laboratorios, oficinas, Área (1142.68m2 )
2: México Zona SF baños, centro de cómputo, Volumen (3225.0m3 )
cuarto de limpieza y sala de juntas Capacitancia (3870.0kJ/o K)
Área (84.0m2 )
Zona SL Espacio abierto sin utilizar Volumen (462.0m3 )
Capacitancia (554.4kJ/o K)

Tabla 3.2: Distribución de los casos de estudio.

de las capas de los cerramientos, donde sus espesores totales respectivos (t) son
46.5cm, 30.4cm y 185cm. El edificio en México (Tabla 3.3) tiene cuatro tipos de
cerramientos: paredes internas (9cm) y externas (35cm), así como divisiones de
10cm de espesor. En este caso, los mismos materiales se usaron en el piso y el
techo. En esta misma tabla se muestran las características físicas de cada capa de
material como: conductividad térmica (κ), capacidad calorífica (Cp ) densidad (ρ) y
resistencia (R) en casos específicos.
30

Espesor κ CP ρ R
Casos Tipo de cerramiento Estructura Capas
(cm) (kJ/mK) (kJ/kgK) (kg/m3 ) (h · m2 K/kJ)
Mortero monocapa 1.5 5.040 1.1 2000 -
Bloque hormigón hueco 20.0 1.764 1.1 1200 -
Externo
Cámara de aire vertical 5.0 - - - 0.05
Yeso densidad media 20.0 0.9 1.0 900 -
Bovedilla cerámica 25.0 4.104 0.9 1250 -
1: España
Suelo Capa compresión hormigón 5.0 5.04 1.0 1500 -
Pavimento plástico linóleo 0.4 0.612 1.4 1200 -
Cubierta chapa metálica 2.50 180.10 1.5 7850 -
Techo Cámara de aire 180.0 - - - 0.05
Falso techo placas perlita 2.5 0.187 1.5 120 -
Placa de yeso 1.5 0.90 1.0 900 -
Interno Lana mineral 6.0 0.13 1.03 50 -
Placa de yeso 1.5 0.90 1.0 900 -
Yeso densidad media 1.0 1.08 1.0 900 -
Ladrillo perforado 9.0 2.736 1.0 1600 -
Poliestireno extruido 5.0 0.122 1.45 25 -
Externo
Cámara de aire vertical 5.0 - - - 0.05
Ladrillo hueco 14 1.764 0.92 1200 -
2: México Mortero de cemento 1.0 5.04 1.05 2000 -
Terrazo 3.0 4.14 1.0 1800 -
Mortero de cemento 1.0 5.04 1.05 2000 -
Suelo y Techo Poliestireno extruido 6.0 0.122 1.45 25 -
Hormigón armado 1 % acero 15.0 8.28 1.0 2300 -
Grava rodada 15.0 2.916 0.92 1700 -
Aluminio 3.0 3.0 0.9 2800 -
División Lana mineral (aislante) 4.0 4.0 1.0 50 -
Aluminio 3.0 3.0 0.9 2800 -

Tabla 3.3: Propiedades térmicas y estructurales de soluciones constructivas adoptadas.


CAPÍTULO 3.
Capítulo 4

Metodología

El objetivo principal de este trabajo es mostrar las consecuencias, con base en los
resultados de las simulaciones basadas en BIM, de las decisiones subjetivas tomadas
por los diseñadores al utilizar el estándar de ergonomía ambiental ISO 7730, para
calcular los rangos de confort térmico y su impacto en la demanda de energía de los
edificios, así como su repercusión económica. La sensación térmica experimentada
por un ser humano se debe principalmente al equilibrio térmico general del cuerpo,
que depende de la actividad física (met) y vestimenta (clo) del sujeto, así como de
los parámetros ambientales: temperatura del aire, temperatura radiante, velocidad
y humedad del aire. Debemos enfatizar que la definición de los parámetros de la
indumentaria humana y la actividad la realiza subjetivamente el diseñador y, por
lo tanto, nos referimos a estas cantidades como Parámetros Humanos Subjetivos
(SHPs).

Los índices PMV (Predicted Mean Vote) y PPD (Predicted Percentage Dissas-
tisfied) se usan comúnmente para expresar una incomodidad cálida y fría para el
cuerpo como un todo, aunque la insatisfacción térmica también puede ser causada
por el calentamiento o enfriamiento no deseado de una parte particular del cuer-
po (incomodidad local). Por lo tanto, cuando se conocen los factores previos, se
puede predecir la sensación térmica de los ocupantes, usando una escala de siete
puntos que varía desde frío (-3) hasta caliente (3), siendo 0 el valor de “sensación
neutra” [43]. El PMV se puede calcular a partir de tablas o se puede medir directa-
mente con un instrumento [94]. La metodología propuesta en este trabajo consiste
en obtener primero los rendimientos térmicos de los edificios y, luego, realizar el
análisis de sensibilidad para los parámetros humanos subjetivos (SHPs) utilizados
en el cálculo del confort térmico, con el propósito de identificar cuál de ellos tiene
mayor influencia en las salidas de simulación basadas en BIM.

31
32 CAPÍTULO 4.

Figura 4.1: Esquema de la metodología utilizada.

La Fig. 4.1 muestra un esquema del procedimiento aplicado para ambos casos,
que consta de los siguientes pasos y que se detallaran en las secciones posteriores:
1. Seguimiento en tiempo real de las variables principales utilizando la platafor-
ma web Equs.
4.1. MONITORIZACIÓN POR PLATAFORMA WEB: EQUS 33

2. Modelado TRNSYS, obteniendo resultados tales como temperatura y deman-


da de energía.

3. Estimación matemática de los índices de PMV y PPD.

4. Análisis de sensibilidad (Monte Carlo) para determinar qué valores de los pa-
rámetros (factor de actividad y factor de vestimenta) producen una variación
significativa en las salidas de PMV y PPD.

5. Se establecen nuevas temperaturas de punto de ajuste, dependiendo de los


cambios en las categorías térmicas (detalladas en la sección 4.5)en el paso
anterior.

6. Verificación de la simulación térmica con datos reales de la base de datos


Equs.

7. Recálculo de la demanda de energía y del impacto económico, con base en


los dos pasos anteriores.

4.1. Monitorización por plataforma web: Equs


En esta sección se utiliza una plataforma web para la gestión energética de edi-
ficios llamada Equs, desarrollada con el objetivo de medir, transmitir y manejar los
consumos de energía y las variables ambientales como la temperatura, la humedad
y los niveles de CO2 . Además, esta herramienta tiene la posibilidad de controlar
desde cualquier lugar, de forma remota, mediante el sistema SCADA (Supervisor
de Control y Adquisición de Datos), asegurando la calidad de los resultados esta-
dísticos (Fig. 4.2).

Equs recopila en su base de datos la información enviada por los diferentes sen-
sores, lo que nos permite conocer la variación de las variables físicas de forma re-
mota, ya que el acceso a estos datos se puede obtener desde cualquier computadora
u otros dispositivos como teléfonos inteligentes conectados a internet, por lo que es
muy simple el acceso a los datos, lo que se puede hacer en el mismo dispositivo
accediendo a los valores, en tiempo real [92].
34 CAPÍTULO 4.

Figura 4.2: Captura de pantalla de la plataforma web “Equs” (http://equs-app.com).

4.2. Modelado de los edificios: TRNSYS


A través de la herramienta de simulación dinámica TRNSYS, podemos definir y
evaluar con precisión el confort y la demanda de energía de los edificios; en ambos
casos, trabajamos con modelos de edificios de múltiples zonas. TRNSYS se compo-
ne de dos partes: la primera es un motor que lee y procesa el archivo de entrada,
resuelve el sistema (modelo y sus componentes) de manera iterativa, determina la
convergencia y traza las variables del sistema; la segunda parte es una biblioteca de
componentes, cada uno de los cuales modela el rendimiento de una parte de todo el
sistema.
Un enfoque interesante de TRNSYS es convertir los problemas complejos, como
son los modelos de edificios de múltiples zonas, en componentes más pequeños,
con el fin de permitir que el diseñador establezca las conexiones entre el edificio y
muchos otros subsistemas/componentes en el entorno de simulación [95].
En lo que sigue, se evaluarán las demandas de energía de los edificios después
de realizar el análisis de sensibilidad de PMV y PPD respecto clo y met. Para ello
se optó por utilizar el programa TRNSYS. Para llevar a cabo la simulación del edifi-
cio, tanto en España como en México, se han introducido en el programa todos los
insumos, dimensiones, ubicación, características de construcción, etc., necesarios.
La simulación TRNSYS para diferentes valores del factor de vestimenta y factor
de actividad (a las condiciones de temperatura interior establecidas por la normati-
va ISO 7730 [44]) nos proporcionará diferentes valores de la demanda energética
que permitirá cuantificar el impacto de la variación en cada uno de los parámetros
analizados en el estudio de sensibilidad.
4.2. MODELADO DE LOS EDIFICIOS: TRNSYS 35

4.2.1. Definición de los modelos en programa de simulación: TRN-


Build
La introducción de los edificios en el software TRNSYS se realizó de la siguiente
manera: el primer paso fue la implementación de las zonas y todos sus elementos
como ubicación, orientaciones, muros, capas de materiales, ganancias, ventilación,
infiltración, horarios y confort en TRNBuild. El segundo paso corresponde a incluir
en los modelos TRNSYS datos como clima, entradas como el edificio descrito an-
teriormente, para obtener salidas que mostrarán a través de gráficos el rendimiento
térmico y las demandas de energía de los edificios. Para ello, obtuvimos la base
de datos de los edificios que incluye información como orientaciones de las facha-
das, materiales para las paredes y ventanas, la demanda de energía de los equipos
instalados, las horas de trabajo, la ocupación, etc. El proceso de definición de los
edificios en TRNBuild, incluye la siguiente información:

Estructura del edificio

Los materiales detallados en las Tablas 3.1 y 3.3 se asignaron desde la base
de datos del software.

Ubicación y orientaciones

Esta información fue descrita en la sección 3.1.

Definición de zonas

Las zonas descritas en la Tabla 3.2, se crearon como WAC y AC para el primer
caso, GF-FF, SF y SL para el segundo caso en TRNBuild Manager.

Horarios

En la Tabla 4.1 se muestran los diferentes tipos de horarios creados para cada
edificio; establecemos un valor de 1 en los períodos donde hay actividad en
el edificio, en cualquier otro caso, incluido el fin de semana, el valor es 0.
36 CAPÍTULO 4.

Casos Tipos de horarios Horas Uso


Diario 1 08:00 a 18:30 1
Diario 2 13:00 a 16:00 1
Diario
08:00 a 13:00 1
Diario 3
1: España 16:00 a 18:30 1
Semanal 1 Lunes a Viernes Diario 1
Semanal Semanal 2 Lunes a Viernes Diario 2
Semanal 3 Lunes a Viernes Diario 3
Diario A 09:00 a 21:00 1
Diario Diario B 07:00 a 21:00 1
Diario C 10:00 a 14:00 1
2: México
Lunes a Viernes Diario A
Semanal A
Semanal Sabado Diario C
Semanal B Lunes a Domingo Diario B
Tabla 4.1: Tipos de horarios en los edificios.

Infiltraciones
La Tabla 4.2 resume las infiltraciones para el verano y el invierno en ambos
casos de estudio. Esta información se calculó en base a la normativa ASH-
RAE 55.

Infiltraciones Ventilación
Casos Horas Cambio de aire por hora (renov/h) Cambio de aire
Verano Invierno por hora (renov/h)
WAC 0.143 0.031 5.0
1: España
AC 0.066 0.067 1.65
GF-FF 3.39 1.80 8.0
2: México SF 3.41 1.81 8.0
SL 25.27 13.41 10.0

Tabla 4.2: Infiltraciones y ventilación para cada zona en verano e invierno.

Ventilación
Existen diferentes métodos para realizar el cálculo de la ventilación mínima
requerida en edificios, que dependen del uso o nivel de estanqueidad1 ; para
4.2. MODELADO DE LOS EDIFICIOS: TRNSYS 37

calcular la ventilación utilizamos la norma EN 13779, ASHRAE 62 R. Se


estimó un valor para cada zona que se muestra en la Tabla 4.2.

Ganancias internas

Las ganancias internas de los edificios son una de las propiedades más impor-
tantes para introducir en el análisis del comportamiento térmico. Esta infor-
mación se muestra en las Tablas 4.3 y 4.4.

Casos Ganancias Descripción Horario Energía total (W)

15 personas adultas con


Ocupación Semanal 1 2240
actividad de oficina
16 PCs
Computadoras Semanal 1 2240
con monitores
37 lámparas fluorescentes
Luz artificial Semanal 1 3600
en 218.12m2
1: España Equipo de aire acondicionado Semanal 1 3332
Cafetera (10 tazas) Semanal 2 1500
Copiadora tipo oficina Semanal 3 1060
Otras ganancias Microondas Semanal 2 600
Refrigerador Encedido 322
Plotter Semanal 1 250
TV Semanal 1 90

Tabla 4.3: Datos de entrada de ganancias internas en la zona de AC en el caso de


España.

1
El Código Técnico de la Edificación (CTE), aprobado por Real Decreto en 2006, define qué es la permeabilidad al aire.
Según el documento, es la “propiedad de una ventana o puerta de dejar pasar el aire cuando se encuentra sometida a una
presión diferencial. La permeabilidad al aire se caracteriza por la capacidad de paso del aire, expresada en m3 /h, en función
de la diferencia de presiones”. La estanqueidad es una propiedad que se basa en la capacidad para evitar que entren partículas
externas al interior de una pieza, circuito o habitáculo, ya sea agua, aire, polvo, etc.
38 CAPÍTULO 4.

Ganancias Zonas Energía total (W)


Casos Descripción Horario
GF-FF SF GF-FF SF
15 personas adultas con
Ocupación 63 51 Semanal A 9450 7650
actividad de oficina
16 PCs
Ordenadores 54 50 Semanal A 7560 7000
con monitores
Lámparas Semanal A 2304 576
36 9
fluorescentes (64W )
Lámparas Semanal A 4800 3680
Iluminación 60 46
fluorescentes (80W )
2: México Lámparas Semanal A 2560 2480
64 62
fluorescentes (40W )
- - Equipo de aire acondicionado 21320
5 3 Cafetera (10 tazas) 1500
2 1 Copiadora tipo oficina 700
Otras ganancias 1 - Microondas 600
2 1 Refrigerador 322
10 12 Plotter 250
2 - TV 90

Tabla 4.4: Datos de entrada de ganancias internas en el caso de México.

Confort
Las sensaciones térmicas son diferentes entre las personas, incluso en el mis-
mo entorno. A pesar de que los sensores producen los mismos resultados in-
dependientemente de la posición geográfica en la que se toma una medición,
éste no es el caso para las personas. De hecho, las personas que se alojan en
espacios muy similares, sujetos al mismo clima y pertenecientes a una cultura
común, emiten opiniones muy diferentes sobre el confort térmico debido a la
combinación de un gran número de factores que afectan a la percepción de
los seres humanos.

Ganancias Descripción Valor

Invierno: ropa interior, camisa, pantalones,


1.2(clo) / 0.185(m2 · K/W )
chaqueta térmica, calcetines, zapatos
Factor de vestimenta
Verano: ropa interior, camisa,
0.70(clo) / 0.110(m2 · K/W )
pantalones, calcetines, zapatos
Trabajo sentado y liviano
Factor metabólico 1.2(met) / 70(W/m2 )
(oficina, hogar, escuela, laboratorio)
En general, el trabajo externo
Trabajo externo 0(met)
es alrededor de 0
La velocidad del aire en relación
Velocidad de aire relativo 0.4(m/s)
con la persona

Tabla 4.5: Datos de entrada de confort en los dos edificios.


4.2. MODELADO DE LOS EDIFICIOS: TRNSYS 39

El confort térmico es uno de los principales factores relacionado directamente


con el comportamiento térmico del edificio; por esta razón, los valores de fac-
tor de vestimenta, tasa metabólica, velocidad relativa del aire se introdujeron
en TRNSYS (basados en la normativa ISO 7730) [44]. La Tabla 4.5 mues-
tra los valores para ambos casos, verano e invierno; decidimos establecer los
mismos valores para la ropa y la actividad, ya que las características de los
ocupantes son muy similares (debemos enfatizar que estos valores son deci-
siones subjetivas del diseñador). El análisis del impacto de estas decisiones
es uno de los principales objetivos del presente trabajo

4.2.2. Simulación de los modelos en TRNSYS Studio


En esta sección, se presenta el modelo de simulación térmica dinámica en TRNSYS
Studio del edificio descrito anteriormente en TRNBuild; para este propósito utili-
zamos el componente “Type56” de construcción multizona, que se puede conec-
tar a una gran cantidad de otros componentes, incluidos los datos meteorológicos,
sistemas HVAC, programas de ocupación, controladores, funciones de salida, al-
macenamiento de energía térmica, sistemas de energía renovable (solar), etc. Otros
componentes utilizados fueron Type109-TMY2, Type62 y Type65.
El componente Type56 modela el comportamiento térmico de un edificio que
tiene hasta 25 zonas térmicas este componente lee la descripción del edificio de
un conjunto de archivos externos que tienen las extensiones *.bui, *.bld y *.trn.
Los archivos se pueden generar en función de la información suministrada por el
usuario ejecutando el programa del procesador llamado TRNBuild. Esta instancia
de Type56 genera su propio conjunto de archivos de salida de resumen mensuales y
por hora.
El Type109-TMY2 tiene como propósito general leer datos meteorológicos a in-
tervalos de tiempo regulares de un archivo de datos,convertirlo en un sistema de
unidades deseado y procesar los datos de radiación solar para obtener radiación
de superficie inclinada y angulo de incidencia para un número arbitrario de super-
ficies. El Type109 lee un archivo de datos meteorológico en el formato estandar
TMY2, este formato es utilizado por la Base Nacional de Datos de Radiación Solar
(EE.UU.), pero los archivos TMY2 se pueden generar desde muchos programas,
como Meteonorm.
Mediante el Type62 TRNSYS implementa un enlace con Excel. La rutina de For-
tran se comunica con Excel a través de un interfaz del Modelo de Objetos Compo-
nentes (COM) para una rápida transferencia de datos. TRNSYS envía las entradas
del componentes a las celdas dadas en sus hojas de trabajo en Excel.
El Type65 es un componente de gráficos en linea, se utiliza para mostrar las
40 CAPÍTULO 4.

variables del sistema seleccionadas mientras la simulación está en progreso. Este


componente es altamente recomendado y ampliamente utilizado, ya que proporcio-
na información variable valiosa y permite a los usuarios ver inmediatamente si el
sistema no está funcionando como se desea. Las variables seleccionadas se mostra-
rán en una ventana de trazado separada en la pantalla. En esta instancia los datos
enviados al Type65 se imprimen automáticamente, una vez por vez, en un archivo
externo definido por el usuario.

4.3. Estimación del PMV y PPD


De acuerdo con la norma ISO 7730 [44], la evaluación de los niveles de confort
se calculó mediante el uso de un paquete matemático de software MATLAB R para
el estudio numérico interactivo de sistemas dinámicos (Fig. 4.3) [44]. En la sección
de anexos se muestra a detalle dos diferentes maneras de realizar el cálculo de estos
indices númericos.

Figura 4.3: Estimación computacional de PMV y PPD basada en ISO 7730 [44].

El cambio de PMV y PPD en función de sus parámetros, como la tasa metabó-


lica, el aislamiento de la ropa y la temperatura del aire, es más fácil de visualizar
4.4. ANÁLISIS DE SENSIBILIDAD MEDIANTE EL MÉTODO MONTE CARLO41

en MATLAB que en TRNSYS ya que se puede modificar sus parámetros de forma


independiente y realizar estudios más específicos de ese tipo.

4.4. Análisis de sensibilidad mediante el método Mon-


te Carlo
El objetivo de un análisis de sensibilidad (SA) en este trabajo es estudiar la res-
puesta del modelo simulado por TRNSYS con respecto a la variación de los paráme-
tros de diseño específicos, como la vestimenta y la actividad.
El análisis de sensibilidad es ampliamente aplicable para relacionar los paráme-
tros de entrada con el rendimiento general del edificio (por ejemplo, la temperatura
o la demanda de calefacción o refrigeración) [85]. La contribución de cada entrada
puede ser analizada por SA para preparar para la futura optimización de la energía,
el medio ambiente y el rendimiento económico [96, 97].
Los métodos basados en muestreo para la incertidumbre y el análisis de sensi-
bilidad se han vuelto muy populares. El método Monte Carlo basado en muestreo
es una técnica que opera un modelo varias veces con muestras aleatorias genera-
das a partir de distribuciones de entrada. Proporciona soluciones aproximadas a los
análisis de incertidumbre y sensibilidad mediante la realización de experimentos
de modelado estadístico [98, 99]. El método puede manejar modelos de caja negra
complejos, independientemente de la linealidad y la continuidad, y generar una dis-
tribución de probabilidad para cada salida dependiendo de los tipos de distribución
de entrada [83].
En general, para un análisis de esta clase, consideremos una función y(x) donde:

y(x) = [y1 (x), y2 (x), ..., ynY (x)] (4.1)

x = [x1 , x2 , ..., xnX ] (4.2)

definen las salidas y entradas del análisis, respectivamente (ecuaciones 4.1 y 4.2).
Sucesivamente, la variación en x da como resultado una sensibilidad correspondien-
te en y(x). Además, las distribuciones

D = [D1 , D2 , ..., DnX ] (4.3)


42 CAPÍTULO 4.

necesitan estar bien definidas para caracterizar la incertidumbre asociada con los
elementos de x, donde Di es la distribución asociada con xi para i = 1, 2, ..., nX.
Los pasos más comunes para aplicar el análisis de sensibilidad en el análisis del
comportamiento energético del edificio son: determinar las variaciones de entrada,
crear modelos de energía de edificios, ejecutar modelos de energía, recoger resulta-
dos de simulación, ejecutar análisis de sensibilidad y presentación de los resultados
del análisis de sensibilidad [85]. Determinar las distribuciones de probabilidad de
los parámetros de entrada son el primer paso en el análisis de sensibilidad. En el
presente estudio, se utiliza el análisis de sensibilidad por el método de Monte Carlo,
considerando Oi objetivos que depende de Pj parámetros (parámetros de entrada o
aquellos que definen el sistema):

Oi (P1 , P2 , ..., PN ) i = 1, 2, 3, .., M (4.4)

4.4.1. Análisis de sensibilidad mediante el uso de distribución


uniforme
Supongamos que el parámetro Pj puede cambiar con un ancho ∆Pj . Para analizar
la influencia del parámetro Pj en el objetivo Oi , procedemos primero generando un
número aleatorio distribuido uniformemente r ∈ [0, 1]. Donde una distribución
uniforme es el modelo continuo más simple. Corresponde al caso de una variable
aleatoria que sólo puede tomar valores comprendidos entre dos extremos a y b, de
manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen la
misma probabilidad [100].
De la anterior definición se desprende que la función de densidad debe tomar
el mismo valor para todos los puntos dentro del intervalo (a, b) (y cero fuera del
intervalo). Es decir,
 
1
fX (χ) = si χ ∈ (a, b) y 0 si χ 6∈ (a, b) (4.5)
b−a

Ahora procedemos a generar un número aleatorio en base a la siguiente ecuación,

Pj1 = (Pj − ∆Pj ) + 2r · ∆Pj , Pj1 ∈ [Pj − ∆Pj , Pj + ∆Pj ] (4.6)

Obteniendo el primer valor aleatorio Pj1 , con el valor de N parámetros aleato-


rios generados Pj1 (j = 1, 2, 3, ..., N ), obtenemos un valor de Oi1 . Esto es, podemos
cambiar aleatoriamente todos los parámetros, en nuestro estudio variaremos aleato-
riamente uno de ellos fijando el resto constante.
4.5. CAMBIO DE CATEGORÍA Y TEMPERATURA DE CONSIGNA 43

4.4.2. Análisis de sensibilidad mediante el uso de distribución


normal
Una alternativa interesante a este tipo de análisis de sensibilidad, es la de utilizar
una distribución normal la cual es una de las distribuciones teóricas mejor estu-
diadas en los textos de estadística y más utilizada en la práctica, también llamada
distribución gaussiana [101–103]. Su importancia se debe fundamentalmente a la
frecuencia con la que distintas variables asociadas a fenómenos naturales y coti-
dianos siguen, aproximadamente, esta distribución. Caracteres morfológicos (como
la talla o el peso), o psicológicos (como el cociente intelectual) son ejemplos de
variables de las que frecuentemente se asume que siguen una distribución normal.
La distribución normal fue reconocida por primera vez por el francés Abraham
de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró
desarrollos más profundos y formuló la ecuación de la curva; de ahí que también se
le conozca, más comúnmente, como la “campana de Gauss". La distribución de una
variable normal está completamente determinada por dos parámetros, su media y su
desviación estándar, denotadas generalmente por µ y σ [104]. Con esta notación, la
densidad de la normal viene dada por la ecuación:

(  2 )
1 −1 x−µ
f (x) = √ exp ; −∞ < x < ∞ (4.7)
σ 2π 2 σ

Puesto que la curva alcanza su mayor altura en torno a la media, mientras que
sus ramas se extienden asintóticamente hacia los ejes, cuando una variable siga una
distribución normal, será mucho más probable observar un dato cercano al valor
medio que uno que se encuentre muy alejado de éste.
En este trabajo, los Oi objetivos son los índices PMV y PPD, que son una
función de los diferentes parámetros mencionados en las secciones anteriores.
Para analizar la influencia en el rendimiento térmico de los edificios, los pa-
rámetros Pj son factor de vestimenta (clo) y factor de actividad (met) [15]. En
especifico en este análisis de sensibilidad se opto por variar solo uno de los pa-
rámetros, manteniendo fijos el resto de ellos. Por ejemplo si variamos el factor
de vestimenta, el factor de actividad permanece constante

4.5. Cambio de categoría y temperatura de consigna


Dependiendo de los rangos admisibles para PMV y PPD, la UNE-EN ISO 7730
define tres tipos de zonas de confort o categorías de requisitos térmicos como
categoría A) (PPD < 6 %, es decir, −0.2 <PMV < 0.2), categoría B)(PPD
44 CAPÍTULO 4.

< 10 %, es decir, −0.5 < PMV < 0.5) y categoría C (PPD < 15 %, es decir,
−0.7 < PMV < 0.7). El rango de temperaturas del aire recomendado para dife-
rentes tipos de edificios, dependiendo de las categorías, se muestra en la Tabla 4.6
[15]. En base a los resultados del análisis de sensibilidad, podemos establecer la
temperatura de referencia para las estaciones de verano e invierno.

Tipo de Actividad Temperatura (◦ C)


Categoría
Edificios (W/m2 ) Verano Invierno
Aulas, oficinas A 24.5 ± 1.0 22 ± 1.0
salas principales 70 B 24.5 ± 1.5 22 ± 2.0
salas de juntas C 24.5 ± 2.5 22 ± 3.0

Tabla 4.6: Rango de temperatura de aire recomendado para oficinas y aulas (ISO
7730) [44].

La metodología propuesta en este trabajo consiste en obtener los rendimientos


térmicos de los edificios con base en el análisis de sensibilidad para los parámetros
subjetivos en el confort térmico, con el objetivo de identificar cuál de ellos tiene
mayor influencia en las predicciones del modelo.
Capítulo 5

Resultados y discusión

En esta sección presentamos los resultados de las simulaciones realizadas. Pri-


mero mostraremos la verificación del monitoreo utilizando los datos obtenidos por
la plataforma Equs y por las simulaciones de cada edificio realizadas en TRNSYS.
Luego, después de una segunda simulación, obtendremos la demanda de energía
usando los resultados calculados para el cambio de categoría, dependiendo de la
estimación de los valores de PMV y PPD, asi como el análisis de sensibilidad de
las variables del factor de vestimenta y factor de actividad. Finalmente, analizamos
el impacto económico del ahorro en la demanda de energía.

Este trabajo une simulaciones de energía basadas en BIM y análisis de sensibi-


lidad de dos edificios no residenciales en dos temporadas (verano e invierno) bajo
estándares internacionales como ISO 7730 y ASHRAE 55.

5.1. Monitorización en tiempo real: Equs


El seguimiento en tiempo real en línea con Equs demuestra la confiabilidad de las
mediciones que validan las simulaciones computacionales. En la Fig. 5.1 mostramos
las temperaturas medidas desde el 1 de enero al 31 de octubre de 2015 de la zona de
aire acondicionado del edificio de España, ubicada a 43◦ 180 de latitud norte y 8◦ 170
de longitud oeste. En el primer mes (enero, temporada de invierno) la temperatura
más baja del período es 12.53◦ C registrado el sábado 17. La temperatura más alta
30.48◦ C se alcanzó el lunes 15 de junio (verano). La temperatura media fue de
22.43◦ C. En el caso de la temperatura exterior, observamos que las temperaturas
frías y calientes están entre 2◦ C y 41◦ C, aproximadamente. La temperatura media
fuera del edificio fue de 15.49◦ C.

45
46 CAPÍTULO 5.

Figura 5.1: Temperaturas internas y externas medidas por la plataforma web Equs.
En el caso de la temperatura exterior, observamos que las temperaturas frías y ca-
lientes están entre 2◦ C y 41◦ C, aproximadamente. La temperatura promedio fue de
15.49◦ C.
5.2. VALIDACIÓN DE SIMULACIÓN EN TRNSYS 47

5.2. Validación de simulación en TRNSYS


La comparación entre los datos reales y las simulaciones es necesaria para tener
modelos confiables de los edificios. Como ejemplo, el paralelismo entre datos ex-
perimentales y el modelado de la temperatura del aire interno para el mes de junio,
desde la hora 3624 a 4344, se muestra en la Fig. 5.2(a). Para el período de junio,
la diferencia máxima entre las temperaturas simuladas y medidas es 1.47◦ C, sien-
do la desviación media 0.49◦ C. Estos valores no tienen influencia con respecto a
la comodidad interior, lo que demuestra que los resultados de nuestro modelo son
esencialmente correctos.

En la Fig. 5.2(b) mostramos la temperatura de un solo día de junio (24h desde la


hora 3914 a 3938 de la simulación). Podemos observar con más detalle la diferen-
cia entre la temperatura calculada y la medida para el período mencionado, donde
la variación mínima es de 0.04◦ C (obtenida en horas de trabajo) y la diferencia me-
dia (promedio) es de 0.35◦ C. La variación máxima es 0.72◦ C. Estos resultados se
obtuvieron dentro de la situación descrita en secciones anteriores. Particularmente,
durante los períodos de ocupación, la tasa metabólica (met) de los ocupantes se se-
leccionó como “Trabajos ligeros sentados”, que corresponde a 70W/m2 o 1.2met.
El factor de vestimenta (clo) se estableció en 0.7 para el período de verano y 1.2
para el invierno. Tengamos en cuenta que una ropa con factor de 1.2 clo correspon-
de a: ropa interior, camisa, pantalones, chaqueta térmica, calcetines y zapatos. La
ropa de verano de 0.7 clo corresponde a: ropa interior, la camisa, los pantalones,
los calcetines y los zapatos (ISO 7730). La Tabla 4.5 muestra la entrada que se usó
para la simulación para el escenario del caso inicial. En la Fig. 5.3 podemos obser-
var la demanda de energía en la configuración inicial, donde el punto de referencia
se estableció en 23.8◦ C.

El objetivo principal de la aplicación de un análisis de sensibilidad en este trabajo


es visualizar, de una manera más simple y detallada, el impacto de las decisiones
subjetivas tomadas por el diseñador sobre los valores de factor de vestimenta o ais-
lamiento de ropa y el factor de actividad o factor metabólico para el confort térmico,
que se definen en el programa de simulación TRNSYS. Basado en ISO 7730, el fac-
tor de vestimenta(clo) se puede estimar directamente a partir de la combinación de
la ropa o agregando los valores de aislamiento parcial para cada prenda. Por ejem-
plo, el valor típico de aislamiento de ropa para el verano (refrigeración) y el invierno
(calefacción) es de 0.5 y 1.0 clo, respectivamente. Por tanto, los valor asociados a
cada prenda pueden ser determinantes en la asignación del valor del factor de vesti-
menta (clo) por parte del diseñador y su determinación está sujeto, por tanto a más
fuentes de error.

Por ejemplo, el aislamiento de ropa ligera de verano de 0.5 clo incluye prendas
48 CAPÍTULO 5.

(a)

(b)

Figura 5.2: Comparación entre los datos reales obtenidos con Equs y los resultados
de simulaciones teóricas del primer caso de estudio: (a) para el mes de junio y (b)
un solo día de junio.
5.2. VALIDACIÓN DE SIMULACIÓN EN TRNSYS 49

Figura 5.3: Demanda de energía del edificio (caso España) en la configuración ini-
cial de los parámetros de confort térmico.
.
50 CAPÍTULO 5.

como: calzoncillos, camisa de manga corta, pantalones ligeros, calcetines delgados


o zapatos. En nuestro caso, elegimos para ambos casos de estudio un valor de 0.7 clo
que incluye: ropa interior, camisa, pantalones, calcetines y zapatos, que también se
consideran ropa ligera adecuada para la misma temporada en este tipo de edificios.
Análogamente, la estimación del valor de la actividad o tasa metabólica (met),
que representa una producción de calor en función del nivel de actividad, también
depende de la decisión subjetiva realizada por el diseñador. Según la norma ISO
7730 para una actividad correspondiente a este tipo de edificios, como: oficinas,
escuelas y laboratorios, el parámetro de actividad puede variar de 1.0 a 1.6met.
Para este trabajo asumimos un valor de 1.2met para las simulaciones de energía en
TRNSYS.

5.3. Análisis de sensibilidad mediante el método de


Monte Carlo
Por tanto, es de fundamental importancia estimar el impacto de las elecciones
subjetivas mencionadas de vestimenta y factor metabólico, sobre los valores de los
índices PMV y PPD, que indican el nivel de confort térmico y criterios de confort
térmico local, indicando las condiciones ambientales que se consideran aceptables
para el confort térmico general, así como malestar local.
Teniendo en cuenta lo anterior, utilizamos el análisis de sensibilidad basado en
el método de Monte Carlo, generando dos diferentes distribuciones aleatoriamente:
distribución uniforme y distribución normal.

5.3.1. Distribución uniforme


Se generó una distribución uniforme para una variación del factor de vestimenta
de 0 a 2clo, y el factor de actividad desde 0.8 a 4met, ya que en este rango el índice
PMV se encuentra entre -2 y 2, teniendo en cuenta que este es el rango sugerido
por la normativa ISO 7730. Los resultados del SA en los índices de confort (PMV
y PPD) para el factor de vestimenta y la tasa metabólica se muestran en las Figs.
5.4 y 5.5, respectivamente. La categoría térmica cambia según los valores de PMV
y PPD que, a su vez, dependen de las decisiones subjetivas por parte del diseñador
para el factor de vestimenta y el factor de actividad. La Fig. 5.4 muestra que para
la categoría A, los valores del factor de vestimenta varían de 0.46 a 0.66clo, para B
de 0.34 a 0.46clo y de 0.66 a 0.87clo. Finalmente, la categoría C está entre 0.27 a
0.34clo y 0.87 a 1.04clo. En este caso, el factor de actividad permanece constante
con un valor de 1.2met.
Para el caso de met y PPD, en la Fig. 5.5 mostramos que la categoría A se encuen-
5.3. ANÁLISIS DE SENSIBILIDAD MEDIANTE EL MÉTODO DE MONTE CARLO51

tra entre los valores de 0.83 a 1.04met. Para el caso de la categoría B, permanece de
0.8 a 0.83met y de 1.04 a 1.16met. Finalmente , la categoría C corresponde al ran-
go de 1.16 a 1.31met. En este caso en particular el factor de vestimenta permanece
constante a 0.7clo.

Figura 5.4: Cambio del nivel de confort térmico en base al análisis de sensibilidad
del factor de vestimenta en PMV (factor de actividad permanece constante).
.

Figura 5.5: Cambio del nivel de confort térmico en base al análisis de sensibilidad
del factor metabólico en PPD (factor de vestimenta permanece constante).

Debemos notar que una variación en los valores del factor de vestimenta en ve-
52 CAPÍTULO 5.

rano (Fig. 5.4), de 0.3 a 0.8clo, causa un cambio en la categoría de A a C.

5.3.2. Distribución normal


Para el caso de una distribución normal, hemos generado aleatoriamente valores
para el factor de vestimenta con µ = 1.0 clo, fijando el factor metabólico a 100
met(∗) y, variando la desviación típica σclo = 0.05, 0.075, 0.1, 0.125 y 0.15. Para
estas variaciones en los valores de entrada obtenemos (a través de nuestro modelo)
las variaciones en las variables de salida PMV y PPD. Mediante un ajuste a una
distribución normal -usando el software MATLAB - R se obtiene el valor de µ y σ
de sus distribuciones.
En las Figs. 5.6 y 5.7 se observan los sucesos del factor de vestimenta y factor de
actividad generados aleatoriamente siguiendo las distribuciones uniforme y normal.

Figura 5.6: Generación de sucesos distribuidos uniformemente para los parámetros


de factor de vestimenta (clo) y factor metabólico (met).

Figura 5.7: Generación de sucesos con base a distribución normal para los paráme-
tros de factor de vestimenta (clo) y factor metabólico (met).

La Fig. 5.8(a) muestra la relación entre σclo y σPMV observamos que la depen-
dencia es lineal y mediante una regresión obtenemos una pendiente de 0.73 y un
coeficiente de determinacion R2 =0.999; para la Fig. 5.8(b), tenemos una recta con
pendiente de 33.042 y R2 =1.0 para el caso de σclo y σPPD .
∗ El factor de actividad se suele expresar en unidades met. 1met corresponde
a una cantidad metabólica de 58.15W/m2 . En este epígrafe tomamos las unidades
de W/m2 y, por tanto, µ = 100 y σmet = 2.5, 5, 7.5, 10 y 12.5 corresponden a
µ = 100W/m2 y σmet = 2.5W/m2 , 5W/m2 , 7.5W/m2 , 10W/m2 y 12.5W/m2 .
5.3. ANÁLISIS DE SENSIBILIDAD MEDIANTE EL MÉTODO DE MONTE CARLO53

De manera similar, para el caso del factor de actividad (met) se ha establecido


una µ = 100, fijando factor de vestimenta a 1.0clo y variando la desviación típica
σmet = 2.5, 5, 7.5, 10 y 12.5 . Las rectas de la Fig. 5.9, muestran la relación entre el
σmet y (a) σPMV : una recta con pendiente de 1.43 y R2 =0.999 y, para (b) σPPD : una
recta con pendiente de 65.59 y R2 =0.999.
En las siguientes figuras 5.8 y 5.9, se muestra la relación entre las sigmas del
PMV y PPDcon las sigmas de clo y met.

Figura 5.8: Relación en base al análisis de sensibilidad del factor de vestimenta


(σclo ): (a)σPMV y (b)σPPD .

Figura 5.9: Relación en base al análisis de sensibilidad del factor metabólico (σmet ):
(a)σPMV y (b)σPPD .

Es decir, hemos obtenido la relación de las variaciones del factor de vestimenta


(clo) y factor de actividad (met) con las anchuras (σ) del PMV y PPD, con el
objetivo de observar cual de los dos parámetros que ingresa el diseñador de manera
subjetiva, produce un mayor impacto en la salida del modelo de la estimación de
los indices del PMV y PPD.
54 CAPÍTULO 5.

En la figura 5.10, se muestra simultaneamente las anchuras de PMV σPMV en


función de la anchura del factor de vestimenta (dejando el factor de vestimenta
constante)y el factor metabólico (manteniendo esta vez el valor de clo constante).
Por ejemplo, para una anchura del 5 % respecto al valor central del factor de ves-
timenta µ = 1 clo (σclo = 0.05), se obtiene un valor de σP M V de 0.035 y para
una anchura del 5 % respecto al valor central del factor metabólico µ = 100 met
(σmet = 5), se obtiene un valor de σP M V de 0.068. Además observamos que el valor
de la pendiente del factor de actividad (0.0143) es mayor a la pendiente del factor
de vestimenta (0.0073). Por tanto, el impacto del factor metabólico (met) es mayor
que el del factor de vestimenta (clo) para el caso del PMV.

Figura 5.10: Relación entre las variaciones del factor de vestimenta (clo) y factor
de actividad (met) y las anchuras de PMV.
.

De manera idéntica, para cada porcentaje de variación en los valores de factor


de vestimenta (clo) y factor de actividad (met) tenemos un valor de σPPD , que se
muestra en la figura 5.11, por ejemplo: para una anchura del 12.5 % el valor de σPPD
es de 4.166 para una variación en el factor de vestimenta (clo) y de 8.111 si es el
parámetro del factor de actividad (met) el que varía. Además, los valores de las
pendientes 0.6532 y 0.3339 para el factor de vestimenta y metabólico, respectiva-
mente, también predicen que el impacto del factor metabólico (met) es mayor que
el factor de vestimenta (clo) en el PPD.
5.4. DEMANDAS ENERGÉTICAS E IMPACTO ECONÓMICO 55

Figura 5.11: Relación entre las variaciones del facto de vestimenta (clo) y el factor
metabólico (met) y las anchuras de PPD.
.

5.4. Demandas energéticas e impacto económico


De acuerdo con los resultados de SA y los criterios de la tabla 4.6, se estableció
para la simulación en TRNSYS los valores del factor vestimenta (clo) y el factor de
actividad (met) y las temperaturas interiores de consigna.

La primer configuración se estableció para un valor del factor vestimenta de


0.7clo con una temperatura de 23.5◦ C, que pertenece a la categoría A. Para la ca-
tegoría B, usamos una temperatura de 24◦ C y 0.5clo. Finalmente, se consideró una
temperatura de punto de ajuste de 25◦ C para la categoría C y 0.3clo. Como ejem-
plo, para el mes de junio, de la Fig. 5.12 para valores del factor vestimenta de 0.3,
0.5 y 0.7clo obtenemos una demanda total de energía de 347.19kW , 565.05kW y
885.2kW , respectivamente. En el caso del factor de actividad, se procede de igual
modo que en el caso de la vestimenta, introduciendo en TRNSYS los nuevos valores
de temperatura alcanzada y establecida en función del rango de temperatura del aire
acondicionado.

En la Fig. 5.12, se muestra la variación de la demanda de energía con respecto al


cambio en la categoría ambiental.
56 CAPÍTULO 5.

Figura 5.12: Demanda de energía para varios valores de factor de vestimenta.


.
Caso Temp. Demanda de energía acumulada (kW)
Consig. para clo & met (junio a septiembre)
0.3 clo 0.5 clo 0.7 clo 0.8 met 1.0 met 1.2 met
España 23 o C 10035.15 10103.31 10145.80 10474.85 10514.24 10656.33
España 24 o C 9744.55 9747.20 9796.10 10166.64 10190.55 10216.24
España 25 o C 9566.70 9581.64 9595.09 9998.72 10010.56 10023.37
México 23 o C 273158.46 275990.91 278876.27 343595.12 349307.2 355060.52
México 24 o C 247775.81 250057.84 252401.52 288935.87 294159.43 299428.98
México 25 o C 227789.41 229537.78 231344.40 242446.35 244186.78 248938.99

Tabla 5.1: Demanda acumulada de energía entre junio y septiembre, con valores
variables de clo y met, para diferentes temperaturas.

En la Tabla 5.1 se pueden observar que los cambios en la demanda de energía


debido a variaciones en los criterios del diseñador en un edificio como el situado
en México, pueden variar hasta un 2.09 % en el caso de clo y un 3.63 % para met
[105]. Análogamente, para el edificio en España, la variación del factor metabólico
produce un mayor impacto en la demanda energética que la variación en el factor de
vestimenta. De hecho, la variación en un 133 % del factor de vestimenta (de 0.3 clo a
0.7 clo) produce una variación en la demanda de 1.10 % mientras que una variación
del 50 % en el factor metabólico (de 0.8 met a 1.2 met) produce un incremento en
la demanda de energía del 1.73 %. Para ambos casos de estudio, la variación de los
factores de actividad y vestimenta presentan una variación en la demanda de energía
que a su vez se traduce en consumo energético y económico. Este último dependerá
de los costos locales de la energía eléctrica.
Capítulo 6

Conclusiones

Se ha demostrado que la decisión del diseñador en relación a la asignación del


valor del factor de vestimenta (entre 0.3 clo y 0.7 clo) o del factor metabólico (entre
0.8 met y 1.2 met) tiene un importante efecto energético. De hecho, se ha analiza-
do el impacto en la demanda energética para diferentes temperaturas de consigna
(T = 23◦ C, 24◦ C y 25◦ C). En cualquier caso, lo mas relevante de este trabajo de
investigación es proponer una metodología facilmente extrapolable a edificios con
clima, uso y estructura diferentes.
Los resultados indican que el efecto en la demanda energética al variar el factor
de vestimenta en el edificio de México llega a alcanzar un 2.09 % y la variación en
el factor metabólico alcanza el 3.63 %. En el caso del edificio situado en España, y
debido a la diferente tipología y ubicación del edificio, la variación en el factor de
vestimenta es del 1.1 % y el efecto del factor metabólico del 1.73 %.
En definitiva, nuestro análisis ha permitido corroborar las hipótesis planteadas
que destacaban la importancia de las variables de decisión subjetiva por parte del
diseñador (de acuerdo con la norma ISO 7730) en el desempeño energético del
edificio.
Ya que la ISO 7730 es una norma internacional, debido a la gran variedad de cli-
mas existentes, es muy importante tener en cuenta esta peculiaridad del sistema en
el momento de su aplicación y en la elección del diseñador, que debe estar familiari-
zado con el procedimiento. La norma internacional ISO 7730 es referencia en todas
las regulaciones del mundo y, sin embargo, requiere de un diseñador experimentado
para una aplicación adecuada. Por tanto, hemos mostrado en el presente trabajo el
gran impacto de las elecciones subjetivas (actividad o vestimenta) del diseñador en
el cálculo de la demanda de energía de los edificios, en base al análisis de sensi-
bilidad basado en la norma ergonómica ambiental ISO 7730, el cual concluye que

57
58 CAPÍTULO 6.

la elección del met presenta una mayor sensibilidad, causando un aumento signifi-
cativo en el consumo de energía, así como los costos adicionales acumulados para
garantizar la comodidad de sus ocupantes.
Además, a través del análisis de sensibilidad Monte Carlo, se ha concluido la ma-
yor influencia del factor metabólico respecto al factor de vestimenta en las variables
relacionadas con el confort: PMV y PPD.
Bibliografía

[1] C. Optimality. Discussing methodology and challenges within the recast


energy performance of buildings directive. Buildings Performance Institu-
te Europe (BPIE): Brussels, Belgium, 2010.

[2] EUROSTAT, Energy – yearly statistics 2015., 2015.

[3] R.K. Pachauri, L. Meyer, Van K.L. Brinkman, S., N. Leprince-Ringuet, and
Van B.F. Cambio climático 2014 Equipo principal de redacción. Unidad de
apoyo técnico para el Informe de síntesis.

[4] T.L. Hemsath and K.A Bandhosseini. Sensitivity analysis evaluating basic
building geometry’s effect on energy use. Renewable Energy, 76:526–538,
2015.

[5] D. Griego, M. Krarti, and A. Hernandez-Guerrero. Energy efficiency optimi-


zation of new and existing office buildings in Guanajuato, Mexico. Sustaina-
ble Cities and Society, 17:132–140, 2015.

[6] H.W. Lin and T. Hong. On variations of space-heating energy use in office
buildings. Applied Energy, 111:515–528, 2013.

[7] E. Pikas, M. Thalfeldt, and J. Kurnitski. Cost optimal and nearly zero energy
building solutions for office buildings. Energy and Buildings, 74:30–42,
2014.

[8] J. Terés-Zubiaga, A. Campos-Celador, I. González-Pino, and C. Escudero-


Revilla. Energy and economic assessment of the envelope retrofitting in resi-
dential buildings in northern spain. Energy and buildings, 86:194–202, 2015.

[9] J. Lee, J. Kim, D. Song, J. Kim, and C. Jang. Impact of external insulation
and internal thermal density upon energy consumption of buildings in a tem-
perate climate with four distinct seasons. Renewable and Sustainable Energy
Reviews, 75:1081–1088, 2017.

59
60 BIBLIOGRAFÍA

[10] D. Kolokotsa, D. Tsiavos, G.S. Stavrakakis, K. Kalaitzakis, and E. Antoni-


dakis. Advanced fuzzy logic controllers design and evaluation for buildings’
occupants thermal–visual comfort and indoor air quality satisfaction. Energy
and buildings, 33(6):531–543, 2001.

[11] C.A. Balaras, K. Droutsa, E. Dascalaki, and S. Kontoyiannidis. Heating


energy consumption and resulting environmental impact of european apart-
ment buildings. Energy and buildings, 37(5):429–442, 2005.

[12] L. Pérez-Lombard, J. Ortiz, and C. Pout. A review on buildings energy con-


sumption information. Energy and buildings, 40(3):394–398, 2008.

[13] N. Jestin-Fleury. International Energy Agency. World Energy Outlook. Po-


litique étrangère, 59(2):564–565, 1994.

[14] J.E. Anderson, G. Wulfhorst, and W. Lang. Energy analysis of the built en-
vironment - A review and outlook. Renewable and Sustainable Energy Re-
views, 44:149–158, 2015.

[15] E.A. Abdelaziz, R. Saidur, and S. Mekhilef. A review on energy saving


strategies in industrial sector. Renewable and sustainable energy reviews,
15(1):150–168, 2011.

[16] P. Nejat, F. Jomehzadeh, M.M. Taheri, M. Gohari, and M.Z.A. Majid. A glo-
bal review of energy consumption, co2 emissions and policy in the residential
sector (with an overview of the top ten co2 emitting countries). Renewable
and sustainable energy reviews, 43:843–862, 2015.

[17] R. Galvin. Thermal upgrades of existing homes in Germany: The building


code, subsidies, and economic efficiency. Energy and Buildings, 42(6):834–
844, 2010.

[18] J.C. Creyts. Reducing US greenhouse gas emissions: how much at what
cost?: US Greenhouse Gas Abatement Mapping Initiative. McKinsey & Co.,
2007.

[19] G. Cooper. Air-conditioning America: engineers and the controlled environ-


ment, 1900-1960. Number 23. JHU Press, 2002.

[20] H. Chappells and E. Shove. Debating the future of comfort: environmental


sustainability, energy consumption and the indoor environment. Building
Research & Information, 33(1):32–40, 2005.

[21] R. Goldsmith. Use of clothing records to demonstrate acclimatization to cold


in man. Journal of applied Physiology, 15(5):776–780, 1960.
BIBLIOGRAFÍA 61

[22] J.F. Nicol, I.A. Raja, A. Allaudin, and G.N. Jamy. Climatic variations
in comfortable temperatures: the pakistan projects. Energy and buildings,
30(3):261–279, 1999.
[23] H. B. Awbi. Ventilation of buildings. Routledge, 2002.
[24] A. Hernández. NTP 343: Nuevos criterios para futuros estándares de venti-
lación de interiores.
[25] S. Atthajariyakul and T. Leephakpreeda. Real-time determination of opti-
mal indoor-air condition for thermal comfort, air quality and efficient energy
usage. Energy and Buildings, 36(7):720–733, 2004.
[26] M. Castilla, J.D. Álvarez, M. Berenguel, M. Pérez, F. Rodríguez, and J.L.
Guzmán. Técnicas de control del confort en edificios. Revista Iberoameri-
cana de Automática e Informática Industrial RIAI, 7(3):5–24, 2010.
[27] M.C. Hernández-Luna, R. Robledo-Fava, P. de Fernández de Córdoba, A. Pa-
redes, H. Michinel, and S. Zaragoza. Use of statistical correlation for energy
management in office premises adopting techniques of the industry 4.0.
Aceptado y pendiente de publicar.
[28] A. Hernández. NTP 742: Ventilación general de edificios. Instituto Nacio-
nal de Seguridad e Higiene en el Trabajo Ministerio de Trabajo y Asuntos
Sociales, 1994.
[29] S. Atthajariyakul and T. Leephakpreeda. Neural computing thermal com-
fort index for hvac systems. Energy Conversion and Management, 46(15-
16):2553–2565, 2005.
[30] Turismo y Comercio de España Ministerio de Industria. Reglamento de ins-
talaciones térmicas en los edificios. technical report. Technical report, IDAE,
2007.
[31] J. Guasch, R. Forster, F. Ramos, A. Hernández, and N.A. Smith. Enciclopedia
de salud y seguridad en el trabajo: Iluminación. Organización Internacional
del Trabajo. Ministerio de Trabajo y Asuntos Sociales, Tech. Rep, 2001.
[32] A.K. Yener. A method of obtaining visual comfort using fixed shading devi-
ces in rooms. Building and Environment, 34(3):285–291, 1998.
[33] Society of Light, Lighting, and Chartered Institution of Building Services En-
gineers. Code for Lighting. Butterworth-Heinemann, 2002.
[34] N. Española. UNE-EN 12464–1 febrero 2003. Iluminación de los lugares de
trabajo.
62 BIBLIOGRAFÍA

[35] N. Española. UNE-EN 12464–2 2008. Iluminación de los lugares de trabajo.

[36] G.K. Oral, A.K. Yener, and N.T. Bayazit. Building envelope design with the
objective to ensure thermal, visual and acoustic comfort conditions. Building
and Environment, 39(3):281–287, 2004.

[37] J.T. Kim and G. Kim. Overview and new developments in optical daylighting
systems for building a healthy indoor environment. Building and Environ-
ment, 45(2):256–269, 2010.

[38] CARM.es - Confort acústico. https://www.carm.es/web/, 21 de ju-


nio de 2018.

[39] A. Hernández. NTP 503: Confort acústico: el ruido en oficinas. INSHT.


Barcelona, 1998.

[40] A.C. Balagué and J.L. González. Una norma ambigua: La NBE CA-82 apro-
bada. CAU: construcción, arquitectura, urbanismo, (81):43, 1982.

[41] ASHRAE 1989. Standard 62-1989. Ventilation for acceptable indoor air
quality, 41:51, 1989.

[42] J.W. MacArthur, E. Arens, R. Gonzalez, L. Berglund, S. Spain, T. Madsen,


B. Oleson, and K. Reid. Hvac is for people. ASHRAE transactions, 92:5–64,
1986.

[43] P.O. Fanger. Thermal environment - human requirements. Environmentalist,


6(4):275–278, 1986.

[44] CEN (European Committee for Standardization). ISO 7730: Ergonomics of


the thermal environment analytical determination and interpretation of ther-
mal comfort using calculation of the PMV and PPD indices and local thermal
comfort criteria, 2005.

[45] ASHRAE Standard. ASHRAE standard 55. Thermal environmental condi-


tions for human occupancy. Atlanta: American Society of Heating, Refrige-
rating, and Air-Conditioning Engineers, 2010.

[46] ASHRAE. Handbook of fundamentals. American Society of Heating Refri-


gerating and Air Conditioning Engineers, Atlanta, GA, 2005.

[47] A. Geva, H. Saaroni, and J. Morris. Measurements and simulations of thermal


comfort: a synagogue in Tel Aviv, Israel. Journal of Building Performance
Simulation, 7(3):233–250, 2014.
BIBLIOGRAFÍA 63

[48] A.T. Nguyen and S. Reiter. Passive designs and strategies for low-cost hou-
sing using simulation-based optimization and different thermal comfort cri-
teria. Journal of Building Performance Simulation, 7(1):68–81, 2014.
[49] W. Wardiningsih and O. Troynikov. Force attenuation capacity and ther-
mophysiological wear comfort of vertically lapped nonwoven fabric. The
Journal of The Textile Institute, pages 1–9, 2017.
[50] F.J. Rey Martínez, M.A. Chicote, A.V. Peñalver, A.T. Gónzalez, and E.V. Gó-
mez. Indoor air quality and thermal comfort evaluation in a spanish modern
low-energy office with thermally activated building systems. Science and
Technology for the Built Environment, 21(8):1091–1099, 2015.
[51] I. Oropeza-Perez, A.H. Petzold-Rodriguez, and C. Bonilla-Lopez. Adaptive
thermal comfort in the main Mexican climate conditions with and without
passive cooling. Energy and Buildings, 145:251–258, 2017.
[52] CEN EN. 15251-2007. Criteria for the indoor environment including ther-
mal, indoor air quality, light and noise. Brussels: European Committee for
Standardization, 2007.
[53] A. Matzarakis, H. Mayer, and M.G. Iziomon. Applications of a universal
thermal index: physiological equivalent temperature. International journal
of biometeorology, 43(2):76–84, 1999.
[54] I. Marincic, J.M. Ochoa, and M.G. Alpuche. Passive house for a desert cli-
mate. Eco-Architecture V: Harmonisation between Architecture and Nature,
142:13, 2014.
[55] I. Marincic, J.M. Ochoa, M.G. Alpuche, and G. Gómez-Azpeitia. Adaptive
thermal comfort in warm dry climate: Economical dwellings in Mexico. In
26th Conference on Passive and Low Energy Architecture PLEA, pages 510–
515, 2009.
[56] I. Oropeza-Perez and P.A. Østergaard. Potential of natural ventilation in tem-
perate countries–a case study of denmark. Applied Energy, 114:520–530,
2014.
[57] L. Zhang, L. Zhang, and Y. Wang. Shape optimization of free-form buildings
based on solar radiation gain and space efficiency using a multi-objective
genetic algorithm in the severe cold zones of China. Solar Energy, 132:38–
50, 2016.
[58] I. Oropeza-Perez and P.A. Østergaard. Energy saving potential of utilizing
natural ventilation under warm conditions–a case study of Mexico. Applied
energy, 130:20–32, 2014.
64 BIBLIOGRAFÍA

[59] M.K. Nematchoua, C.R. Raminosoa, R. Mamiharijaona, T. René, J.A. Oro-


sa, W. Elvis, and P. Meukam. Study of the economical and optimum ther-
mal insulation thickness for buildings in a wet and hot tropical climate: case
of Cameroon. Renewable and Sustainable Energy Reviews, 50:1192–1202,
2015.

[60] J. Lei, J. Yang, and E.H. Yang. Energy performance of building envelopes
integrated with phase change materials for cooling load reduction in tropical
Singapore. Applied Energy, 162:207–217, 2016.

[61] C.W. Chen, C.W. Lee, and Y.W. Lin. Air conditioning-optimizing performan-
ce by reducing energy consumption. Energy & Environment, 25(5):1019–
1024, 2014.

[62] M. Sivak. Potential energy demand for cooling in the 50 largest metropolitan
areas of the world: Implications for developing countries. Energy Policy,
37(4):1382–1384, 2009.

[63] J. Sousa. Energy simulation software for buildings: review and compa-
rison. In International Workshop on Information Technology for Energy
Applicatons-IT4Energy, Lisabon. Citeseer, 2012.

[64] S. Attia, J.L. Hensen, L. Beltrán, and A. De Herde. Selection criteria for
building performance simulation tools: contrasting architects’ and engineers’
needs. Journal of Building Performance Simulation, 5(3):155–169, 2012.

[65] U. S. Department of Energy (DOE) EnergyPlus, Simulation Program v8. 0.


https://energyplus.net, 11 de Mayo, 2017.

[66] University of Strathclyde ESP-r v11.11, Energy Systems Research Unit.


http://www.esru.strath.ac.uk/programs/esp-r.htm, 22 de Mayo, 2017.

[67] University of Wisconsin-Madison TRNSYS v17, Solar Energy Laboratory.


http://sel.me.wisc.edu/trnsys/, 10 de Noviembre, 2017.

[68] S. Attia and A. De Herde. Early design simulation tools for net zero energy
buildings: a comparison of ten tools. In Conference Proceedings of 12th
International Building Performance Simulation Association, 2011, 2011.

[69] D.B. Crawley, J.W. Hand, M. Kummert, and B.T. Griffith. Contrasting the
capabilities of building energy performance simulation programs. Building
and environment, 43(4):661–673, 2008.

[70] F. Westphal and R. Lamberts. Curso: Introducción a energyplus. Labeee,


Florianópolis–SC, 2006.
BIBLIOGRAFÍA 65

[71] D.B. Crawley, L.K. Lawrie, F.C. Winkelmann, W.F. Buhl, Y.J. Huang, C.O.
Pedersen, R.K. Strand, R.J. Liesen, D.E. Fisher, M.J. Witte, and J. Glazer.
EnergyPlus: creating a new-generation building energy simulation program.
Energy and buildings, 33(4):319–331, 2001.
[72] P. Haugaard. Investigation and implementation of building simulation
programmes-especially esp-r. DTU, Lyngby Denmark, pages 160–196, 2003.
[73] Welcome | TRNSYS: Transient Systems Simulation Tool Trnsys.
http://www.trnsys.com/, 10 de Noviembre, 2017.
[74] F. Kuznik, J. Virgone, and K. Johannes. Development and validation of a
new trnsys type for the simulation of external building walls containing pcm.
Energy and Buildings, 42(7):1004–1009, 2010.
[75] S.A. Klein, W.A. Beckman, J.W. Mitchell, J.A. Duffie, N.A. Duffie, T.L.
Freeman, J.C. Mitchell, J.E. Braun, B.L. Evans, J.P. Kummer, and R.E. Ur-
ban. TRNSYS 16–a transient system simulation program, user manual. Solar
Energy Laboratory. Madison: University of Wisconsin-Madison, 2004.
[76] G. Salvalai, J. Pfafferott, and M.M. Sesana. Assessing energy and thermal
comfort of different low-energy cooling concepts for non-residential buil-
dings. Energy conversion and management, 76:332–341, 2013.
[77] M. Lebon, H. Fellouah, N. Galanis, A. Limane, and N. Guerfala. Numerical
analysis and field measurements of the airflow patterns and thermal comfort
in an indoor swimming pool: a case study. Energy Efficiency, 10(3):527–548,
2017.
[78] S. Zhang, Y. Jiang, W. Xu, H. Li, and Z. Yu. Operating performance in
cooling mode of a ground source heat pump of a nearly-zero energy building
in the cold region of china. Renewable Energy, 87:1045–1052, 2016.
[79] I. Beausoleil-Morrison, F. Macdonald, M. Kummert, T. McDowell, R. Jost,
and A. Ferguson. The design of an ESP-r and TRNSYS co-simulator. In
Proceedings of the International IBPSA Conference, Sydney, Australia, 2011.
[80] Ó.R. Rivera and Fundación Laboral de la Construcción. Manual práctico
de cálculos térmicos de edificios. Oficios. Eficiencia energética. Tornapunta,
2013.
[81] Serrano, P. https://www.certificadosenergeticos.com/, 03
de Septiembre de 2018.
[82] A. Saltelli, S. Tarantola, F. Campolongo, and M. Ratto. Sensitivity analysis
in practice: a guide to assessing scientific models. John Wiley & Sons, 2004.
66 BIBLIOGRAFÍA

[83] G.C. Rodríguez, A.C. Andrés, F.D. Muñoz, J.M.C. López, and Y. Zhang. Un-
certainties and sensitivity analysis in building energy simulation using ma-
croparameters. Energy and Buildings, 67:79–87, 2013.
[84] P. Antoniadou and A.M. Papadopoulos. Occupants’ thermal comfort: State
of the art and the prospects of personalized assessment in office buildings.
Energy and Buildings, 2017.
[85] W. Tian. A review of sensitivity analysis methods in building energy analysis.
Renewable and Sustainable Energy Reviews, 20:411–419, 2013.
[86] K.J. Lomas and H. Eppel. Sensitivity analysis techniques for building ther-
mal simulation programs. Energy and buildings, 19(1):21–44, 1992.
[87] A. Ioannou and L.C.M. Itard. Energy performance and comfort in residential
buildings: Sensitivity for building parameters and occupancy. Energy and
Buildings, 92:216–233, 2015.
[88] M. Basinska, H. Koczyk, and E. Szczechowiak. Sensitivity analysis in de-
termining the optimum energy for residential buildings in Polish conditions.
Energy and Buildings, 107:307–318, 2015.
[89] H. Breesch and A. Janssens. Performance evaluation of passive cooling in
office buildings based on uncertainty and sensitivity analysis. Solar energy,
84(8):1453–1467, 2010.
[90] R. Ruiz Flores, S. Bertagnolio, and V. Lemort. Global sensitivity analysis ap-
plied to total energy use in buildings. In Proceedings of the 2nd International
High Performance Buildings Conference, 2012.
[91] M.C. Peel, B.L. Finlayson, and T.A. McMahon. Updated world map of the
Köppen-Geiger climate classification. Hydrology and earth system sciences
discussions, 4(2):439–473, 2007.
[92] E. Balvís, Ó. Sampedro, S. Zaragoza, A. Paredes, and H. Michinel. A simple
model for automatic analysis and diagnosis of environmental thermal com-
fort in energy efficient buildings. Applied Energy, 177:60–70, 2016.
[93] J. Remund. Meteonorm: Irradiation data for every place on earth. Bern2014,
2014.
[94] T.L. Madsen. Description of thermal manikin for measuring thermal insula-
tion values of clothing. Thermal Insulation Report, (48), 1976.
[95] E. DIN. 13779 (2007) ventilation for non-residential buildings-performance
requirements for ventilation and room-conditioning systems. British Stan-
dard, 2007.
BIBLIOGRAFÍA 67

[96] F. Ascione, N. Bianco, C. De Stasio, G.M. Mauro, and G.P. Vanoli. Multi-
stage and multi-objective optimization for energy retrofitting a developed
hospital reference building: A new approach to assess cost-optimality. Ap-
plied Energy, 174:37–68, 2016.
[97] T.M. Echenagucia, A. Capozzoli, Y. Cascone, and M. Sassone. The early
design stage of a building envelope: Multi-objective search through heating,
cooling and lighting energy performance analysis. Applied Energy, 154:577–
591, 2015.
[98] J.C. Lam and S.C. Hui. Sensitivity analysis of energy performance of office
buildings. Building and Environment, 31(1):27–39, 1996.
[99] R. Carrasco, P. Fernández de Córdoba, L.M. García-Raffi, and J.M. Sanchís.
Métodos de simulación Monte Carlo y sus aplicaciones. Universidad Poli-
técnica de Valencia, 2000.
[100] Universidad de Barcelona. https:www.ub.edu/stat/
GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/
B0C4m1t1.htm, 21 de Junio de 2018.
[101] D.G. Altman. Practical statistics for medical research. CRC press, 1990.
[102] W.W. Daniel and L. Hernández. Bioestadísticabase para el análisis de las
ciencias de la salud. Number 574.015195 D3/2005. 2005.
[103] R.C. Elston and W.D. Johnson. Essentials of biostatistics. 1987.
[104] S. Pértegas Díaz and S. Pita Fernández. La distribución normal. Cad Aten
Primaria, 8:268–274, 2001.
[105] R. Robledo-Fava, M.C Hernández-Luna, P. Fernández de Córdoba, H. Mi-
chinel, and S. Zaragoza. Analysis of the sensitivity of bim-based numerical
simulations to variations in subjective human parameters. En preparacion.
Anexo I: Estudio de caso: edificio en
República Dominicana

Caso de estudio
En el presente caso de estudio, se analizó el comportamiento energético de un
edificio localizado dentro de las instalaciones de la Universidad Autónoma de San-
to Domingo (UASD), que cuenta con una cafetería la cuál será nuestro objetivo
para simular y analizar matemáticamente; con ello, obtendremos resultados que van
enfocados hacia obtener un menor consumo energético así como a verificar lo obte-
nido en esta tesis de doctorado.
La universidad está situada en Santo Domingo, capital de República Dominicana,
(latitud 18◦ 270 42.7300 N , longitud 69◦ 540 52.9300 ), a una altura de 18m sobre el nivel
del mar (Fig. 1).
El clima que prevalece en Santo Domingo es tropical; la mayoría de los meses
del año están marcados por lluvias significativas. La corta estación seca tiene poco
impacto. Este clima es considerado Am (A - tropical, m - monzónico), según la
clasificación climática de Köppen-Geiger. La temperatura media anual es 25.7◦ C,
con precipitaciones promedio de 1661mm.
El edificio tiene las siguientes orientaciones para los 4 cerramientos verticales:
hacia el norte colinda con la avenida Paulo III, hacia el suroeste con la calle Cris-
tóbal de Llenares, hacia el este con la avenida Santo Tomás de Aquino y hacia el
sureste con la avenida Dr. Bernardo Correa y Cidrón (Fig. 1 y Tabla 1).

Estructura y uso del caso de estudio


El área a estudiar (122.04m2 ), se utiliza como cafetería y se encuentra situada en
la planta baja del Edificio de los Gremios Sindicales, conformado por un sistema de
pórticos y muros de hormigón armado (Sistema Dual). En las siguientes imágenes
de la Fig. 2 podemos observar características de su estructura exterior e interior.

69
70

Figura 1: Ubicación y orientaciones del caso de estudio (República Dominicana).

Orientación Abreviatura Categoría Ángulo


Norte N Elevación posterior 337.230
Sureste SE Elevación frontal 155.970
Este E Lateral derecho 64.810
Suroeste SO Lateral izquierdo 247.210

Tabla 1: Orientaciones de la fachada.

Figura 2: Imágenes reales del edificio y cafetería en República Dominicana.


71

La cantidad de personas que asisten en horas pico a la cafetería es aproximada-


mente de 80 personas, entre empleados y clientes. En la figura 3, se muestra el plano
de la cafetería que ha sido dividido en cuantro zonas a estudiar: comedor, cocina,
cuarto frío y almacén o depósito.
• Comedor, en esta zona se encuentra lo relacionado con el consumo de ali-
mentos, así como los sanitarios.
• Cocina, en ella se preparan los alimentos de la cafetería.
• Depósito, este lugar se utiliza para el almacenamiento de todo lo relacionado
con la cafetería que puede mantenerse a temperatura ambiente.
• Cuarto frío, el propósito de esta zona es mantener los productos que deben
ser refrigerados.

Figura 3: Geometría del modelo numérico en el software de diseño gráfico Sket-


chUp.

En la Tabla 2 se muestran los valores de áreas y volúmenes para las zonas descri-
tas previamente.

Definición del modelo en TRNBuild


La introducción de la cafetería del edificio en el software TRNSYS se realizó de
la siguiente manera: el primer paso fue la implementación de las zonas y todos sus
72

Zonas Área (m2 ) Volumen (m3 )


Comedor 86.11 232.497
Cocina 15.20 41.04
Depósito 13.38 36.126
Cuarto frío 7.35 19.845

Tabla 2: Área y volumen para las zonas del caso de estudio.

elementos como ubicación, orientaciones, muros, capas de materiales, ganancias,


ventilación, infiltración, horarios y confort en TRNBuild. El segundo paso corres-
ponde a ingresar en los modelos TRNSYS datos como clima ; entradas como el
edificio descrito anteriormente para obtener salidas que mostrarán a través de grá-
ficos el rendimiento térmico y las demandas de energía de los edificios. El proceso
de definición de los edificios en TRNBuild, incluye la siguiente información:

Estructura del edificio

Los cerramientos y los materiales utilizados para definir el caso de estudio se


detallan en la Tabla 3.

Caso de estudio Tipo de muro Capas de materiales κ ρ


Cerramiento Cemento y arena 3.60 1800
externo Bloque de concreto 1.84 1400
principal Cemento y arena 3.60 1800
Arena y grava 7.20 2000
Rep. Dominicana Suelo Hormigón armado 2.0 2400
Yeso y enlucidos 3.60 1800
Yeso y enlucidos 3.60 1800
Techo Hormigón armado 9.0 2400
Yeso y enlucidos 3.60 1800
Tabla 3: Propiedades térmicas y estructurales.

Las características de las ventanas se describen en la (Tabla 4). Se han defi-


nido 2 tipos de ventana para este caso de estudio. Entre sus principales ca-
racterísticas se encuentran: el porcentaje de marco, la transmitancia (U ) y la
ganancia solar (G − V alue).
73

Espesor % U G − V alue
Caso de estudio Tipo Tipo de vidrio
(mm) Marco (W/m2 K) (kg/m3 )
Ventana01 Simple claro 4 15 5.8 0.862
Rep. Dominicana
Ventana02 Simple claro gris 4 15 5.73 0.580

Tabla 4: Propiedades térmicas y estructurales en ventanas.

La Tabla 5 muestra la definición de los cerramientos para cada una de las


zonas de acuerdo a los materiales detallados anteriormente en la Tabla 3.

Caso de estudio Zona Tipo de muro Área (m2 ) Orientación


Principal 7.86 Norte
Principal 15.66 Suroeste
Principal 15.60 -
Cocina
Principal 7.86 -
Suelo 15.20 Horizontal
Forjado 15.20 Horizontal
Principal 28.22 Norte
Principal 6.21 Suroeste
Principal 15.60 -
Principal 3.32 -
Comedor Principal 0.96 -
Principal 29 Suroeste
Principal 29.85 Este
Rep. Dominicana Suelo 86.11 Horizontal
Forjado 86.11 Horizontal
Principal 9.29 Norte
Principal 11.34 Suroeste
Principal 9.56 Sureste
Depósito
Principal 15.74 -
Suelo 13.38 Horizontal
Forjado 13.38 Horizontal
Principal 7.38 Suroeste
Principal 7.29 Este
Principal 15.74 -
Cuarto Frío
Principal 0.96 -
Suelo 7.35 Horizontal
Forjado 7.35 Horizontal
Tabla 5: Estructura de la fachada de la cocina.
74

Ubicación y orientaciones
Esta información fue descrita al inicio de la descripción del caso de estudio.

Definición de zonas
Las zonas descritas en la Tablas 2 y 5, se crearon como comedor, cocina,
depósito y cuarto frío.

Horarios
En la Tabla 6 se muestran los diferentes tipos de horarios creados para este
caso de estudio; para empleados y clientes establecemos un valor mayor que
0 y menor o igual a 1 en los períodos donde hay actividad en el edificio, en
cualquier otro caso, el valor es 0.
Esta cafetería cuenta con una capacidad media de 70 clientes y se encuen-
tran laborando 11 empleados, para un promedio de 81 personas; el porcentaje
de personas a distintos períodos de tiempo cambia, ya que existen horas en
las cuales los clientes varían en mayor o menor proporción dependiendo si
es horario de almuerzo o merienda, en la Tabla 8 se muestra la capacidad
aproximada para distintos horarios.

Días Empleado (Ent/Sal) Cliente (Ent/Sal)


Lunes a Sábado 07:00 a 18:00 8:00 a 17:00
Domingo 07:00 a 16:00 8:00 a 15:00

Tabla 6: Horario.

0 Si no hay personas en el edificio


1 Si hay personas en el edificio
[0,1] % de ocupación

Tabla 7: Escala de porcentaje.

Infiltraciones
El valor de infiltración se ha establecido por defecto en TRNSYS en 0.6
renovaciones/h.
75

Lunes a sábado (clientes y empleados)


Desde Hasta Valor
00:00 7:00 0
7:00 8:00 0.13
8:00 11:00 0.56
11:00 12:30 0.75
13:00 14:00 1
14:00 15:00 0.44
15:00 17:00 0.32
17:00 18:00 0.13
18:00 24:00 0
Domingo
00:00 7:00 0
07:00 8:00 0.07
08:00 15:00 0.35
15:00 16:00 0.07
18:00 24:00 0
Equipos Hora Pico
00:00 11:30 0
11:30 12:30 1
12:30 13:30 0.5
13:30 24:00 0
Estufas
00:00 07:30 0
07:30 13:30 1
01:30 24:00 0
Luminarias
00:00 07:30 0
07:30 13:30 1
13:30 24:00 0
Fin de semana
00:00 24:00 0

Tabla 8: Distintos horarios de uso para el caso de República Dominicana.


76

Semana
Días Nombres
Lunes a sábado Horario clientes y empleados
Domingo Horario Domingo

Tabla 9: Horario semanal.

Ventilación
Se estimó un valor para cada zona (ver Tabla 10), en base a las normativas
previamente utilizadas para los primeros casos de estudio.

Zona Personas Caudal mínimo (pers · dm3 /s)


Comedor 77 616
Cocina 4 32

Tabla 10: Caudal mínimo de ventilación para zona comedor y cocina.

Ganancias internas
Las ganancias internas de los edificios son de las propiedades más importantes
para introducir en el análisis del comportamiento térmico. Esta información
se muestra en las Tabla 11.

Equipo Cantidad Potencia (W )


Tostadora 1 1553
Cafetera 1 1500
Congelador 1 1408
Refrigerador 3 1056
Microondas 2 2404
Estufa Indust. 1 25614
Congelador 1 3520
Horno Eléctri. 1 1964

Tabla 11: Datos de entrada de ganancias internas.

Actividad realizada Calor total (W ) Calor sensible (W ) Calor latente (W )


Servir y comer 170 75 95

Tabla 12: Actividad realizada por los ocupantes en el comedor.


77

Actividad realizada Calor total (W ) Calor sensible (W ) Calor latente (W )


Trabajo ligero 185 90 95

Tabla 13: Actividad realizada por los ocupantes en la cocina.

Confort

El confort térmico es uno de los principales factores relacionado directamen-


te con el comportamiento térmico del edificio, por esta razón, los valores de
factor de vestimenta, tasa metabólica, velocidad relativa del aire se introduje-
ron en TRNSYS (basados en la normativa ISO 7730). La Tabla 4.5 muestra los
valores para el actual caso de estudio.

Confort cocina
Parámetros Valores Características
Factor vestimenta Ropa ligera de verano (Pantalo- 0.5 clo
nes largos ligeros, camisa de cue-
llo abierto con mangas cortas)
Factor metabólico De pie, trabajo moderado (Activi- 2.0 met
dad de venta, trabajo doméstico,
funcionamiento de una máquina)
Trabajo externo Valor por defecto 0
Velocidad relativo al aire Casi siempre cero 0.1

Tabla 14: Valores de confort para la cocina.

Confort comedor
Parámetros Valores Características5
Factor de vestimenta Ropa ligera de verano (panta- 0.5 clo
lones largos ligeros, camisa de
cuello abierto con mangas cor-
tas)
Factor metabólico Asiento, trabajo ligero (oficina, 1.2 met
hogar, escuela, laboratorio)
Trabajo externo Valor por defecto 0 met
Velocidad del aire relativo Casi siempre cero 0.1 m/s

Tabla 15: Datos de entrada de confort para comedor.


78

Resultados
En esta sección presentaremos y analizaremos los resultados que obtuvimos de la
simulación de la cocina en TRNSYS. Presentaremos una serie de gráficas analiza-
das con diferentes intervalos de tiempo con la finalidad de obtener resultados más
precisos y canalizar mejor el flujo de información de estas gráficas.

Temperaturas anuales
Las primeras gráficas corresponden a períodos anuales de simulación de las tem-
peraturas de las 4 zonas que se introdujeron previamente a TRNSYS.

Temperatura ambiente
En la figura 4, se observan las temperaturas ambiente de todo un año de si-
mulación obtenidos de la estación climatológica de Bayaguana; los valores
de las temperaturas varían entre 17◦ C y 35◦ C; este tipo de temperaturas son
consideradas normales por los habitantes de ese lugar. Como se observa en la
gráfica, los meses más fríos corresponden a los meses de diciembre a abril;
por el contrario, el resto del año corresponde a los meses de verano con las
temperaturas más altas.

Figura 4: Temperatura anual: ambiente.


79

Zona: Comedor
Como se observa en la figura 5, la zona del comedor tiene una mayor va-
riación de temperatura; esto se debe principalmente al intercambio constante
de personas desde la zona exterior o entre las demás zonas hacia el come-
dor. Además, dicha zona no dispone de un buen sistema de ventilación, por
lo tanto, podemos observar que las temperaturas varían desde los 21◦ C hasta
40◦ C.

Figura 5: Temperatura anual: zona del comedor.

Zona: Cocina
Sin duda alguna, y corroborado con los valores de las temperaturas que se
observan en la figura 6, una de las zonas con mayor temperatura es la coci-
na. Podemos observar que las altas temperaturas se mantienen durante todo el
año, debido al gran desprendimiento de calor de los equipos eléctricos instala-
dos (estufa industrial, horno eléctrico, etc.) y a las actividades que se realizan
en la zona. Además, las altas temperaturas también se deben a la poca venti-
lación que tiene la zona.
80

Figura 6: Temperatura anual: zona de la cocina.

Zona: Depósito
La Fig. 7, corresponde a la zona del depósito, donde las temperaturas obte-
nidas dependen pricipalmente de las zonas adyacentes a ella; en este caso,
la cocina, cuarto frío y el exterior. Se debe destacar que la temperatura del
aire de los alimentos almacenados en este lugar es muy importante, ya que
se deben de mantener en buen estado y con ello, garantizar la calidad de los
mismos; se debería considerar dar una mayor ventilación a dicha zona.

Zona: Cuarto frío


Para terminar con los resultados anuales de las zonas, tenemos la gráfica que
corresponde al cuarto frío y, precisamente, podemos observar como se man-
tiene la temperatura constante todo el año como se observa en la Fig. 8. Por
tal razón, no va a sufrir ningún cambio excepto que exista algún problema o
se desconecte para dar mantenimiento.

Temperaturas mensuales
A continuación, analizaremos el comportamiento de la temperatura de las 4 zonas
por un período mensual. Después de realizar algunas simulaciones, se ha decidido
81

Figura 7: Temperatura anual: zona del depósito.

Figura 8: Temperatura anual: zona del cuarto frío.


82

presentar los resultados de los meses de enero y agosto debido a que forman parte
de dos estaciones con temperaturas muy diferentes, en este caso, invierno y verano.

Mes: enero
La Fig. 9, muestra las temperaturas correspondientes al mes de enero de las 4
zonas: comedor (azul), cocina (naranja), cuarto frío (morada) y depósito (ver-
de). Podemos observar que la zona del comedor y la cocina son las que tienen
las temperaturas más altas, alcanzando los 40◦ C. En cambio, la zona del de-
pósito, varía entre los 22◦ C y 33◦ C aproximadamente. Por último, tenemos la
temperatura constante del cuarto frío, −4◦ C.

Figura 9: Temperatura del mes de enero.

Mes: agosto
Para uno de los meses de verano, Fig. 10, se observa que hay un aumento
de temperatura en las 3 zonas manteniendo la zona del cuarto frío constante
(−4◦ C); esto es, que el mes de agosto tiene las temperaturas más altas durante
todo el año. Analizando la gráfica de la figura 10, podemos observar que, tanto
en la cocina como en el comedor, la temperatura varía desde 27◦ C hasta 41◦ C,
mientras que la temperatura del depósito varía entre 32◦ C a 35◦ C.
83

Figura 10: Temperatura del mes de agosto.

Resultados y conclusiones de las demandas de energía


En la tabla 16 se presentan los cambios en la demanda de energía debido a las va-
riaciones en los criterios del diseñador en climas como el caso de Rep. Dom. donde
prácticamente todo el año la temperatura es elevada. Como ejemplo, y por com-
pletitud, presentamos las variaciones en la demanda energética acumulada durante
el mes de enero del recinto analizado (cafetería). Hemos fijado una temperatura de
consigna de 25◦ C y dos valores del factor de vestimenta (0.3 clo y 0.6 clo) y dos
valores del factor metabólico (1.2 met y 1.6 met). Si bien, en este caso, el impacto
energético de la elección de clo y met por parte del diseñador es pequeño (debemos
tener en cuenta que hemos considerado sólo el mes de enero) también se contrasta
que el impacto energético de la variación del factor metabólico (3.5 %) es superior
a lo relacionado con el factor de vestimenta (0.8 %). Hemos elegido analizar estos
ensayos en el mes de enero para estudiar uno de los meses mas fríos y con menor
demanda.

Caso de estudio Temperatura de Demanda de energía acumulada (kW)


consigna para clo & met (enero)
0.3 clo 0.6 clo 1.2 met 1.6 met
Cafetería 25 o C 14735.25 14840.86 15404.61 15920

Tabla 16: Demanda acumulada de energía en el mes de enero, con valores variables
de clo y met, para una temperatura de consigna de 25◦ C.
84
Anexo 2: Código PMV y PPD

El programa en BASIC que sigue, calcula los PMV y PPD para un conjunto de
variables de entrada dados, basado en la normativa ISO 7730 y otros documentos
de la serie dedicados a las condiciones térmicas.
// main.cpp
// PMVPPD
// Created by Roberto Robledo Fava on 18/05/18.
// Copyright
c 2018 Roberto Robledo Fava. All rights reserved.
//
# include <stdio.h>
# include "math.h"
# include <stdlib.h>
int main()
{
/*
CLO: Vestimenta
MET: Tasa metabólica
WME: Trabajo externo
TA: Temperatura del aire ◦ C
TR:Temperatura radiante media ◦ C
VEL: Velocidad relativa del aire m/s
RH: Humedad relativa %

85
86

PA:Presión parcial del vapor de agua Pa [PA No se incluye]


*/
f loat CLO,MET,WME,TA,TR,VEL,HR,PA, FNPS, ICL, M, W, MW, FCL, TAA,
TRA, HCF, TCLA, P1, P2, P3, P4, P5, TCL, XF, XN, N, EPS, HCN, HC, HL1,
HL2, HL3, HL4, HL5, HL6, TS, PMV, PPD;
CLO = 1.0;
M ET = 1.2;
W M E = 0;
T A = 19;
T R = 18;
V EL = 0.10;
HR = 40;
P A = 0;
F N P S = exp(16.6536 − 4030.183/(T A + 235));
P A = HR ∗ 10 ∗ F N P S; // Presión de vapor saturado, [kP a]
ICL = 0.155 ∗ CLO; // Aislamiento térmico de la ropa, [m2 ∗ K/W ]
M = M ET ∗ 58.15; // Tasa metabólica, [W/m2 ]
W = W M E ∗ 58.15; // Trabajo externo, [W/m2 ]. Valor alrededor de 0
M W = M − W ; // Producción de Qi en el cuerpo humano [W/m2 ]
if (ICL <= 0.078){F CL = 1 + (1.29 ∗ ICL);} else {F CL = 1.05 + (0.645 ∗ ICL);}
// factor de superficie de la ropa
HCF = 12.1 ∗ sqrt(V EL); // Coefeciente de transferencia de energía por
convección
T AA = T A + 273; // Temp. aire en [K]
T RA = T R + 273; // Temp. radiante media en [K]
CÁLCULO DE LA TEMPERATURA DE SUPERFICIE DE ROPA POR
ITERACIÓN
T CLA = T AA + (35.5 − T A)/(3.5 ∗ ICL + 0.1); // Primera iteración, que es
una estimación. En las siguientes se encontrará el resultado correcto.
87

P 1 = ICL ∗ F CL; // Aislamiento térmico * F área ropa


P 2 = P 1 ∗ 3.96;
P 3 = P 1 ∗ 100;
P 4 = P 1 ∗ T AA; // P1*Taire*/
P 5 = (308.7 − 0.028 ∗ M W ) + (P 2 ∗ pow((T RA/100), 4)); // –Fórmula mo-
dificada. Original ..(TRA/100)*4 */–
XN = T CLA/100; // XN debe ser el "paso", 1/100 de la 1o iteración
XF = T CLA/50;
N = 0; // Número de iteración (la actual)
EP S = 0.00015; // Criterio de fin de iteración o bucle (valor final)
etiqueta1 : // GoTo STATEMENTS EES
XF = (XF + XN )/2;
HCN = 2.38 ∗ pow(abs(100 ∗ XF − T AA), 0.25); // Coef. transf. calor por
convección natural
if (HCF > HCN ){HC = HCF ;} else {HC = HCN ;}
XN = (P 5 + P 4 ∗ HC − P 2 ∗ pow(XF, 4))/(100 + (P 3 ∗ HC));
N = N + 1;
if (N > 150){gotoetiqueta2;}
if (abs(XN − XF ) > EP S){gotoetiqueta1;}
T CL = 100 ∗ XN − 273; // Temperatura superficial de la ropa
CÁLCULO DE LAS COMPONENTES DE LA PÉRDIDA DE CALOR
HL1 = 3.05 ∗ 0.001 ∗ (5733 − (6.99 ∗ M W ) − P A); // Pérdida de calor por
difusión a través de la piel
if (M W > 58.15){HL2 = 0.42 ∗ (M W − 58.15);} else {HL2 = 0;} // Pérdi-
da de calor por sudor
HL3 = 1.7 ∗ 0.00001 ∗ M ∗ (5867 − P A); // Pérdida de calor latente por
respiración
HL4 = 0.0014 ∗ M ∗ (34 − T A); // Pérdida de calor seco por la respiración
88

HL5 = 3.96 ∗ F CL ∗ (pow(XN, 4) − pow((T RA/100), 4)); // Pérdida de calor


por radiación
HL6 = F CL ∗ HC ∗ (T CL − T A); // Pérdida de calor por convección
CÁLCULO DE LOS ÍNDICES PMV Y PPD
T S = 0.303 ∗ exp(−0.036 ∗ M ) + 0.028; // Coeficiente de transferencia de
sensación térmica
P M V = T S ∗ (M W − HL1 − HL2 − HL3 − HL4 − HL5 − HL6); // Voto
medio estimado
P P D = 100.0−95.0∗exp(−0.03353∗pow(P M V, 4)−0.2179∗pow(P M V, 2));
// Porcentaje de insatisfechos
printf( "PMV: % f \n ", PMV);
printf( "PPD: % f \n", PPD);
etiqueta2 :
P M V = 99999;
P P D = 10000;
return 0;
}
Anexo 3: Código PMV y PPD

El programa en BASIC que sigue, calcula los PMV y PPD para un conjunto de
variables de entrada dados, basado en la normativa ISO 7730 y otros documentos
de la serie dedicados a las condiciones térmicas.
// PMVPPD
// Created by Roberto Robledo Fava on 18/05/18.
// Copyright
c 2018 Roberto Robledo Fava. All rights reserved.
CLO: Vestimenta
MET: Tasa metabólica
WME: Trabajo externo
TA: Temperatura del aire ◦ C
TR:Temperatura radiante media ◦ C
VEL: Velocidad relativa del aire m/s
RH: Humedad relativa %
PA:Presión parcial del vapor de agua Pa [PA No se incluye]
ICL = 0.155 ∗ CLO; // Aislamiento térmico de la ropa, [m2 ∗ K/W ]
M = M ET ∗ 58.15; // Tasa metabólica, [W/m2 ]
W = W M E ∗ 58.15; // Trabajo externo, [W/m2 ]. Valor alrededor de 0
M W = M − W ; // Producción de Qi en el cuerpo humano [W/m2 ]
N CLO = 1.2;
M = 70; //es la tasa metabolica, en vatios por metro cuadrado (W/m2)
W M E = 0; //es la potencia mecanica efectiva, en vatios por metro cuadrado
(W/m2);

89
90

T A = 23.5; //es la temperatura del aire, en grados Celsius (◦ C);


T cl = T A; //es la temperatura de la superficie de la ropa, en grados Celsius

( C ).
hr = 3;
T r = 25.5; //es la temperatura radiante media, en grados Celsius (◦ C );
V = 0.1; //es la velocidad relativa del aire, en metros por segundo (m/s);
RH = 60; //RH: Humedad relativa %
ArAdu = 0.77; // Ar /ADU es la fracción de superficie corporal participante
en los intercambios de calor por radiación y depende de la postura del cuerpo.
Puede tomarse el valor 0,77 para la mayoría de situaciones.
INICIALIZAMOS LAS VARIABLES S = 0; f actor = 500; R = 0; C = 0;
f cl = 0; hc = 0; Balance = 1; E = 0; Edif f = 0; Hres = 0;
W = W M E ∗ 58.15; //trabajo externo, en W/m2
if M <= 58; M = 58; end
if M >= 232; M = 232; end
if T A <= 10; T A = 10; end
if W <= (0.0052 ∗ (M − 58)); W = 0.0052 ∗ (M − 58); end
if W >= 1.2; W = 1.2; end
if V <= 0.1; V = 0.1; end
if V >= 4; V = 4; end
T sk = 35.7 − 0.0285 ∗ M ; //temperatura de la piel
P A = (RH/100) ∗ 0.1333 ∗ exp(18.6686 − 4030.183/(T A + 235)); //es la
presión parcial del vapor de agua en el aire ambiente, en pascales (Pa)
Icl = 0.155 ∗ N CLO; // aislamiento térmico de la vestimenta en [m2 K/W ]
Iclr = Icl; //resistencia térmica de la vestimenta
while abs(Balance) > 0.01
f cl = 1.05 + 0.65 ∗ Icl; // factor de superficie de la ropa
E = 0.42 ∗ ((M − W ) − 58); // Pérdida de calor por sudor
91

Edif f = 3.05 ∗ (0.255 ∗ T sk − 3.36 − P A); // pérdida de calor por difusión a


través de la piel
Hres = (1.73e − 2) ∗ M ∗ (5.867 − P A) + (1.4e − 3) ∗ M ∗ (34 − T A); //
pérdida de calor latente y seco por respiración
T cl = T sk−Icl∗(M −W −E −Edif f −Hres−S); // temperatura superficial
de la ropa
hr = (5.67e − 8) ∗ 0.95 ∗ ArAdu ∗ (exp(4 ∗ log(273 + T cl)) − exp(4 ∗ log(273 +
T r)))/(T cl − T r); //coeficiente de transferencia de calor por radiación, donde
(5,67e-8) es la constante de Stefan Boltzman y (0.95) es la emisividad del atuendo
hc = 12.1 ∗ sqrt(V ); //Coeficiente de transferencia de calor por convección
R = f cl ∗ hr ∗ (T cl − T r); //Transferencia de calor por radiación desde la
superficie de la ropa.
C = f cl ∗ hc ∗ (T cl − T A); //Transferencia convectiva de calor a través de la
ropa.
Balance = M − W − E − Edif f − Hres − R − C − S; //Balance térmico
if Balance > 0 S = S + f actor; f actor = f actor/2; else S = S − f actor; end
end
S = M − W − E − Edif f − Hres − R − C; //es el calor acumulado por el
organismo, cuyo valor permite conocer tiempos máximo de permanencia en un
ambiente determinado.
P M V = (0.303 ∗ exp(−0.036 ∗ M ) + 0.028) ∗ S; //Voto medio estimado
P P D = 100−95∗exp(−0.03353∗(P M V 4 )−0.2179∗(P M V 2 )); //Porcentaje
de insatisfechos

También podría gustarte