TesisDoctorado RRF
TesisDoctorado RRF
TesisDoctorado RRF
Doctorado en Matemáticas
Tesis de Doctorado
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
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.
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
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
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
XIII
XIV ÍNDICE DE FIGURAS
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
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:
1.4. 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.
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.
Marco teórico
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.
∂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
Nota
1 unidad metabólica = 1[met] = 58,2[W/m2 ];
1 unidad de ropa = 1[clo] = 0,155[m2 · o C/W ].
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
( √
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),
2.5.2. ESP-r
R
2.5.3. TRNSYS
R
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.
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 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.
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
Casos de estudio
25
26 CAPÍTULO 3.
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.
Espesor % U G − V alue
Casos Tipos Tipos de vidrio
(mm) Marco (W/m2 K) (kg/m3 )
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
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 -
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.
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
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.
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.
Los materiales detallados en las Tablas 3.1 y 3.3 se asignaron desde la base
de datos del software.
Ubicación y orientaciones
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.
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
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
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.
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.
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.
Figura 4.3: Estimación computacional de PMV y PPD basada en ISO 7730 [44].
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
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):
( 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
< 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.
Tabla 4.6: Rango de temperatura de aire recomendado para oficinas y aulas (ISO
7730) [44].
Resultados y discusión
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
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.
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.
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
Figura 5.9: Relación en base al análisis de sensibilidad del factor metabólico (σmet ):
(a)σPMV y (b)σPPD .
Figura 5.10: Relación entre las variaciones del factor de vestimenta (clo) y factor
de actividad (met) y las anchuras de PMV.
.
Figura 5.11: Relación entre las variaciones del facto de vestimenta (clo) y el factor
metabólico (met) y las anchuras de PPD.
.
Tabla 5.1: Demanda acumulada de energía entre junio y septiembre, con valores
variables de clo y met, para diferentes temperaturas.
Conclusiones
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
[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.
[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.
[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
[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.
[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.
[18] J.C. Creyts. Reducing US greenhouse gas emissions: how much at what
cost?: US Greenhouse Gas Abatement Mapping Initiative. McKinsey & Co.,
2007.
[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
[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.
[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.
[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
[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.
[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.
[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).
69
70
En la Tabla 2 se muestran los valores de áreas y volúmenes para las zonas descri-
tas previamente.
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
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.
Tabla 6: Horario.
Infiltraciones
El valor de infiltración se ha establecido por defecto en TRNSYS en 0.6
renovaciones/h.
75
Semana
Días Nombres
Lunes a sábado Horario clientes y empleados
Domingo Horario Domingo
Ventilación
Se estimó un valor para cada zona (ver Tabla 10), en base a las normativas
previamente utilizadas para los primeros casos de estudio.
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.
Confort
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
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
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.
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.
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
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.
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
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.
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
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
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