Prototipo de arquitectura IoT para automatización y optimización energética de sistemas HVAC en el sector comercial de Bogotá
Loading...
Date
2025
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
Los sistemas HVAC (Calefacción, Ventilación y Aire Acondicionado) en el sector comercial de Bogotá enfrentan problemas de ineficiencia energética debido a la ausencia de monitoreo especializado y gestión automatizada de variables operativas. Esta investigación desarrolló un prototipo de arquitectura IoT para la optimización energética de sistemas HVAC comerciales mediante la integración de tecnologías de monitoreo, procesamiento en la nube y análisis predictivo. La metodología implementada combinó datos reales obtenidos de un entorno hospitalario con sistemas HVAC operativos y simulación controlada para generar un conjunto de datos de 240 registros distribuidos en 10 medidores virtuales. El sistema desarrollado utiliza una arquitectura distribuida en Amazon Web Services que procesa 40 variables eléctricas, incluyendo distorsión armónica total de corriente y factor de potencia, para detectar anomalías operativas y generar recomendaciones de mantenimiento predictivo. El modelo de aprendizaje automático implementado, basado en el algoritmo XGBoost, alcanzó una precisión del 94.44% en la detección de anomalías, con una tasa de detección del 82.92%. El análisis reveló que el 82.91% de las mediciones evaluadas presentan estados anómalos, evidenciando oportunidades de optimización energética en sistemas HVAC sin monitoreo especializado. El sistema generó clasificaciones de riesgo individualizadas para 12 equipos en estado crítico y desarrolló tableros especializados en Power BI para la visualización operativa de resultados. Los resultados validaron la viabilidad técnica de implementar arquitecturas IoT distribuidas para la gestión energética HVAC, demostrando capacidad para transformar datos de monitoreo eléctrico en información operativa útil para la toma de decisiones. El prototipo desarrollado proporciona una metodología replicable para la implementación de sistemas de monitoreo automatizado en instalaciones comerciales, contribuyendo al avance del conocimiento técnico en optimización energética mediante tecnologías IoT.
item.page.abstract.eng
HVAC (Heating, Ventilation, and Air Conditioning) systems in Bogotá’s commercial sector face energy inefficiency issues due to the lack of specialized monitoring and automated management of operational variables. This research developed an IoT architecture prototype for energy optimization of commercial HVAC systems through the integration of monitoring technologies, cloud processing, and predictive analytics. The methodology combined real data from an operational hospital environment with HVAC systems and controlled simulation to generate a dataset of 240 records distributed across 10 virtual meters. The developed system uses a distributed architecture on Amazon Web Services that processes 40 electrical variables, including total harmonic distortion and power factor, to detect operational anomalies and generate predictive maintenance recommendations. The machine learning model implemented, based on the XGBoost algorithm, achieved an accuracy of 94.44% in anomaly detection, with a detection rate of 82.92%. Analysis revealed that 82.91% of the evaluated measurements showed anomalous states, highlighting opportunities for energy optimization in HVAC systems without specialized monitoring. The system generated individualized risk classifications for 12 critical-status units and developed specialized dashboards in Power BI for operational visualization of results. The findings validated the technical feasibility of implementing distributed IoT architectures for HVAC energy management, demonstrating the ability to transform electrical monitoring data into actionable operational insights. The developed prototype provides a replicable methodology for implementing automated monitoring systems in commercial facilities, contributing to advancing technical knowledge in energy optimization through IoT technologies.