Modelo de aproximación analítica de las temperaturas en las bodegas. Aplicación a grandes conjuntos de datos

Resumo

Esta tesis continúa las líneas de investigación iniciadas en el 2004. El interés principal era el estudio de las bodegas subterráneas tradicionales para tratar de fomentar la construcción bioclimática y sostenible en el medio rural. Esta línea se amplió para estudiar más tipos de bodegas tradicionales, ya que pueden ser una buena solución constructiva para disminuir el consumo energético. Actualmente, al aumentar la preocupación por el impacto ambiental de la producción energética, es muy adecuado estudiar como las soluciones tradicionales consiguen unas buenas condiciones higrotérmicas con un uso de los recursos energéticos muy pequeño. El número de resultados experimentales de los que disponemos para nuestro estudio es muy grande. Desde los inicios se han monitorizado más de ochenta y cinco bodegas. En concreto, hemos dispuesto para nuestro estudio de 2465 archivos de datos, procedentes de 395 sensores diferentes, y esto son más de 32 millones de registros, lo que supone mas de 120 millones de datos de temperatura y humedad. En la bibliografía consultada no hemos encontrado ningún estudio que usa tal cantidad de datos. Esto justifica que hayamos usado Matlab©, ya que nos permite tratar rápidamente grandes conjuntos de datos. Hemos usado esta capacidad para estudiar muchas bodegas y ver que modelos para la predicción de temperaturas se ajustan mejor. Primeramente hemos tratado cada serie de datos para asegurarnos la validez delos mismos. Luego hemos calculado series de datos con la media por hora y con la media por día. También hemos computado el año medio. De cada una estos conjuntos hemos realizado una sucesión de ajustes, comenzado por una serie de Fourier de 8 términos para determinar las posibilidades de ajuste. Luego hemos seguido con una serie de Fourier de un término, lo que nos ha permitido conocer cuál era la bondad del ajuste que podíamos conseguir. Hemos ajustado un modelo sencillo con indeterminación en la frecuencia, para ver si los efectos predominantes eran los anuales. Y hemos ajustado este modelo con periodo anual para poder estudiar sus resultados y como se ajusta a los modelos de predicción de temperaturas subterráneas. Esta supone que de cada sensor de temperatura se han computado tres series de datos, con cuatro ajustes a cada una de ellas. Para todo el conjunto de datos son más de 1200 series computadas, con casi cinco mil ajustes de modelos. Aunque hemos centrado el estudio en las bodegas subterráneas, también hemos sugerido unos posibles modelos para los otros tipos de bodegas. En este tipo de bodegas hemos realizado más ajustes, para poder estudiar la modelización. Para reducir los efectos de los valores atípicos, hemos usado técnicas de regresión robusta, así hemos conseguido reducir bastante los valores de la raíz de error cuadrático medio. Pensamos que de las conclusiones extraídas de esta tesis se puedan iniciar otros caminos para aprovechar el inmenso conjunto de datos obtenidos estos años. También esperamos que nuestras conclusiones contribuyan al aumento de las construcciones bioclimáticas. ABSTRACT This thesis continues the research started in 2004. The primary interest was to study the traditional underground wine cellars in order to try to encourage bioclimatic and sustainable construction in rural areas. This investigation has been extended subsequently to study more types of traditional wineries, as they can be a good constructive solution to reduce energy consumption. At present, when there is an increasing concern about the environmental impact of energy production, it is appropriate to study how traditional solutions get a good hygrothermal conditions with very little use of energy resources. The number of experimental results that we have for our study is very large. Since the beginning were monitored over eighty-five wineries. Specifically, we have arranged for our study of 2465 data files, from 395 different sensors, and this is reaching almost a 33 million of records, nearly 130 million of temperature and humidity data. In the literature we did not find any study that used so much data. This justifies that we have used Matlab©, allowing us to quickly process large data sets. We used this ability to study many wineries and see that models predicting temperatures to fit better. First we treated each data series models to ensure the validity thereof. Then we calculated data sets with the average hourly and average per day. We have also computed the average year. In each of these sets we have made a series of adjustments, started by a Fourier series of 8 terms to determine the possible settings. We then followed with a series of Fourier of one term, which has allowed us to know what the goodness of fit we could get. We adjusted a simple model with uncertainty in frequency, to see whether the predominant effects were annual. And this model we adjusted annually to study the results and how it fits into the models predicting temperatures underground period. This means that each temperature sensor computed three sets of data, with four settings to each. For the entire data set are computed over 1200 series, with almost five thousand fittings models. Although we have also focused the study on the underground wine cellars, so we have suggested a possible model for other type of wineries. In such a warehouse we have made more adjustments to the modelling study. We used robust regression techniques to reduce the effects of outliers and we have managed quite well to reduce the values of the root mean square error. We think of the conclusions of this thesis may be undertaken in other ways to harness the immense data set obtained these years. We also hope that our findings will contribute to increase bioclimatic buildings.