Modelado predictivo para la gestión energética de urbanizaciones con enfoque en energía cero en Panamá

La creciente necesidad de mitigar los efectos del cambio climático y reducir la dependencia de fuentes de energía no renovables ha impulsado la búsqueda de soluciones innovadoras en la gestión energética. En Panamá, donde la matriz energética depende en gran medida de los derivados del petróleo, la transición hacia sistemas más sostenibles es un desafío clave. Este estudio se enfoca en optimizar la gestión energética en urbanizaciones con miras a energía cero, mediante la aplicación de estrategias basadas en inteligencia artificial para predecir y gestionar la demanda energética. La investigación utilizó un enfoque cuantitativo y no experimental, analizando 365 registros diarios de consumo eléctrico del año 2002 en una urbanización de Chitré, Herrera. Se evaluaron modelos de series temporales como ARIMA, SARIMA, SARIMAX y redes neuronales LSTM, incorporando variables exógenas como la temperatura, la humedad y la ocupación. El modelo SARIMAX (1,1,1)×(1,1,1,12) demostró ser el más efectivo, con un AIC de 2145.956, superando a otros modelos en precisión y robustez. La inclusión de variables exógenas como la humedad relativa, la velocidad del viento y el índice de Fanger PMV fue crucial para mejorar la capacidad predictiva. El estudio concluye que el modelo SARIMAX, alimentado con variables exógenas estratégicamente seleccionadas, es la alternativa más robusta para la predicción del consumo eléctrico en el contexto estudiado, sentando un precedente para el desarrollo de edificaciones inteligentes y sostenibles en Panamá.