Un estudio de la Universidad de La Laguna (ULL) ha desarrollado modelos de aprendizaje automático para predecir la demanda energética en hoteles con 24 horas de antelación. Esta investigación, publicada en el Logic Journal of the IGPL, busca optimizar la gestión de recursos, reducir el consumo de energía y disminuir las emisiones de gases de efecto invernadero en el sector hotelero, uno de los principales motores económicos de Canarias.
El trabajo, titulado Towards smart hotels: energy forecasting with machine learning models, es fruto de la colaboración del grupo de Ingeniería de Control y Sistemas Inteligentes de la ULL. Los métodos propuestos, como Long Short Term Memory (LSTM) y Gated Recurrent Unit (GRU), están diseñados para procesar datos secuenciales y han demostrado mejorar la precisión de las predicciones al incorporar datos en tiempo real.
La evaluación del método se realizó en un hotel de lujo en Tenerife. Los resultados indican que estos modelos de predicción precisos pueden reducir significativamente los costes operativos y maximizar el aprovechamiento de las energías renovables. La planificación adecuada de las cargas eléctricas permite aprovechar excedentes, reducir picos de demanda y optimizar el uso de los recursos energéticos disponibles.
Los investigadores señalan que los modelos que predicen las 24 horas de demanda simultáneamente obtienen menores tasas de error. En concreto, se observó una reducción del 7,1% en el desplazamiento de carga y del 23,5% en la acomodación de carga, lo que optimiza el funcionamiento de las instalaciones. Estas herramientas son clave para avanzar hacia hoteles más eficientes y sostenibles.
El equipo de la ULL planea adaptar el modelo a otros establecimientos y zonas de Canarias con diferentes condiciones climáticas. Estos métodos forman parte del proyecto Interreg Atlantic Area SATCOMM, en el que la universidad colabora con otras diez entidades europeas.
