{"id":33991,"date":"2026-07-29T02:00:00","date_gmt":"2026-07-29T02:00:00","guid":{"rendered":"https:\/\/domosistemas.com\/?p=33991"},"modified":"2026-07-29T02:00:00","modified_gmt":"2026-07-29T02:00:00","slug":"la-universidad-de-la-laguna-mejora-la-prediccion-de-la-demanda-energetica-en-hoteles-mediante-ia","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=33991","title":{"rendered":"La Universidad de La Laguna mejora la predicci\u00f3n de la demanda energ\u00e9tica en hoteles mediante IA"},"content":{"rendered":"
\n

Un estudio de la Universidad de La Laguna (ULL<\/a>) propone modelos de aprendizaje autom\u00e1tico para predecir con 24 horas de antelaci\u00f3n la demanda energ\u00e9tica de los hoteles. La propuesta busca ofrecer previsiones m\u00e1s precisas para mejorar la gesti\u00f3n de los recursos, reducir el consumo de energ\u00eda, limitar las emisiones asociadas a gases de efecto invernadero y reforzar los indicadores de sostenibilidad de la actividad hotelera.<\/p>\n

\"La
El estudio propone la utilizaci\u00f3n de nuevos m\u00e9todos inteligentes para la predicci\u00f3n del consumo energ\u00e9tico de la industria hotelera.<\/figcaption><\/figure>\n

La investigaci\u00f3n adquiere relevancia en Canarias, donde el turismo es uno de los principales motores econ\u00f3micos y, al mismo tiempo, una actividad con un elevado consumo energ\u00e9tico. Este contexto ha impulsado a organismos y administraciones p\u00fablicas a promover medidas de eficiencia energ\u00e9tica y de reducci\u00f3n del impacto ambiental en el sector.<\/p>\n

El trabajo se recoge en el art\u00edculo<\/a> \u2018Towards smart hotels: energy forecasting with machine learning models\u2019, publicado en Logic Journal of the IGPL. Forma parte de la actividad del grupo de Ingenier\u00eda de Control y Sistemas Inteligentes de la Universidad de La Laguna, dirigido por Juan Albino M\u00e9ndez P\u00e9rez, con la participaci\u00f3n de Rafael Arnay del Arco, Javier Hern\u00e1ndez Aceituno, Jos\u00e9 Francisco G\u00f3mez Gonz\u00e1lez y Santiago Torres \u00c1lvarez.<\/p>\n

Modelos LSTM y GRU para prever la demanda energ\u00e9tica hotelera<\/h2>\n

El estudio plantea el uso de m\u00e9todos inteligentes de predicci\u00f3n del consumo energ\u00e9tico en la industria hotelera. En concreto, analiza sistemas Long Short Term Memory, conocidos como LSTM, y Gated Recurrent Unit, o GRU, dos modelos dise\u00f1ados para trabajar con datos secuenciales.<\/p>\n

Una de las aportaciones principales del trabajo es el an\u00e1lisis de la mejora de las predicciones cuando estos algoritmos incorporan informaci\u00f3n nueva en tiempo real. Esta capacidad permite ajustar las estimaciones a la evoluci\u00f3n del consumo y responder con mayor precisi\u00f3n a las necesidades operativas de una instalaci\u00f3n hotelera.<\/p>\n

La evaluaci\u00f3n se realiz\u00f3 en un hotel de lujo situado en Tenerife. Disponer de previsiones fiables facilita la gesti\u00f3n energ\u00e9tica de la infraestructura alojativa y puede contribuir a una reducci\u00f3n de costes mediante una planificaci\u00f3n m\u00e1s precisa de las cargas el\u00e9ctricas.<\/p>\n

Planificaci\u00f3n de cargas y aprovechamiento de energ\u00edas renovables<\/h2>\n

La planificaci\u00f3n adecuada de las cargas el\u00e9ctricas resulta especialmente relevante para maximizar el uso de energ\u00edas renovables. Seg\u00fan la investigaci\u00f3n, este objetivo puede abordarse mediante el an\u00e1lisis de la flexibilidad de las cargas y de su capacidad para trasladarse a franjas horarias m\u00e1s adecuadas.<\/p>\n

Este enfoque permite aprovechar excedentes energ\u00e9ticos, reducir los picos de demanda y optimizar los recursos disponibles en el hotel. La predicci\u00f3n simult\u00e1nea de las 24 horas de demanda energ\u00e9tica, junto con la incorporaci\u00f3n de datos en tiempo real, contribuy\u00f3 a obtener estimaciones m\u00e1s precisas y eficientes.<\/p>\n

Los resultados muestran que los m\u00e9todos estad\u00edsticos como ARIMAX pueden emplearse para prever la demanda energ\u00e9tica, aunque su rendimiento disminuye en sistemas complejos como la infraestructura energ\u00e9tica de un hotel. Frente a ello, las t\u00e9cnicas de aprendizaje autom\u00e1tico basadas en LSTM y GRU aportaron mejoras significativas en la precisi\u00f3n de las predicciones.<\/p>\n

Los modelos que generan previsiones simult\u00e1neas para un periodo de 24 horas registraron menores tasas de error que los que realizan predicciones de forma progresiva. En el caso analizado, el sistema redujo los errores en la planificaci\u00f3n de cargas energ\u00e9ticas en un 7,1% en el desplazamiento de carga, es decir, en la estimaci\u00f3n de cu\u00e1nta demanda debe trasladarse de una franja horaria a otra.<\/p>\n

La reducci\u00f3n fue del 23,5% en la acomodaci\u00f3n de carga, vinculada a la energ\u00eda disponible que puede utilizarse en determinados momentos. Estos resultados permiten mejorar el funcionamiento de las instalaciones al ajustar de forma m\u00e1s precisa la demanda y la disponibilidad energ\u00e9tica.<\/p>\n

El equipo investigador prev\u00e9 adaptar el modelo a otros establecimientos y zonas de Canarias con distintas condiciones clim\u00e1ticas y patrones de consumo. Estos m\u00e9todos de predicci\u00f3n de generaci\u00f3n y demanda en comunidades energ\u00e9ticas se integran en el proyecto Interreg Atlantic Area SAtComm, en el que la Universidad de La Laguna participa junto a otras diez entidades p\u00fablicas y privadas europeas.<\/p>\n

La entrada La Universidad de La Laguna mejora la predicci\u00f3n de la demanda energ\u00e9tica en hoteles mediante IA<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Un estudio de la Universidad de La Laguna (ULL) propone modelos de aprendizaje autom\u00e1tico para predecir con 24 horas de antelaci\u00f3n la demanda energ\u00e9tica de los hoteles. La propuesta busca ofrecer previsiones m\u00e1s precisas para mejorar la gesti\u00f3n de los recursos, reducir el consumo de energ\u00eda, limitar las emisiones asociadas a gases de efecto invernadero … Sigue leyendo La Universidad de La Laguna mejora la predicci\u00f3n de la demanda energ\u00e9tica en hoteles mediante IA<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-33991","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/33991","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=33991"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/33991\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=33991"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=33991"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=33991"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}