Optimización energética en entornos académicos mediante IoT y aprendizaje automático

Autores/as

DOI:

https://doi.org/10.35381/i.p.v8i14.4882

Palabras clave:

Optimización energética, Internet de las cosas, aprendizaje automático, predicción de consumo eléctrico, entornos académicos, (Tesauro UNESCO).

Resumen

El estudio tuvo como objetivo optimizar el consumo energético en un entorno académico mediante la integración de tecnologías IoT y técnicas de aprendizaje automático. Se diseñó e implementó un sistema de monitoreo en la sala de la carrera de Tecnologías de la Información, utilizando módulos de medición de energía y nodos ESP32 con sensores ambientales y de presencia, se registraron los datos en una base en tiempo real. Posteriormente, se aplicó un modelo predictivo basado en Random Forest para analizar los patrones de consumo y contrastarlos con la ocupación efectiva del espacio. El modelo alcanzó un desempeño adecuado y permitió identificar periodos de consumo no justificado. A partir de los escenarios simulados, se estimó un ahorro diario cercano a 2,75 kWh, equivalente a aproximadamente 60 kWh mensuales. En conclusión, el sistema demostró ser una alternativa viable y escalable, capaz de replicarse en otras aulas, laboratorios y espacios académicos similares.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Ali, A., Muqeet, H. A., Khan, T., Hussain, A., Waseem, M., & Niazi, K. A. K. (2023). IoT-Enabled Campus Prosumer Microgrid Energy Management, Architecture, Storage Technologies, and Simulation Tools: A Comprehensive Study. Energies, 16(4), 1863. https://doi.org/10.3390/en16041863

Cujilema Paguay, J. A., Hidalgo Brito, G. A., Hernández Rojas, D. L., & Cartuche Calva, J. J. (2023). Secure home automation system based on ESP-NOW mesh network, MQTT and Home Assistant platform. IEEE, 21(7), 829-838. https://doi.org/10.1109/TLA.2023.10244182

Baek, M., & Seo, Y. (2025). Hybrid forecasting of university electricity demand using time series and deep learning. Energy and Buildings, 347(Part B), 116400. https://doi.org/10.1016/j.enbuild.2025.116400

Barragán-Charry, J., Silva-Londoño, J. J., Garcés-Quintero, C. S., Jaramillo-Ramírez, O. C., Hoyos-Daza, F., y Bravo-Gómez, L. C. (2022). Sistema de monitoreo de señales eléctricas y control automático para eficiencia energética con integración IoT. Producción + Limpia, 17(2), 53–71. https://doi.org/10.22507/pml.v17n2a4

Cartuche Calva, J. J., Hernández Rojas, D. L., Morocho Román, R. F., y Radicelli García, C. D. (2023). Seguridad IoT: Principales amenazas en una taxonomía de activos. Revista Hamut’ay, 7(2), 51-59. http://dx.doi.org/10.21503/hamu.v7i3.2192

Colmenares-Quintero, R. F., Baquero-Almazo, M., Kasperczyk, D., Stansfield, K. E., y Colmenares-Quintero, J. C. (2024). Analysis of IoT technologies suitable for remote areas in Colombia: Conceptual design of an IoT system for monitoring and managing distributed energy systems. Cleaner Engineering and Technology, 21, 100783. https://doi.org/10.1016/j.clet.2024.100783

Dinmohammadi, F., Farook, A. M., y Shafiee, M. (2025). Improving energy efficiency in buildings with an IoT-based smart monitoring system. Energies, 18(5), 1269. https://doi.org/10.3390/en18051269

El-Khozondar, H. J., Mtair, S. Y., Qoffa, K. O., Qasem, O. I., Munyarawi, A. H., Nassar, Y. F., Bayoumi, E. H. E., & El Ahim, A. A. E. B. (2024). A smart energy monitoring system using ESP32 microcontroller. e-Prime-Advances in Electrical Engineering, Electronics and Energy, 9, 100666. https://doi.org/10.1016/j.prime.2024.100666

Eltamaly, A. M., Alotaibi, M. A., Alolah, A. I., & Ahmed, M. A. (2021). IoT-Based Hybrid Renewable Energy System for Smart Campus. Sustainability, 13(15), 8555. https://doi.org/10.3390/su13158555

Flores, J., Lima, I., y Hernández, D. (2025). Desarrollo del firmware IoT con Rust aplicando IA. Revista Estudios y Perspectivas, 5(2), 1993-2017. https://doi.org/10.61384/r.c.a..v5i2.1255

Jiang, Q., & Kurnitski, J. (2023). A machine-learning-driven framework for predicting electricity consumption in academic buildings. Sustainable Cities and Society, 97, 104723. https://doi.org/10.1016/j.scs.2023.104723

Kumar Das, D. (2025). Integrating IoT and AI for sustainable energy-efficient smart buildings. Sustainability, 17(22), 10313. https://doi.org/10.3390/su172210313

Mazon-Olivo, B., y Pan, A. (2024). Internet of Things: State-of-the-art, computing paradigms and reference architectures. IEEE Latin America Transactions, 20(1), 49-63. https://latamt.ieeer9.org/index.php/transactions/article/view/5037

Paladines-Condoy, J., Vera-Macías, J., y Hernández, D. (2024). Creación de un IDE web de gestión de firmware multilenguaje para un dispositivo IoT ESP32. IBEROTECS, 4(1), 77-87. https://tech.iberojournals.com/index.php/IBEROTECS/article/view/643

Peña de Loza, F., y Ibarra-Villegas, F. J. (2024). Implementación de tecnologías IoT para la reducción del consumo energético en oficinas inteligentes. Revista de Ciencias Tecnológicas, 7(3), e332. https://doi.org/10.37636/recit.v7n3e332

Poyyamozhi, M., Murugesan, B., Rajamanickam, N., Shorfuzzaman, M., & Aboelmagd, Y. (2024). IoT—A Promising Solution to Energy Management in Smart Buildings: A Systematic Review, Applications, Barriers, and Future Scope. Buildings, 14(11), 3446. https://doi.org/10.3390/buildings14113446

Yilmaz, S., y Kose, S. (2024). Sensor-based anomaly detection for electricity consumption using Random Forest models. Energy Informatics, 7(1), 28. https://doi.org/10.1186/s42162-024-00331-1

Descargas

Publicado

01-01-2025

Cómo citar

Morocho-Belduma, E. A., Masache-Carrera, B. S., Hernandez-Rojas, D., & Mazon-Olivo, B. (2025). Optimización energética en entornos académicos mediante IoT y aprendizaje automático. Ingenium Et Potentia, 8(14), 4–26. https://doi.org/10.35381/i.p.v8i14.4882

Número

Sección

De Investigación

Artículos similares

También puede {advancedSearchLink} para este artículo.