[ANGLÈS] In the last three years 40% of global energy consumption in the European Union has been consumed by public buildings, a very high percentage. This is one of the reasons why better energy management is required in public buildings, in addition to reducing electricity bills or even improving their comfort. OZE Energies is a French enterprise specialised in generate economies by energy economisation. They have provided us a database collected from a public building in order to make a prediction energy model of the building. Building identification is one of the tools used to predict energy consumption in public buildings. Currently there are developed building models which are employed to predict heating, internal temperature or structure optimisation, among others. These models have been taken as a reference for the building modelling used in this thesis. However, before modelling the building it is useful to analyse its real data – extracted from sensors – to know the main behaviour and characteristics of all different forms of energy consumption. Therefore the first objective of this thesis is to obtain an overview of the behaviour of the building data to model using some techniques in Functional Data Analysis in Matlab. The second objective is to make and simulate a prediction model focused on the internal temperature of a specific area in the building. Dynamic Hidden Markov Model is used to achieve this goal, as well as Kalman and Expectation Maximization Algorithms, which are used in order to estimate the model parameters.

[CASTELLA] En los últimos tres años los edificios han consumido un 40% del consumo total de energía en la Unión Europea, un porcentaje muy elevado. Ésta es una de las razones por las cuales es necesaria una mayor gestión de la energía en los edificios públicos, así como para obtener una reducción en las facturas de la electricidad e incluso para mejorar la comodidad en ellos. OZE Energies es una empresa francesa especializada en generar ahorros a través de la economización de energía, la cual nos ha proporcionado una base de datos de un edificio público a fin de que diseñemos un modelo de predicción de energía para el edificio correspondiente. La identificación de edificios es una de las herramientas utilizadas para prever su consumo energético. Hoy en día ya hay modelos de edificios en relación a la predicción del consumo de calefacción, de la temperatura interior o de la optimización de su estructura, entre otros. Estos modelos se han tomado como referencia para la modelización del edificio escogido en esta tesis. Ahora bien, antes de modelizar es útil analizar los datos reales de todos los diferentes tipos de consumo energético – extraídos de sensores - para saber su comportamiento principal y características. Así pues, el primer objetivo de esta tesis es obtener una visión general de los datos del edificio a modelizar, usando algunas técnicas en Functional Data Analysis con Matlab. El segundo objetivo es crear y simular un modelo de predicción enfocado en el consumo energético de la temperatura interior de un área específica del edificio. Se han usado el Hidden Markoc Model dinámico, así como los Algoritmos de Kalman y el de Expectation Maximization para estimar los parámetros del modelo.

[CATALÀ] En els darrers tres anys els edificis públics han consumit un 40% del consum total d’energia a la Unió Europea, un percentatge molt elevat. Aquesta és una de les raons per les quals és necessària una millor gestió de l’energia en els edificis públics, així com per obtenir una reducció de les factures de l’electricitat i, fins i tot millorar-ne la seva comoditat. OZE Energies és una empresa francesa especialitzada en generar estalvis a través de l’economització d’energia, la qual ens ha proporcionat una base de dades d’un edifici públic per tal que en dissenyem un model de predicció d’energia per l’edifici corresponent. La identificació d’edificis és una de les eines utilitzades per preveure el consum energètic als edificis públics. Avui dia ja hi ha modelitzacions d’edificis pel que fa a la predicció del consum de calefacció, de la temperatura interior o de l’optimització de la seva estructura, entre d’altres. En aquesta tesis, s’han pres aquests models com a referència per la modelització de l’edifici escollit. Ara bé, abans de modelitzar l’edifici és útil analitzar les dades reals pel que fa als diferents tipus de consum energètic– extretes de sensors- per saber-ne el seu comportament principal i les seves característiques. Així doncs, el primer objectiu d’aquesta tesis és obtenir una visió general del comportament de les dades de l’edifici a modelitzar, fent servir algunes tècniques en Functional Data Analysis en Matlab. El segon objectiu és crear i simular un model de predicció enfocat en el consum energètic de la temperatura interior d’una àrea específica de l’edifici. S’ha fet servir el Hidden Markov Model dinàmic, així com també els Algoritmes de Kalman i el d’Expectation Maximization per estimar els paràmetres del model.