Optimizar la iluminación artificial en espacios interiores es una estrategia crítica para reducir el consumo de energía, mejorar la comodidad visual y promover la sostenibilidad ambiental. Uno de los principales desafíos en el control inteligente de iluminación radica en determinar la colocación óptima de fotosensores. Este estudio presenta una metodología que aprovecha las redes neuronales de Memoria a Largo y Corto Plazo (LSTM) para predecir la iluminancia del plano de trabajo a partir de datos recopilados por múltiples fotosensores. El objetivo principal es identificar la posición del sensor que exhibe la correlación más fuerte con la iluminancia del plano de trabajo. Reconociendo que varios fotosensores pueden generar correlaciones comparables, el estudio incorpora además un análisis de clustering de series temporales para evaluar los patrones temporales de iluminancia diurna entre fotosensores. Este enfoque refina aún más la selección de sensores al analizar las trayectorias temporales de la iluminancia diurna que mejor soportan el control de iluminación estable y reducen las oscilaciones adaptativas. La metodología fue probada en dos entornos de laboratorio con configuraciones espaciales y de iluminación distintas. En el primer estudio de caso, el fotosensor colocado en una pared superó en rendimiento a los montados en el techo, indicando una colocación claramente óptima. En el segundo estudio de caso, todos los sensores mostraron un rendimiento predictivo similarmente alto, justificado el uso del clustering de series temporales para capturar patrones temporales de iluminancia y afinar la selección. Estos resultados confirman la efectividad de la metodología propuesta en la guía de decisiones sobre la colocación de sensores para sistemas avanzados de control de iluminación. • LSTM utilizado para predecir la iluminancia del plano de trabajo a partir de datos de sensores. • La metodología apoya estrategias de control de iluminación energéticamente eficientes. • Clustering de series temporales selecciona el sensor más representativo. • Método guía la colocación óptima de sensores para sistemas de control de iluminación. • La colocación inteligente de sensores mejora la sostenibilidad en los edificios.
Ribino et al. (Sun,) estudiaron esta cuestión.