Adaptación Computacional de Modelos Energéticos para Estudios de Incidencia Social

Abstract

Este Trabajo de Fin de Grado tiene como objetivo migrar el modelo DIAGNÓSTICO, desarrollado por la Cátedra de Energía y Pobreza de la Universidad Pontificia Comillas, desde EES (Engineering Equation Solver) a Python. DIAGNÓSTICO estima el gasto térmico y eléctrico teórico de un hogar español a partir de su localización, superficie, tipología constructiva, calificación energética, instalaciones térmicas y composición del hogar, calculando demanda, consumo y gasto para calefacción, refrigeración, ACS y electricidad no térmica.

La implementación original en EES presenta limitaciones que dificultan su uso a gran escala: no dispone de API, no se integra con bases de datos ni entornos web, y requiere una licencia propietaria. Para resolver estas limitaciones, se ha realizado una traducción función a función de toda la lógica de cálculo a Python, manteniendo la correspondencia con el modelo original para facilitar la trazabilidad y la validación. Sobre esa base se ha desarrollado una aplicación web con Streamlit que organiza las entradas en cinco pestañas temáticas y presenta los resultados de forma estructurada.

La validación se ha realizado comparando 25 casos de prueba, que cubren todas las combinaciones relevantes de sistemas de calefacción, ACS, tipos de vivienda y calificaciones energéticas, frente al modelo de referencia en EES. Los errores relativos medios se mantienen por debajo del 0,03\,\% en las 16 variables de salida, sin que se haya detectado ningún error de lógica atribuible a la migración.

El resultado es una herramienta funcionalmente equivalente al modelo original, de código abierto, preparada para su despliegue web y para su aplicación sistemática en estudios de pobreza energética sobre bases de datos de hogares.This Thesis aims to migrate the DIAGNÓSTICO model, developed by the Energy and Poverty Chair at Universidad Pontificia Comillas, from EES (Engineering Equation Solver) to Python. DIAGNÓSTICO estimates the theoretical thermal and electrical expenditure of a Spanish household based on its location, floor area, building type, energy rating, thermal installations, and household composition, calculating demand, consumption, and expenditure for heating, cooling, domestic hot water (DHW), and non-thermal electricity. The original EES implementation has limitations that hinder its large-scale use: it lacks an API, does not integrate with databases or web environments, and requires a proprietary license. To address these limitations, the entire calculation logic has been translated function by function into Python, preserving correspondence with the original model to facilitate traceability and validation. On this basis, a web application has been developed using Streamlit, organizing inputs into five thematic tabs and presenting results in a structured format. Validation was carried out by comparing 25 test cases, covering all relevant combinations of heating and DHW systems, dwelling types, and energy ratings, against the reference EES model. Mean relative errors remain below 0.03\,\% across all 16 output variables, with no logic errors attributable to the migration identified. The result is a functionally equivalent, open-source tool, ready for web deployment and for systematic application in energy poverty studies using household databases.