40
Arquitecturas de software para la eficiencia
energética en edificaciones: una revisión sistemática
Luis Mendoza-Pittí1, José Manuel Gómez-Pulido1, Miguel Vargas-Lombardo2l.mendoza@edu.uah.es, jose.gomez@uah.es, miguel.vargas@utp.ac.pa
1 Departamento Ciencias de la Computación, Universidad de Alcalá, 28801, Madrid, España.
2 E-health and Supercomputing Research Group (GISES), Universidad Tecnológica de Panamá, 0819-07289, Panamá City, Panamá.
Pages: 40–52
Resumen: Los edificios son uno de los principales contribuyentes al consumo de energía y los emisores de gases de efecto invernadero. Esta mejora en la eficiencia
energética y la provisión de nuevos servicios debe ser sin duda respaldada por la aplicación de las Tecnologías de la Información y la Comunicación (TIC) emergentes, junto con las nuevas redes de sensores. En este documento, se proporciona una
descripción general de las arquitecturas de software y los enfoques de eficiencia energética en edificios. En este trabajo, presentamos los resultados de una revisión sistemática de la literatura científico-técnica que investiga los enfoques y estilos de arquitectura de software orientados a la eficiencia energética en edificios. El análisis
realizado pretende ayudar a dirigir futuros desarrollos de arquitecturas de software capaces de procesar y analizar un escenario de Big Data y gestionar los diversos
servicios destinados a la eficiencia energética en edificios.
Palabras-clave: Eficiencia energética en edificios; Consumo de energía en edificio; Edificio energéticamente eficiente; Arquitectura de software; Arquitectura
orientada a servicios.
Software architectures for energy efficiency of buildings: a systematic review
Abstract: Buildings are one of the main contributors to energy consumption
and emitters of greenhouse gases. This improvement in energy efficiency and the
provision of new services must be unquestionably supported by the application of emerging Information and Communication Technologies (ICTs) together with new sensor networks. In this paper, an overview of software architectures and
energy efficiency approaches in buildings is provided. In this work, we present the results of a systematic review of the scientific-technical literature that investigates the approaches and styles of software architecture aimed at energy efficiency in
buildings. The analysis carried out aims to be of help to direct future developments of software architectures capable of processing and analyzing a Big Data scenario
Keywords: Building energy efficiency; Building energy consumption; Energy efficient building; Software architecture; Service-oriented architecture.
1. Introducción
Según el Grupo Intergubernamental de Expertos sobre el Cambio Climático y científicos
de reconocido prestigio en esta área, en la actualidad existe una mayor concentración de Gases de Efecto Invernadero (GEI) en comparación a la época preindustrial (Ntanos, Arabatzis, Konstantinos, Panagiota, & Chalikias, 2015). De hecho, unos de los principales sectores que contribuyen al aumento de GEI son los sectores energético y de construcción, ya que hacen uso de recursos muy contaminantes e impactan al medio
ambiente (Greenpeace, n.d.; Severo & Sousa, 2016).
Por otra parte, el rápido crecimiento de las sociedades ha elevado enormemente el
consumo energético, por lo que se ve reflejado en el aumento de la demanda de servicios en las ciudades como, por ejemplo, salud, energía, educación, edificios, etc. (Pérez-Lombard, Ortiz, & Pout, 2008). Asimismo, el sector de edificaciones es el responsable
de un consumo de hasta un 40% de energía primaria a nivel mundial y de generar el 30
% de emisiones de CO2 (Pérez-Lombard et al., 2008; UNEP, 2009).
Algunos de los factores que afectan el consumo energético en las edificaciones son las condiciones climáticas de la región, los equipos instalados en el edificio, el comportamiento de los ocupantes, la envolvente térmica, etc. (Kwok & Lee, 2011; Yoshino, Hong, & Nord, 2017). Por esta razón, los edificios son protagonistas claves
para la mejora en el ahorro energético (EU, 2011) asociado lógicamente al aumento de la
eficiencia energético en las edificaciones y a la reducción de las emisiones de GEI
(ürge-Vorsatz, Harvey, Mirasgedis, & Levine, 2007).
A modo de ejemplo, el Banco Mundial en un reciente informe (BM, 2019b), afirma que
el consumo de energía eléctrica en Panamá es mayor con respecto a otros países de la región que presentan una mayor población. Inclusive, las emisiones de CO2 en el país ha presentado un aumento en los últimos años, según la misma fuente (BM, 2019a).
Por las razones enunciadas anteriormente, Panamá como otros tantos países en circunstancias análogas, presentan grandes desafíos por solventar tanto para el sector
energético en general como en el de la edificación en particular. En este sentido, Panamá
desarrolló un plan con miras a la sostenibilidad del país, a través de la regulación del
sector de la construcción (Sec. Nacional de Energía, 2016), con la finalidad de mejorar
la calidad de vida de los ciudadanos reduciendo simultáneamente el alto consumo energético y las emisiones de GEI en el país.
En la consecución de edificios energéticamente eficientes, las Tecnologías de la
Información y Comunicación (TIC) están llamadas a ejercer un papel relevante. Para ello, es imprescindible el desarrollo de nuevas y avanzadas arquitecturas de software capaces de gestionar, procesar, analizar, y monitorizar grandes conjuntos de datos, ofreciendo información de gran valor añadido que apoye a una correcta toma de decisiones que, además, en muchos escenarios deberá ser en tiempo cuasi-real.
En el sentido de lo antes expuesto, este trabajo tiene como objetivo proporcionar una sólida base para la comprensión de los diferentes enfoques y estilos de arquitecturas
de software empleadas para la gestión eficiente de edificios. Para alcanzar el objetivo deseado, se ha realizado una revisión sistemática de la literatura científico-técnica
presente en este contexto.
El artículo se estructura de la siguiente forma. En la Sección 2, se presentan los conceptos relativos a la arquitectura de software y a la metodología empleada. En la Sección 3, se desarrolla la metodología que se propone. En la Sección 4, se realiza el análisis y la
discusión sobre la revisión sistemáticas de los trabajos científicos recopilados, y, por
último, en la Sección 5, se presentan las conclusiones obtenidas.
2. Conceptos
En esta sección describiremos algunos conceptos básicos para mayor entendimiento del
estudio como son las definiciones y los estilos de las arquitecturas de software, así como
la descripción del enfoque metodológico empleado. 2.1. Arquitecturas de Software
La norma ISO/IEC/IEEE 42010 (International Organization for Standardization, 2011)
define arquitectura de software (AS) como: “conceptos fundamentales o propiedades
de un sistema en su entorno, materializados en sus elementos, relaciones y en los principios de su diseño y evolución”. Por tanto, para la implementación de una AS,
es necesario definir las relaciones de los diferentes componentes en base a una serie
de factores que satisfagan tanto los requisitos técnicos (funcionales y no funcionales) como operacionales, además de considerar las características comunes a optimizar para ofrecer una arquitectura de alta calidad (Microsoft Developer Network, n.d.).
De hecho, implementar una correcta AS ofrece algunos beneficios descritos en (Sharma,
Kumar, & Agarwal, 2015) :
• Describe cómo será el comportamiento del sistema antes de su implementación real.
• Ayuda a estimar los requerimientos de la solución.
• Permite descubrir las áreas vulnerables del sistema, reduciendo así el impacto y costo asociado.
• Favorece la reutilización de componentes en los sistemas.
• Permite desarrollar sistemas con atributos de calidad, como “mantenibilidad”, “confiabilidad”, “eficiencia”, “usabilidad”, entre otros.
Por otra parte, existen diferentes estilos que permiten organizar los diferentes componentes de las AS (Jaakkola & Thalheim, 2009). Seleccionar uno de ellos depende de las necesidades y las características de calidad que requiere el cliente dado que una mala selección implica altos costos tanto a nivel de diseño como de implementación. A modo de ejemplo, el trabajo de Jaakkola & Thalheim (2009) aborda la descripción de diferentes estilos de AS.
2.2. Metodología empleada
El enfoque metodológico adoptado en este estudio está basado en el propuesto por (Kitchenham, 2004). Este enfoque describe las directrices para la revisión sistemática
de la literatura en el ámbito de ingeniería de software, las cuales en este trabajo se han
adaptado y desarrollado en las siguientes fases: (1) Planificación; (2) Desarrollo y (3) Presentación de resultados. En la primera fase de Planificación, se determina el protocolo
de revisión conformado por la pregunta de investigación, la estrategia de búsqueda, los criterios de selección de estudios, el procedimiento de búsqueda y la extracción de datos.
En la segunda fase de Desarrollo, se expone el protocolo propuesto, donde se identifica
y seleccionan los estudios primarios, en base a los criterios de selección. Finalmente, en la tercera fase de presentación de resultados, se presentan los principales hallazgos tras analizar los indicados estudios primarios.
3. Desarrollo de la metodología
3.1. Planificación
3.1.1.Pregunta de Investigación
La pregunta clave de investigación en este estudio es: ¿Qué enfoques de arquitecturas
de software se han desarrollado para su aplicación en problemas de eficiencia energética en edificaciones?
3.1.2.Estrategia de búsqueda
Para la búsqueda y recopilación de los artículos relevantes, seleccionamos las siguientes
bases de datos científicas (BDC): Scopus, Google Scholar, Web of Science, Science Direct,
IEEE Xplore, SpringerLink, ACM Digital Lib. En cada una de estas BDC empleamos una cadena de búsqueda con los conectores AND y OR en base a las siguientes palabras claves:
(“Building energy efficiency” OR “Building energy consumption” OR “Energy efficient building”) AND (“software architecture” OR “service-oriented architecture” OR “SOA”).
3.1.3. Criterios de selección
Con el objeto de identificar aquellos artículos relevantes para nuestra investigación,
señalamos los siguientes criterios de exclusión:
1. Se han considerado en la búsqueda artículos que expongan avances tecnológicos recientes por lo que se han excluido aquellos que tengan más de 5 años de
antigüedad (publicados desde 2013 o antes).
2. Se han excluido los artículos no relacionados a nuestro contexto de la
investigación tanto de la eficiencia energética como de las áreas de las TIC.
3. Se han excluido aquellos artículos que no presenten información de las palabras claves o de la pregunta de investigación antes enunciada.
4. Se han excluido los artículos que no presenten arquitecturas, modelos,
frameworks o propuestas para la eficiencia energética en edificaciones.
3.1.4.Procedimiento de búsqueda
1. Ejecutamos la cadena de búsqueda en las diferentes bases de datos seleccionadas. 2. Realizamos un pre-filtrado de los títulos y resúmenes de los artículos, aplicando
los criterios de selección.
3. Realizamos una revisión completa de cada artículo pre-seleccionado, tomando en cuenta los criterios de selección, para obtener los artículos más relevantes. 4. Realizamos una revisión de las referencias de los artículos relevantes
seleccionados, para incluir aquellos artículos que brinden información importante para nuestra investigación y que estos no se encontraron entre los años 2014-2019.
3.1.5.Extracción de datos
Después de recopilar todos los artículos más relevantes, el siguiente paso ha sido la extracción de datos. Extrayendo para cada uno de estos artículos la siguiente información:
• ¿El artículo presenta conceptos o definiciones de las palabras claves definidas? • ¿El artículo presenta diseños, propuestas, modelos, frameworks, plataformas o
arquitecturas de software dirigidas a la eficiencia energética en edificaciones? • ¿El artículo presenta enfoques y aplicaciones utilizadas para la eficiencia
energética en edificaciones?
• ¿Qué estilo de arquitectura de software presenta el artículo?
3.2. Desarrollo
Para realizar el procedimiento de búsqueda empleamos dos fases.
• Primera fase: Aplicamos los criterios de exclusión, tanto para el título y resumen de los artículos, como para la revisión del texto completo, con el objeto
de recopilar los artículos relevantes de cada base de datos científica, obteniendo
un total de 28 artículos relevantes (véase Tabla 1). Bases de
Datos
Científicas n
Título y Resumen 1er
Filtro
Revisión de
Texto Completo Artículos
Relevantes E1 E2 E3 E4 E2 E3 E4 Google Scholar 836 487 403 40 6 38 16 11 6 5 Scopus 177 141 98 20 5 18 11 3 0 4 Web of Science 1 0 0 0 0 0 0 0 0 0 ScienceDirect 112 86 38 15 3 30 2 14 4 10 SpringerLink 60 43 15 10 7 11 2 5 2 2 IEEE 60 35 25 2 2 6 1 0 0 5 ACM 670 182 113 58 0 11 2 6 1 2 TOTAL 1916 974 692 145 23 114 34 39 13 28
Segunda fase: Realizamos una revisión de las referencias más importantes de los artículos seleccionados en la fase anterior, logrando recolectar 7 artículos de estas referencias. En
consecuencia, obtuvimos un total de 35 artículos finales que nos permitirán responder a
nuestra pregunta de investigación. En la Figura 1, se resume el procedimiento de revisión
sistemática científico-técnica, detallando cada fase aplicada.
Figura 1 – Resumen del proceso de la revisión sistemática científico-técnica 3.3. Presentación de resultados
Con la finalidad de responder a la pregunta de investigación, en esta fase presentamos
los principales hallazgos después de realizar la revisión sistemática de la literatura y
análisis de los artículos finales recopilados.
¿Qué enfoques de arquitecturas de software se han desarrollado en cuanto a la eficiencia energética en edificaciones?
La metodología empleada nos permitió encontrar 35 artículos en los que se describen
los distintos enfoques para la eficiencia energética en edificaciones. Para ello, realizamos
previamente un breve análisis de estos artículos, donde se destacan los siguientes enfoques: (i) frameworks, los estudios se enfocan en resolver una problemática común
o desempeñan el seguimiento de buenas prácticas para las AS; (ii) arquitecturas, los
trabajos plantean un paradigma abstracto de la AS; (iii) plataformas, los artículos
analizan la AS en plataformas ya establecidas; (iv) modelos, los estudios representan
solo abstracciones de ciertos componentes de la AS; (v) propuestas, los trabajos solo plantean o desarrollan el concepto. En la Tabla 2, se referencian cada uno de los artículos recopilados de acuerdo con su enfoque.
En base a los resultados anteriores, se han identificado diversas aplicaciones empleadas para la eficiencia energética en edificaciones. La Figura 2 muestra la distribución de
las aplicaciones citadas en la literatura para cada enfoque presentado, donde destaca
Smart City con un mayor número de artículos, seguido de los edificios inteligentes, administración energética y eficiencia energética en edificios, entre otros.
Enfoque Referencias Cantidad
Arquitecturas
(Babar & Arif, 2017; Cheng, Longo, Cirillo, Bauer, & Kovacs, 2015; Chilipirea, Petre, Groza, Dobre, & Pop, 2017; Daki, El Hannani, & Ouahmane, 2018; Elhoseny, Elhoseny, Abdelrazek, Bakry, & Riad, 2016; H. Ufuk Gökçe & Gökçe, 2014; Hasan Ufuk Gökçe & Gökçe, 2013; He, Wang, Huang, & Liu, 2018; Linder, Vionnet, Bacher, & Hennebert, 2017; Marinakis et al., 2018; Martin, Hernandez, & Valmaseda, 2015; Mohamed, Al-Jaroodi, & Jawhar, 2018; Mohamed, Al-Jaroodi, & Lazarova-Molnar, 2018; Sembroiz, Ricciardi, & Careglio, 2018; Simmhan, Ravindra,
Chaturvedi, Hegde, & Ballamajalu, 2018; Ufuk Gökçe & Umut Gökçe, 2014; Vatanparvar & Al Faruque, 2018)
18
Framework
(Chou, Ngo, Chong, & Gibson, 2016; Fiware, n.d.; Kallab, Chbeir, Bourreau, Brassier, & Mrissa, 2017; Lazarova-Molnar & Mohamed, 2017; Shahat Osman, 2019; Zhang, Ma, Yang, Lv, & Liu, 2018; Zhao, Nagy, Thomas, & Schlueter, 2015)
7
Modelos (E. Gomes et al., 2016; E. H. A. Gomes & Dantas, 2018; Khajenasiri, Estebsari, Verhelst, & Gielen, 2017; Zhou, Fu, & Yang, 2016) 4 Plataformas (Al Faruque & Vatanparvar, 2016; Guo, Yang, Feng, & Hu, 2018; Mohamed, Al-Jaroodi, Jawhar, Lazarova-Molnar, & Mahmoud, 2017; Petri et al., 2015) 4 Propuestas (Malik et al., 2017; Santana, Chaves, Gerosa, Kon, & Milojicic, 2017) 2
Tabla 2 – Artículos encontrados en las BDC de acuerdo con el enfoque utilizado.
Figura 2 – Aplicaciones descritas en los tipos de enfoques citados
Basándonos en el análisis previo, se han identificado 33 artículos donde se especifica el
estilo de AS planteado. En la Figura 3 se aprecia la distribución de los estilos de arquitectura
en capas cuenta con un mayor número de artículos, seguido de la arquitectura para Big Data, Cloud Computing y la arquitectura orientada a servicios (SOA).
Figura 3 – Estilos de arquitectura de software encontrados en los enfoques citados
4. Análisis y discusión
Los resultados de este estudio muestran la existencia de una diversidad de enfoques
empleados para la eficiencia energética en edificaciones, donde el mayormente citado
es el enfoque de arquitectura. Asimismo, se han desarrollado múltiples aplicaciones alrededor de estos enfoques como los referidos a Ciudad Inteligente, Ciudad Inteligente,
Energía Inteligente, Edificio energéticamente eficiente, etc.
Por otra parte, detectamos un sinnúmero de estilos utilizados en los artículos citados. Donde el estilo de AS basado en capas es el mayormente utilizado, ya que tiene la
característica de desacoplar los componentes tecnológicos, con la finalidad de distribuir
la carga del software de forma jerárquica (Sharma et al., 2015). Este estilo, presenta
algunos beneficios tales como, abstracción, aislamiento, independencia, rendimiento,
etc. (Pérez, n.d.).
Además, el estilo SOA, es otro de los más citados dentro del presente estudio, incluso es utilizado en combinación con otros estilos como el mencionado anteriormente. Este estilo permite separar los servicios de la ejecución, a través de interfaces abstractas (Duan, 2017). Es decir, permite la reutilización de servicios.
Por otro lado, el estilo de Arquitectura para Big Data es bastante referenciado en nuestra investigación, ya que favorece el uso de las diversas tecnologías de Big Data para analizar los grandes conjuntos de datos generados por diferentes sensores presentes
en las edificaciones (Guo et al., 2018; Zhou et al., 2016). De igual manera, el estilo de Cloud Computing cuenta con suficientes trabajos citados. El cual posibilita la gestión de los diferentes procesos o servicios que son útiles para la sostenibilidad de los edificios (Mohamed, Al-Jaroodi, & Lazarova-Molnar, 2018; Sembroiz et al., 2018).
5. Conclusiones
Se ha realizado una revisión sistemática de la literatura científico-técnica, de acuerdo al protocolo definido por (Kitchenham, 2004), sobre enfoques y estilos de arquitectura de software dirigidos a la eficiencia energética en edificaciones, donde exponemos una
perspectiva general de los estudios en este ámbito, permitiendo así formular nuevas investigaciones.
Uno de los hallazgos más interesantes encontrados en este estudio ha sido la diversidad de
estilos de arquitectura de software empleadas a la eficiencia energética en edificaciones,
destacando el estilo de arquitectura de software basado en capas.
Finalmente, este estudio nos permite sentar las bases para la incorporación tanto de las técnicas de Big Data como de arquitecturas de software orientada a servicios capaces de procesar, analizar y gestionar las diversas aplicaciones que contribuyen
significativamente a la mejora de los procesos involucrados en la eficiencia energética de las edificaciones.
Agradecimientos
A la Secretaría Nacional de Ciencia, Tecnología e Innovación (SENACYT, Panamá) y al Instituto para la Formación y Aprovechamiento de Recursos Humanos (IFARHU), por la beca de estudio doctoral otorgada dentro del programa de becas doctorales IFARHU-SENACYT, 2018. Como también al Sistema Nacional de Investigación SNI-SENACYT del cual, uno de los autores es miembro y al proyecto Herramienta Inteligente para el
Diseño de Proyectos Residenciales y Edificaciones Energéticamente Sostenible, FONDO
I+D+I SENACYT,2018.
Contribución de los Autores
Conceptualización, L.M J.G., MV.; metodología, L.M, J.G., M:V.; análisis formal, L.M., J.G. y M.V.; investigación, L.M., J.G., M.V.; escritura—original L.M, J.G.,M.V.; escritura—revisión y edición, L.M, J.G.,M.V.; autor de correspondencia MV.
Referencias
Al Faruque, M. A., & Vatanparvar, K. (2016). Energy Management-as-a-Service Over Fog Computing Platform. IEEE Internet of Things Journal, 3(2), 161–169.
Babar, M., & Arif, F. (2017). Smart urban planning using Big Data analytics to contend with the interoperability in Internet of Things. Future Generation Computer Systems, 77, 65–76. https://doi.org/10.1016/j.future.2017.07.029
BM. (2019a). CO2 emissions (metric tons per capita) [Internet]. Retrieved from https://data.worldbank.org/indicator/EN.ATM.CO2E.
BM. (2019b). Electric power consumption (kWh per capita) [Internet]. Retrieved from https://data.worldbank.org/indicator/EG.USE.ELEC.
KH.PC?contextual=region&end=2014&locations=PA&start=2014&view=bar
Cheng, B., Longo, S., Cirillo, F., Bauer, M., & Kovacs, E. (2015). Building a Big Data Platform for Smart Cities: Experience and Lessons from Santander. In 2015 IEEE International Congress on Big Data, 592–599.
Chilipirea, C., Petre, A.-C., Groza, L.-M., Dobre, C., & Pop, F. (2017). An integrated architecture for future studies in data processing for smart cities. Microprocessors and Microsystems, 52, 335–342.
Chou, J.-S., Ngo, N.-T., Chong, W. K., & Gibson, G. E. (2016). Big data analytics and cloud computing for sustainable building energy efficiency. Start-Up Creation, 397–412. https://doi.org/10.1016/B978-0-08-100546-0.00016-9
Daki, H., El Hannani, A., & Ouahmane, H. (2018). HBase-based storage system for electrical consumption forecasting in a Moroccan engineering school. In 4th International Conference on Optimization and Applications (ICOA), 1–6. https:// doi.org/10.1109/ICOA.2018.8370520
Duan, Q. (2017). Cloud service performance evaluation: Status, challenges, and opportunities – a survey from the system modeling perspective. Digital Communications and Networks, 3(2), 101–111.
Elhoseny, H., Elhoseny, M., Abdelrazek, S., Bakry, H., & Riad, A. (2016). Utilizing service oriented architecture (SOA) in smart cities. International Journal of Advancements in Computing Technology, 9.
EU. (2011). Energy efficiency plan [Internet]. Retrieved from https://ec.europa.eu/
clima/sites/clima/files/strategies/2050/docs/efficiency_plan_en.pdf
Fiware, F. (n.d.). What is Fiware? [Internet] Retrieved from https://www.fiware.org/
developers/
Gökçe, H. Ufuk, & Gökçe, K. U. (2014). Multi dimensional energy monitoring, analysis
and optimization system for energy efficient building operations. Sustainable Cities and Society, 10, 161–173. https://doi.org/10.1016/j.scs.2013.08.004
Gökçe, Hasan Ufuk, & Gökçe, K. U. (2013). Holistic system architecture for energy
efficient building operation. Sustainable Cities and Society, 6, 77–84.
Gomes, E., Dantas, M. A. R., de Macedo, D. D. J., De Rolt, C., Brocardo, M. L., & Foschini, L. (2016). Towards an infrastructure to support big data for a smart city project. In IEEE 25th International Conference on Enabling Technologies: Infrastructure for Collaborative Enterprises (WETICE), 107–112.
Gomes, E. H. A., & Dantas, M. A. R. (2018). An infrastructure model for smart cities based on big data. International Journal of Grid and Utility Computing, 9(4), doi: 10.1504/IJGUC.2018.095435.
Greenpeace. (n.d.). Cambio climático [Internet]. Retrieved from: https://es.greenpeace. org/es/trabajamos-en/cambio-climatico/
Guo, Y., Yang, Z., Feng, S., & Hu, J. (2018). Complex power system status monitoring
and evaluation using big data platform and machine learning algorithms: a review and a case study. Complexity, 1–21.
He, X., Wang, K., Huang, H., & Liu, B. (2018). QoE-driven big data architecture for
smart city. IEEE Communications Magazine, 56(2), 88–93.
International Organization for Standardization. (2011). ISO/IEC/IEEE 42010—
Systems and software engineering - Architecture description [Internet]. Retrieved from http://www.iso.org/cms/render/live/en/sites/isoorg/contents/data/ standard/05/05/50508.html
Jaakkola, H., & Thalheim, B. (2009). Architecture-Driven Modelling Methodologies.
Frontiers in Artificial Intelligence and Applications, 225, 97-116.
Kallab, L., Chbeir, R., Bourreau, P., Brassier, P., & Mrissa, M. (2017). HIT2GAP: Towards a better building energy management. Energy Procedia, 122, 895–900. https:// doi.org/10.1016/j.egypro.2017.07.399
Khajenasiri, I., Estebsari, A., Verhelst, M., & Gielen, G. (2017). A review on internet of things solutions for intelligent energy control in buildings for smart city applications. Energy Procedia, 111, 770–779. https://doi.org/10.1016/j.egypro.2017.03.239 Kitchenham, B. (2004). Procedures for performing systematic reviews. Keele, UK,
Keele Univ., 33.
Kwok, S. S. K., & Lee, E. W. M. (2011). A study of the importance of occupancy to
building cooling load in prediction by intelligent approach. Energy Conversion and Management, 52(7), 2555–2564. https://doi.org/10.1016/j.enconman.2011.02.002 Lazarova-Molnar, S., & Mohamed, N. (2017). Collaborative data analytics for smart
buildings: Opportunities and models. Cluster Computing. https://doi.org/10.1007/ s10586-017-1362-x
Linder, L., Vionnet, D., Bacher, J.-P., & Hennebert, J. (2017). Big building data—a big
data platform for smart buildings. Energy Procedia, 122, 589–594. https://doi. org/10.1016/j.egypro.2017.07.354
Malik, M., Tabone, M., Chassin, D. P., Kara, E. C., Guha, R. V., & Kiliccote, S. (2017). A common data architecture for energy data analytics. In IEEE International Conference on Smart Grid Communications (SmartGridComm), 417–422. https:// doi.org/10.1109/SmartGridComm.2017.8340736
Marinakis, V., Doukas, H., Tsapelas, J., Mouzakitis, S., Sicilia, Á., Madrazo, L., & Sgouridis, S. (2018). From big data to smart energy services: an application for intelligent energy management. Future Generation Computer Systems. https:// doi.org/10.1016/j.future.2018.04.062
Martin, S., Hernandez, J., & Valmaseda, C. (2015). A novel middleware for smart
grid data exchange towards the energy efficiency in buildings. In International Conference and Workshops on Networked Systems (NetSys), 1–8. https://doi. org/10.1109/NetSys.2015.7089063
Microsoft Developer Network. (n.d.). ¿Qué es la arquitectura de software? [Internet] Retrieved from https://msdn.microsoft.com/es-es/hh144976.aspx
Mohamed, N., Al-Jaroodi, J., & Jawhar, I. (2018). Service-oriented big data analytics for improving buildings energy management in smart cities. In 14th International Wireless Communications & Mobile Computing Conference (IWCMC), 1243–1248.
https://doi.org/10.1109/IWCMC.2018.8450469
Mohamed, N., Al-Jaroodi, J., Jawhar, I., Lazarova-Molnar, S., & Mahmoud, S.
(2017). SmartCityWare: a service-oriented middleware for cloud and fog enabled
smart city services. IEEE Access, 5, 17576–17588. https://doi.org/10.1109/ ACCESS.2017.2731382
Mohamed, N., Al-Jaroodi, J., & Lazarova-Molnar, S. (2018). Energy cloud: services for
smart buildings. In W. Rivera (Ed.), Sustainable Cloud and Energy Services, 117–
134. https://doi.org/10.1007/978-3-319-62238-5_5
Ntanos, S., Arabatzis, G., Konstantinos, M., Panagiota, L., & Chalikias, M. (2015). Energy consumption and CO2 emissions on a global level. In International Conference on Quantitative and Qualitative Methodologies in the Economic and Administrative Sciences. Atenas.
Pérez, J. (n.d.). Arquitectura basada en capas [Internet]. Retrieved from https://geeks. ms/jkpelaez/2009/05/30/arquitectura-basada-en-capas/
Pérez-Lombard, L., Ortiz, J., & Pout, C. (2008). A review on buildings energy consumption information. Energy and Buildings, 40(3), 394–398.
Petri, I., Rezgui, Y., Beach, T., Li, H., Arnesano, M., & Revel, G. M. (2015). A semantic
service-oriented platform for energy efficient buildings. Clean Technologies and Environmental Policy, 17(3), 721–734.
Santana, E. F., Chaves, A. P., Gerosa, M. A., Kon, F., & Milojicic, D. S. (2017). Software
platforms for smart cities: concepts, requirements, challenges, and a unified
reference architecture. ACM Computing Surveys, 50(6), 1–37.
Sec. Nacional de Energía. (2016). Plan Energético Nacional 2015-2050 [Internet]. Retrieved from http://www.energia.gob.pa/energia/wp-content/uploads/ sites/2/2017/06/Plan-Energetico-Nacional-2015-2050-1.pdf
Sembroiz, D., Ricciardi, S., & Careglio, D. (2018). A novel cloud-based IoT architecture for smart building automation. Security and Resilience in Intelligent Data-Centric Systems and Communication Networks (pp. 215–233). https://doi.org/10.1016/ B978-0-12-811373-8.00010-0
Severo, E. M. F., & Sousa, H. J. C. (2016). Avaliando a sustentabilidade das edificações
através de ferramentas qualitativas e quantitativas. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, (19), 01–14.
Shahat Osman, A. M. (2019). A novel big data analytics framework for smart cities. Future Generation Computer Systems, 91, 620–633.
Sharma, A., Kumar, M., & Agarwal, S. (2015). A complete survey on software architectural styles and patterns. Procedia Computer Science, 70, 16–28.
Simmhan, Y., Ravindra, P., Chaturvedi, S., Hegde, M., & Ballamajalu, R. (2018). Towards a data-driven IoT software architecture for smart city utilities. ArXiv:1803.02500 [Cs]. Retrieved from http://arxiv.org/abs/1803.02500
Ufuk Gökçe, H., & Umut Gökçe, K. (2014). Integrated system platform for energy
efficient building operations. Journal of Computing in Civil Engineering, 28(6), 05014005. https://doi.org/10.1061/(ASCE)CP.1943-5487.0000288
UNEP, S. (2009). Common carbon metric for measuring energy use and reporting greenhouse gas emissions from building operations [Internet]. Retrieved from https://wedocs.unep.org/handle/20.500.11822/7922
ürge-Vorsatz, D., Harvey, L. D. D., Mirasgedis, S., & Levine, M. D. (2007). Mitigating
CO2 emissions from energy use in the world’s buildings. Building Research & Information, 35(4), 379–398. https://doi.org/10.1080/09613210701325883 Vatanparvar, K., & Al Faruque, M. A. (2018). Control-as-a-Service in cyber-physical
energy systems over fog computing. In A. M. Rahmani, P. Liljeberg, J.-S. Preden, & A. Jantsch (Eds.). Fog Computing in the Internet of Things (pp. 123–144). https://
doi.org/10.1007/978-3-319-57639-8_7
Yoshino, H., Hong, T., & Nord, N. (2017). IEA EBC annex 53: Total energy use in
buildings—analysis and evaluation methods. Energy and Buildings, 152, 124–136. https://doi.org/10.1016/j.enbuild.2017.07.038
Zhang, Y., Ma, S., Yang, H., Lv, J., & Liu, Y. (2018). A big data driven analytical framework
for energy-intensive manufacturing industries. Journal of Cleaner Production, 197, 57–72. https://doi.org/10.1016/j.jclepro.2018.06.170
Zhao, H., Nagy, Z., Thomas, D., & Schlueter, A. (2015). Service-oriented architecture
for data exchange between a building information model and a building energy model. In Proceedings of International Conference CISBAT 2015, (pp. 761-766). Lausanne: LESO-PB, EPFL
Zhou, K., Fu, C., & Yang, S. (2016). Big data driven smart energy management: from big data to big insights. Renewable and Sustainable Energy Reviews, 56, 215–225. https://doi.org/10.1016/j.rser.2015.11.050