A Survey on Semantic Modeling for Building Energy Management

Resumen Técnico: Un Estudio sobre el Modelado Semántico para la Gestión de la Energía en Edificios

Planteamiento del Problema
La Gestión de la Energía en Edificios (BEM, por sus siglas en inglés) es fundamental para reducir el consumo de energía y las emisiones de CO2 en el sector de la edificación. Si bien las tecnologías del Internet de las Cosas (IoT) han ampliado la disponibilidad de datos operativos, el sector enfrenta desafíos significativos en materia de interoperabilidad semántica. La heterogeneidad de los datos entre dispositivos, proveedores, protocolos y herramientas de software impide el desarrollo de aplicaciones de BEM generalizables, autónomas y conscientes del contexto. Los modelos semánticos existentes suelen proporcionar representaciones maduras de los activos físicos del edificio (topología, equipos, sensores), pero carecen de una cobertura consistente de los conceptos operativos abstractos esenciales para la toma de decisiones inteligente, tales como los Indicadores Clave de Desempeño (KPI), la lógica de control, las tareas de optimización y los flujos de trabajo computacionales. Además, las encuestas previas se han centrado a menudo en la disponibilidad de ontologías en lugar de analizar cómo se aplican estos modelos en la práctica, específicamente respecto a la trazabilidad de los mapeos de concepto-a-clase en casos de uso del mundo real.

Metodología
Este estudio emplea una metodología de investigación híbrida que combina una búsqueda en bases de datos orientada a PRISMA con la identificación complementaria de fuentes.

• Recopilación de Datos: Se realizó una búsqueda estructurada de palabras clave en cinco bases de datos principales (ACM DL, IEEE Xplore, Lens, Scopus, Web of Science), recuperando más de 34,000 registros.
• Cribado: Se aplicó un proceso de cribado de múltiples etapas (deduplicación, preselección basada en el alcance, cribado de títulos basado en reglas y revisión manual de resúmenes/texto completo). Los criterios de inclusión requirieron contribuciones basadas explícitamente en ontologías para tareas operativas de edificios (p. ej., monitoreo, detección de fallas, control, optimización) utilizando modelos semánticos basados en grafos (RDF, OWL, JSON-LD).
• Corpus: El corpus analítico final consta de 109 artículos revisados por pares, respaldados por 41 documentos técnicos (informes, especificaciones, libros).
• Marco de Análisis: El estudio revisa 60 modelos semánticos y analiza más de 20 casos de uso concretos de BEM. Clasifica estos casos de uso según su estrategia de modelado: ontología única, dos ontologías o múltiples ontologías.
• Nuevas Métricas: La encuesta introduce la Completitud de la Evidencia de la Ontología (OEC) para evaluar si los estudios proporcionan mapeos trazables desde los conceptos operativos hacia las clases de la ontología (categorizados como Completos, Parciales o Ninguno). También cuantifica las Tasas de Instanciación de la Ontología (OIR) y la necesidad de extensión (la proporción de conceptos que requieren nuevas clases).

Contribuciones Clave

1. Revisión Exhaustiva: Una caracterización de 60 modelos semánticos relevantes para las operaciones de edificios, detallando su alcance, conceptos principales y limitaciones.
2. Análisis de Casos de Uso: Un análisis de aplicaciones concretas de BEM basadas en sus estrategias de modelado semántico (ontologías únicas, duales o múltiples).
3. Completitud de la Evidencia de la Ontología (OEC): La introducción de la OEC como una métrica para evaluar la transparencia y trazabilidad de la evidencia semántica en los estudios basados en ontologías, distinguiendo entre estudios que mapean explícitamente los conceptos y aquellos que dependen de supuestos implícitos.
4. Síntesis Cuantitativa: Una evaluación cuantitativa de la OIR, los conceptos faltantes y las estrategias específicas de modelado (especialización, herencia externa, reutilización, integración, extensión) utilizadas para abordar las brechas semánticas.
5. Identificación de Brechas: La identificación de brechas de investigación recurrentes, particularmente en la representación de procesos computacionales abstractos, las prácticas de extensión de ontologías y los recursos de flexibilidad energética.

Resultados

• Disparidad de Cobertura: Los modelos semánticos actuales representan de manera más efectiva los entes físicos (estructura del edificio, sistemas técnicos, sensores, actuadores y datos observables) que los conceptos operativos abstractos y dinámicos. Conceptos como los KPI, las evaluaciones, los servicios, la lógica de control, las tareas de optimización y los flujos de trabajo computacionales siguen estando menos cubiertos de forma consistente.
• Estrategias de Modelado: Los estudios de BEM aplicados dependen frecuentemente de la reutilización, integración, especialización, herencia externa o extensiones específicas de la aplicación para cerrar las brejas de cobertura.
  • Los escenarios de ontología única a menudo requieren herencia externa (p. ej., para unidades de medida) o extensiones específicas de la aplicación cuando las tareas van más allá del alcance central de la ontología.
  • Los escenarios de múltiples ontologías son comunes para tareas complejas (p. ej., zonificación térmica, cálculo de KPI), donde se integran ontologías complementarias (p. ej., BOT para topología, SAREF para dispositivos, SSN/SOSA para observaciones y ontologías de KPI personalizadas).
• Completitud de la Evidencia: Una parte significativa de los estudios revisados exhibe una OEC "Parcial" o "Ninguna", lo que significa que mencionan las ontologías pero no proporcionan evidencia suficiente a nivel de clase para trazar los conceptos relevantes para la tarea. Esto limita la reproducibilidad y la evaluación cuantitativa de la cobertura semántica.
• Panorama de las Ontologías: Ninguna ontología única proporciona una cobertura completa para la operación de BEM. Los modelos centrales como BOT, SAREF (y sus extensiones), SSN/SOSA y Brick sirven como capas fundacionales, pero suelen ser insuficientes sin integración o extensión para tareas operativas específicas.

Significancia y Reivindicaciones
El artículo sostiene que el desafío principal para la BEM operativa no es la ausencia de ontologías, sino las formas inconsistentes en las que los modelos existentes representan, combinan y extienden los conceptos requeridos para aplicaciones prácticas. La encuesta aclara que, si bien los modelos semánticos son esenciales para la interoperabilidad y la conciencia del contexto, los ecosistemas actuales están fragmentados.

Los autores argumentan que el progreso futuro depende menos de la invención de nuevas ontologías aisladas y más de:

• Mejorar la guía de modelado explícito y los mecanismos de extensión.
• Mejorar la alineación entre los modelos semánticos existentes.
• Representar mejor los procesos computacionales y de soporte de decisiones (la "inteligencia" detrás de los datos).
• Adoptar estrategias de integración con principios claros para manejar la complejidad de la flexibilidad energética y la interacción con la red.

La encuesta concluye que realizar el potencial de los sistemas de BEM inteligentes y conscientes del contexto requiere representaciones semánticas que vayan más allá de la descripción de los activos físicos para capturar explícitamente los flujos de trabajo computacionales y los procesos de soporte de decisiones que interpretan los datos y activan las acciones.