Resumen:
El presente trabajo se desarrolló con el fin de aportar mejora de las herramientas actuales de planificación energética aplicada a hoteles turísticos. Con ello es posible predecir el consumo de energía eléctrica y de gas LP de una instalación con más de noventa porciento de precisión, empleando redes neuronales artificiales (RNA) como modelos de ajuste predictivos. Como variables de entradas a las estructuras de los modelos se tuvieron en cuenta las condiciones climatológicas de la región y el nivel ocupacional. Se realizó una identificación inicial mediante modelación paramétrica y luego se mejoró el resultado con el empleo de redes Neuronales Artificiales. Para ambos casos se utilizaron las herramientas contenidas en Matlab. La desviación promedio en la predicción de energía eléctrica fue de 0.6% con una desviación estándar del 4 %. Para el caso del gas LP la desviación media fue menos al 1 % y una desviación estándar del 1.3%.
