Introducción y Objetivo: Un gemelo digital en un invernadero es una réplica virtual detallada del invernadero físico, basada en datos de sensores y sistemas IoT en tiempo real. Este proyecto busca diseñar un gemelo digital que optimice el control climático del invernadero de Cannabis sativa mediante la predicción y ajuste de variables climáticas, reduciendo el consumo energético utilizando algoritmos de aprendizaje por refuerzo.

Material y Métodos: El estudio se llevó a cabo en un invernadero automatizado de la Universidad de Alicante, utilizando sensores IoT para capturar datos ambientales y climáticos. El sistema de climatización ajusta automáticamente los setpoints basándose en predicciones meteorológicas y algoritmos de aprendizaje por refuerzo. El técnico especialista puede programar nuevos setpoints cada hora.

Resultados y Conclusión: Se utilizó el algoritmo de aprendizaje Q-Learning para optimizar el consumo energético. Los resultados demostraron la aplicabilidad de las técnicas IoT, predicciones meteorológicas y algoritmos de aprendizaje para desplegar un servicio digital de simulación, optimizando el consumo energético del invernadero. La metodología es adaptable a otras instalaciones y funcionalidades.