En este estudio, se establecen métodos para predecir la demanda de energía a partir de datos de consumo horario con el fin de realizar un sistema de gestión de energía para edificios. Los métodos consisten en un algoritmo de predicción de energía que separa automáticamente los conjuntos de datos en particiones (puerta) y crea un modelo de regresión lineal (experto local) para cada partición en el modelado de mezcla heterogénea, y un gráfico de objetivos extendido que extrae candidatos de variables tanto para la partición de datos como para la regresión lineal del algoritmo de predicción de energía. Estos métodos se implementaron como herramientas y se aplicaron para crear el modelo de predicción de energía a partir de datos de consumo horario de dos años para un edificio. Validamos los métodos comparando las precisiones con las de diferentes algoritmos de aprendizaje automático aplicados a los mismos conjuntos de datos.