Inteligencia artificial, tiempo y edificios más ecológicos
Si el pronóstico apunta a lluvia, probablemente usarás un paraguas. Si hace frío, te abrigarás. Ese mismo tipo de preparación ocurre en los edificios, donde los sofisticados sistemas de calefacción y refrigeración se ajustan según el tiempo previsto.
Pero cuando el pronóstico tiene incertidumbres, como suele ocurrir, los edificios pueden terminar desperdiciando energía, al igual que podemos encontrarnos mojados, fríos o cargados adicionales de ropa que no necesitamos.
Un nuevo enfoque desarrollado por Fengqi You, profesor de ingeniería de sistemas de energía en la Universidad de Cornell, predice con mayor precisión el pronóstico meteorológico utilizando un modelo de aprendizaje automático entrenado con datos de predicciones y condiciones meteorológicas reales de años. Combinó ese predictor con un modelo matemático que considera las características del edificio, incluido el tamaño y la forma de las habitaciones, los materiales de construcción, la ubicación de los sensores y la posición de las ventanas.
El resultado es un sistema de control inteligente que puede reducir el consumo de energía hasta en un 10 por ciento, según un estudio de caso que su equipo realizó en Toboggan Lodge, un edificio de casi 90 años de antigüedad en el campus de Cornell.
"Si el edificio en sí mismo pudiera ser lo suficientemente inteligente como para conocer las condiciones meteorológicas, o al menos de alguna manera entender un poco más sobre la información de pronóstico del tiempo, podría hacer mejores ajustes para controlar automáticamente sus sistemas de calefacción y refrigeración para ahorrar energía y hacer los ocupantes están más cómodos ", dijo You, cuyo artículo," Un enfoque de optimización robusta impulsado por datos para el control predictivo de modelos estocásticos basados en escenarios, "publicado en el Journal of Process Control.
"Por ejemplo, si sé que el sol saldrá muy pronto, va a hacer calor, entonces probablemente no necesito calentar la casa. Si sé que vendrá una tormenta esta noche, entonces trato de calentar un poco para que pueda mantener un nivel cómodo ", dijo. "Intentamos que el sistema de energía sea inteligente, para que pueda predecir un poco del futuro y tomar las decisiones óptimas".
El primer autor del artículo es Chao Shang, anteriormente un asociado postdoctoral de Cornell en el laboratorio de You y ahora profesor asistente de automatización en la Universidad de Tsinghua. Un equipo de estudiantes de maestría ayudó a desarrollar el estudio de caso de Toboggan Lodge, además de recopilar datos históricos de clima y clima para entrenar el modelo de aprendizaje automático.
Con esta información, el modelo puede detectar incertidumbres no solo en la temperatura, sino también en la precipitación, la luz solar y las diferencias en las condiciones según la ubicación. En función del nivel de incertidumbre en el pronóstico, el modelo se ajusta en consecuencia.
"Incluso el mejor sistema de pronóstico del tiempo no le dará la información más precisa", dijo. "Además, la información del pronóstico del tiempo es generalmente para una determinada región pero no para una ubicación específica".
La combinación de los algoritmos de aprendizaje automático y los métodos de programación matemática crea un sistema de control que es más preciso y "más inteligente" de lo que lo haría cualquiera de ellos. El marco tiene aplicaciones potenciales en sistemas de control de edificios y control de riego en la agricultura, y podría utilizarse para un control ambiental interior más eficiente en granjas verticales y fábricas de plantas que son cada vez más populares en las grandes ciudades.
Referencia
A data-driven robust optimization approach to scenario-based stochastic model predictive control. Chao Shang y Fengqi Youb. Journal of Process Control. https://doi.org/10.1016/j.jpro...