Поскольку организации работают над сокращением энергопотребления и связанных с этим выбросов углекислого газа, одной из областей, которую еще предстоит оптимизировать, является отопление и охлаждение помещений. Фактически, HVAC, что означает отопление, вентиляция и кондиционирование воздуха, составляет в среднем около 40% общего энергопотребления здания. Методы, позволяющие экономить электроэнергию и при этом обеспечивать комфортную среду для работников, могут существенно изменить ситуацию в борьбе с изменением климата.
Теперь исследователи из Университета Осаки продемонстрировали значительную экономию энергии за счет применения нового алгоритма на основе искусственного интеллекта для управления системами отопления, вентиляции и кондиционирования. Этот метод не требует сложного физического моделирования или даже детальных предварительных знаний о самом здании. Работа опубликована в журнале Applied Energy .
В холодную погоду обычным системам на основе датчиков иногда сложно определить, когда следует отключить отопление. Это происходит из-за тепловых помех от освещения, оборудования или даже тепла, выделяемого самими работниками. Это может привести к тому, что система отопления, вентиляции и кондиционирования воздуха будет активирована, когда этого не должно быть, что приведет к потере энергии.
Чтобы преодолеть эти препятствия, исследователи применили алгоритм управления , который прогнозировал термодинамическую реакцию здания на основе собранных данных.
Этот подход может быть более эффективным, чем попытки явного расчета воздействия множества сложных факторов, которые могут повлиять на температуру, таких как изоляция и выделение тепла. Таким образом, при наличии достаточной информации подходы, основанные на данных, часто могут превзойти даже сложные модели. Здесь система управления HVAC была разработана для «изучения» символических связей между переменными, включая энергопотребление , на основе большого набора данных.
Алгоритм смог сэкономить энергию, при этом позволяя жильцам здания работать с комфортом. «Наша автономная система продемонстрировала значительную экономию энергии — 30 % и более для офисных зданий — благодаря использованию прогнозирующих возможностей машинного обучения для оптимизации времени работы системы отопления, вентиляции и кондиционирования», — говорит ведущий автор Дафан Чжао. «Важно, что в комнатах было комфортно тепло, несмотря на зиму».
Алгоритм работал над минимизацией общей потребляемой энергии, разницы между фактической и желаемой температурой в помещении, а также изменения мощности выходной мощности при пиковой нагрузке. «Нашу систему можно легко настроить, чтобы отдать приоритет энергосбережению или точности температуры, в зависимости от потребностей ситуации», — добавляет старший автор Иттецу Танигучи.
Чтобы коллективно достичь цели создания углеродно-нейтральной экономики, весьма вероятно, что корпорациям придется быть в авангарде инноваций. Исследователи отмечают, что их подход может получить быстрое распространение во времена роста цен на электроэнергию, что делает их выводы полезными как для окружающей среды, так и для жизнеспособности компаний.
