Отопление на основе данных снижает потребление энергии в зданиях. Поскольку цены взлетают до небес, управляющим коммерческой недвижимостью приходится становиться умнее в управлении потреблением энергии, а отопление предлагает много потенциальных сбережений.
Норвежский исследовательский институт SINTEF в настоящее время работает с разработчиками программного обеспечения Kiona и управляющими недвижимостью DNB Næringseiendom, чтобы выяснить, как мы можем более разумно отапливать наши здания. В рамках проекта под названием Databygg разрабатываются алгоритмы, способные регулировать температуру в системе теплораспределения здания исходя из его потребности в отоплении.
Традиционно температура воды, подаваемой в радиаторы отопления (так называемая температура подачи), зависит от температуры наружного воздуха . Чем холоднее на улице, тем выше температура потока. Такие системы предназначены для повышения энергоэффективности , но, тем не менее, не учитывают должным образом фактические потребности зданий в отоплении.
« Алгоритм управления, который мы разрабатываем в этом проекте, учитывает не только температуру наружного воздуха, но также прогнозы погоды и планируемое использование зданий», — говорит Осмунд Свинндал, CBDO и ответственный за исследования и разработки в Kiona. «Наша цель — поставлять ровно столько энергии , сколько необходимо для поддержания желаемой температуры в помещении», — говорит он.
Экономия энергии с первого дня
На основе подробных измерений, проведенных в течение двух лет, была разработана управляемая данными модель для предиктивного управления системой отопления. Модель способна прогнозировать комнатную температуру, которая будет достигнута при заданной температуре подачи радиатора.
«Однако оказалось, что вариации данных были слишком ограниченными, чтобы можно было обучить модель, чтобы она функционировала должным образом», — говорит Джон Клаусс, научный сотрудник SINTEF и руководитель проекта Databygg.
По этой причине были разработаны алгоритмы, которые автоматически и непрерывно регулируют температуру радиатора в зависимости от измеренной комнатной температуры. Алгоритмы регистрируют комнатную температуру каждые 30 минут, чтобы определить, есть ли необходимость в обогреве. Если подогрев не требуется, температура в контуре радиатора снижается.
Если комнатная температура падает и в комнатах становится слишком холодно, температура подачи снова повышается. Вероятность ухудшения теплового комфорта низка, если температуру измеряют с 30-минутными интервалами.
Потребление энергии снижено на 10–15 %
Систему тестировали прошлой осенью в офисном здании в центре Тронхейма. Энергия, используемая для отопления, была снижена на 10–15% при сохранении желаемой температуры в помещении. Кроме того, температуру в радиаторах повышали постепенно, чтобы избежать пиков энергии, возникающих при повышении температуры потока.
«Алгоритмы помогли системе экономить энергию с первого дня», — говорит Эрленд Каланд Симонсен, директор по развитию и цифровизации в DNB Næringseiendom.
Усовершенствованная модель позволит сэкономить еще больше энергии
Помимо экономии энергии, реализованные алгоритмы генерируют больше данных, которые, в свою очередь, можно использовать для обучения моделей с целью более точного прогнозирования будущих комнатных температур. Эти модели будут применяться в будущем как часть алгоритма прогнозирующего управления, который может прогнозировать потребности в отоплении.
Этот алгоритм использует новые данные для решения задачи оптимизации, генерируемой один раз в час. На основе данных, полученных в результате измерений, проведенных в здании, алгоритм предлагает температуру подачи , которая обеспечит желаемую температуру в помещении в течение следующих 12 часов. Это будет способствовать дополнительной экономии энергии.
«Мы намерены использовать алгоритмы прогнозирования в нескольких наших зданиях», — говорит Симонсен. «До лета этого года мы также изучим, как мы можем снизить потребление энергии в нашей системе охлаждения», — говорит он.
Теги: ИИ, энергия