Descripció del projecte
La realitat és que els sistemes HVAC són actualment el servei més exigent (en termes de consum), en un edifici, i un funcionament optimitzat pot conduir a un estalvi d’energia de fins al 30% mentre es manté el confort tèrmic dels seus ocupants dins dels rangs permissibles. Aquest potencial d’estalvi d’energia es deu al fet que els sistemes actuals funcionen sota esquema de control reactiu als canvis en les necessitats de clima interior de l’edifici (e.g. climatologia externa, ocupació, esdeveniments…), i que a més els procediments de manteniment associats estan basats en estratègies preventives o correctives, donant lloc a problemes persistents que impacten en l’eficiència de la maquinària (e.g. punts de sintonització de control mal configurats, fuites d’aire comprimit, filtres ineficients…). Justament, aquestes deficiències de gestió sobre els sistemes HVAC són les que TPC resol mitjançant la seva solució tecnològica (i.e. control predictiu i manteniment predictiu). Hi ha, però, un nivell superior d’abstracció sobre les solucions tecnològiques ofertes per TPC i, en general, al sector de serveis analítics i models basats en dades sobre BEMS, que té a veure amb l’evolució de les condicions d’operació dels edificis a què han de donar resposta els sistemes de HVAC.
Totes les solucions analítiques i mètodes de gestió avançats sobre sistemes HVAC disponibles actualment assumeixen la continuïtat del perfil d’operació nominal o de referència de l’edifici al llarg de la seva vida útil. En aquest sentit, no es consideren procediments d’adaptació dels models digitals a variacions de l’entorn, com podrien ser períodes climatològics inusuals o fins i tot variacions estructurals de l’edifici (e.g. ampliacions, obertura d’espais, remodelacions…), tampoc les variacions dels mapes de rendiment dels equips de clima (i.e. variacions per envelliment de components dels mapes de COP, coefficient of performance), ni variacions en els perfils de demanda, ja siguin per canvis en ocupació (i.e. horaris de presència, quantitat de gent…), o per modificacions persistents a les consignes de demanda (i.e. augment o decrement de temperatura consignada als espais finals ocupats pels usuaris). Aquest fet representa una limitació crítica respecte a la fiabilitat i la robustesa dels sistemes de presa de decisions basats en l’extracció de regles sobre històrics de dades en el temps. És a dir, el consegüent funcionament no òptim dels equips individuals o interconnectats per atendre la demanda (canviant), afectarà no només el funcionament de la planta climàtica (sistema HVAC), la seva eficiència i el cost d’energia utilitzada, sinó que també invalida les conclusions i decisions preses en el control de la instal·lació. Per tant, actualment, els models digitals generats a partir de metodologies i procediments basats en enginyeria, intel·ligència artificial o ambdues, es consideren invariants en el temps, fet que implica una pèrdua d’eficàcia en el tractament de la informació i, finalment, en una deriva negativa a la tasca d’optimització d’operació dels sistemes HVAC. Aquest projecte de recerca , i el treball específic d’investigació científica que descriu, parteix d’aquest repte cientificotècnic com a estat actual al sector de la gestió intel·ligent de sistemes HVAC en edificis del sector terciari. De fet, des d’un punt de vista purament científic, un dels grans objectius de la intel·ligència artificial aplicada és construir agents d’aprenentatge continu que construeixin una comprensió sofisticada de l’entorn a modelar a partir de la seva pròpia experiència a través del desenvolupament incremental i autònom del coneixement. Tot i això, les solucions actuals basades en aprenentatge artificial no donen una resposta pràctica sobre metodologies i procediments al respecte. Això és així, fonamentalment perquè es requereix una comprensió i descripció de l’entorn d’aplicació tal que l’enfocament s’ha de fer unint coneixements específics al camp d’aplicació (d’enginyeria sobre sistemes HVAC en el cas que ens ocupa), amb coneixements específics de ciència de dades i intel·ligència artificial. Només mitjançant aquesta estratègia serà possible desenvolupar solucions amb les bases prou sòlides per guiar l’aprenentatge, i les capacitats prou potents per fer-ho amb adaptació, escalabilitat i autonomia.
Així, l’objectiu general del projecte consisteix en l’adaptació i l’ús de models predictius del comportament energètic d’un edifici per integrar-los en estratègies d’aprenentatge continu, que garanteixin l’optimització de l’eficiència energètica de la maquinària durant tota la vida útil, és a dir , davant de derives temporals de les condicions d’operació, incloent-hi variacions d’entorn (i.e. climàtiques i estructurals de l’edifici), el desgast de components (i.e. rendiments), i els perfils de demanda (i.e. ocupació i consignes). Així, la investigació prevista en estratègies d’aprenentatge continu basades en intel·ligència artificial ha de considerar com a punt de partida solucions de modelatge i control predictiu d’infraestructura HVAC realitzades amb coneixements d’enginyeria i, sobre això, l’avenç cap a solucions de control que incloguin (i ) la detecció en línia de desviacions d’operació (ii) la transferència de coneixement entre infraestructures, i (iii) l’actualització automàtica dels models multidimensionals utilitzats per al pronòstic i el control predictiu del sistema HVAC.
