[ad_1]
Los termostatos inteligentes han cambiado la forma en que muchas personas calientan y enfrían sus hogares, utilizando el aprendizaje automático para responder a los patrones y preferencias de ocupación, lo que resulta en un menor consumo de energía. Esta tecnología, que puede recopilar y sintetizar datos, generalmente se centra en su uso en hogares individuales, pero ¿y si este tipo de inteligencia artificial pudiera gestionar dinámicamente la calefacción y la refrigeración de un campus completo? Esa es la idea detrás de una iniciativa interdepartamental para reducir el consumo de energía en el campus a través de controles de edificios de IA que responden en tiempo real a factores internos y externos.
Entender el desafío
La calefacción y la refrigeración pueden ser un desafío energético para campus como el MIT porque los sistemas de gestión de edificios (BMS) existentes no pueden responder rápidamente a factores internos como las fluctuaciones de ocupación o factores externos como el pronóstico del tiempo o la intensidad de carbono de la red. Esto da como resultado que se utilice más energía de la necesaria para calentar y enfriar espacios, a menudo a niveles subóptimos. Mediante el uso de IA, los investigadores han comenzado a crear un marco para comprender y predecir los puntos de ajuste de temperatura óptimos (la temperatura a la que se ha configurado un termostato) a nivel de habitaciones individuales, teniendo en cuenta una variedad de factores más allá de los existentes. y enfriar de manera más eficiente, todo sin intervención manual.
«No es muy diferente de lo que la gente hace en las casas», dice Les Norford, profesor de arquitectura en el MIT cuyo trabajo en estudios de energía, control y ventilación lo conectó con el proyecto. “A menos que tengamos que pensar en cuánto tiempo se puede usar un salón de clases en un día, en los pronósticos del tiempo, el tiempo necesario para calentar y enfriar un salón, el efecto del calor solar que entra por la ventana y cómo se usará el salón de clases a continuación. «La puerta podría afectar todo eso.» Estos factores son el foco de la investigación y los proyectos piloto en los que se están centrando Norford y su equipo. Este equipo incluye a Jeremy Gregory, director ejecutivo del MIT Climate and Sustainability Consortium; Audun Botterud, científico investigador senior del Laboratorio de Sistemas de Información y Decisión; Steve Lanou, director de proyectos de la Oficina de Sostenibilidad del MIT (MITOS); Fran Selvaggio, Departamento de Instalaciones, ingeniero senior de sistemas de gestión de edificios; y Daisy Green y You Lin, ambos postdoctorados.
El grupo está organizado en torno al llamado a la acción para «explorar oportunidades de utilizar la inteligencia artificial para reducir el consumo de energía en el campus», como se describe en «Fast Forward: Plan de acción climática del MIT para la década», pero el esfuerzo se remonta a 2019. «Mientras trabajamos para descarbonizar nuestro campus, estamos explorando todas las opciones», dice Joe Higgins, vicepresidente de administración y servicios del campus, quien originalmente presentó la idea a los estudiantes en el MIT Energy Hack de 2019. «Para mí, fue una gran oportunidad para aprovechar la experiencia del MIT y ver cómo podemos aplicarla en nuestro campus y compartir lo que hemos aprendido con la industria de la construcción». La exploración del concepto comenzó en el evento y continuó con investigadores de pregrado y posgrado. realizando ecuaciones diferenciales y liderando proyectos piloto para probar los límites de la idea. Pronto, Gregory, que también es miembro de la facultad de MITOS, se unió al proyecto y ayudó a encontrar más personas para unirse al equipo. «Mi función como miembro de la facultad es encontrar formas de conectar a la comunidad de investigación del MIT con los desafíos que enfrenta el propio MIT, por lo que encajaba perfectamente», dice Gregory.
Los primeros pilotos del proyecto se centraron en probar los puntos de ajuste del termostato en NW23, sede del Departamento de Instalaciones y la Oficina de Planificación del Campus, pero Norford rápidamente se dio cuenta de que las aulas ofrecen muchas más variables para probar, y el piloto se amplió al Edificio 66, un Edificio de uso mixto que contiene aulas, oficinas y espacios de laboratorio. «Centramos nuestra atención en las aulas de aprendizaje en parte debido a su complejidad, pero también por su gran tamaño, por lo que hay cientos de ellas en el campus». [they offer] más formas de recopilar datos y establecer parámetros para lo que probamos”, afirma Norford.
Desarrollo de tecnología
El trabajo para desarrollar controles de edificios más inteligentes comienza con un modelo basado en la física que utiliza ecuaciones diferenciales para comprender cómo los objetos se calientan o enfrían, retienen el calor y cómo el calor puede fluir a través de la fachada de un edificio. También se ingresan datos externos como el clima, la intensidad de carbono de la red eléctrica y los horarios de clases, y la IA responde a estas condiciones para ofrecer un punto de ajuste óptimo del termostato cada hora, uno que ofrezca el mejor compromiso entre los dos objetivos de confort térmico de residentes y consumo de energía. Este punto de ajuste le dice al BMS existente cuánto necesita calentarse o enfriarse una habitación. Luego se llevan a cabo pruebas en el mundo real en las que se pregunta a los residentes del edificio sobre su nivel de comodidad. Botterud, cuya investigación se centra en las interacciones entre tecnología, economía y política en los mercados eléctricos, está trabajando para garantizar que los algoritmos de IA puedan traducir estos conocimientos en ahorros de energía y emisiones de carbono.
Actualmente, los proyectos piloto se centran en seis aulas del Edificio 66, con planes de transición al espacio de laboratorio antes de expandirse a todo el edificio. «El objetivo aquí es el ahorro de energía, pero no podemos evaluarlo completamente hasta que completemos un edificio completo», explica Norford. «Tenemos que ir aula por aula para recopilar los datos, pero estamos viendo un panorama mucho más amplio». El equipo de investigación utilizó sus simulaciones basadas en datos para estimar importantes ahorros de energía manteniendo el confort térmico en las seis aulas durante dos días. . Sin embargo, se requiere más trabajo para implementar los controles y medir los ahorros durante un año completo.
Con ahorros significativos estimados para aulas individuales, el ahorro de energía para todo un edificio podría ser significativo, y la IA puede ayudar a lograr ese objetivo, explica Botterud: «Todo este concepto de escalabilidad está realmente en el corazón de lo que hacemos». «Pasamos mucho tiempo en el Edificio 66 para descubrir cómo funciona y esperamos que estos algoritmos puedan transferirse a otras salas y edificios con mucho menos esfuerzo, de modo que las soluciones que desarrollemos en el MIT puedan tener un gran impacto», afirma.
Parte de este gran impacto involucra al personal operativo como Selvaggio, que es fundamental para conectar la investigación con las operaciones actuales y ponerlas en práctica en todo el campus. «Gran parte del trabajo del equipo de BMS se realiza en la fase piloto de un proyecto como este», afirma. «Pudimos poner en funcionamiento estos sistemas de IA con nuestro BMS existente en unas pocas semanas, lo que permitió que los pilotos comenzaran rápidamente». Según Selvaggio, en preparación para completar los pilotos, el equipo de BMS ha identificado 50 edificios adicionales. en el campus donde la tecnología se puede instalar fácilmente en el futuro para comenzar a ahorrar energía. El equipo de BMS también está trabajando con la empresa de automatización de edificios Schneider Electric, que ha implementado los nuevos algoritmos de control en las aulas del Edificio 66 y está lista para expandirse a nuevas ubicaciones piloto.
ampliar el impacto
La finalización exitosa de estos programas también abre la posibilidad de lograr ahorros de energía aún mayores, acercando al MIT a sus objetivos de descarbonización. «Más allá del simple ahorro de energía, en última instancia podemos transformar los edificios de nuestro campus en una red de energía virtual, donde miles de termostatos se agregan y coordinan para funcionar como una entidad virtual unificada», explica Higgins. Estos tipos de redes energéticas pueden acelerar la descarbonización del sector energético al reducir la necesidad de centrales eléctricas con alto consumo de carbono en las horas punta y permitir un uso más eficiente de la energía en la red eléctrica.
A medida que los pilotos avanzan, están cumpliendo otro llamado a la acción con Fast Forward: diseñar el campus como un “banco de pruebas para el cambio”. Gregory dice: «Este proyecto es un gran ejemplo de cómo utilizamos nuestro campus como banco de pruebas: aporta investigaciones de vanguardia que podemos aplicar para descarbonizar nuestro propio campus». Es un gran proyecto debido a su enfoque específico, pero también porque sirve como modelo de cómo el campus puede utilizarse como laboratorio viviente”.
[ad_2]