ИИ поможет оптимизировать энергопотребление в отопительный сезон

Хотя организации по всему миру работают над снижением энергопотребления и выбросов углекислого газа, одной из областей, которую еще предстоит оптимизировать, является отопление и охлаждение помещений.

На долю систем отопления, вентиляции и кондиционирования воздуха (HVAC) приходится в среднем около 40% общего энергопотребления здания. Методы, позволяющие экономить электроэнергию и при этом обеспечивать комфортные условия для работников, могут существенно повлиять на борьбу с изменением климата.

Теперь исследователи из Университета Осаки продемонстрировали значительную экономию энергии за счет применения нового алгоритма управления системами ОВКВ, основанного на искусственном интеллекте. Этот метод не требует сложного физического моделирования и даже подробных знаний о самом здании.

В холодное время года обычным системам на основе датчиков бывает сложно определить момент отключения отопления. Это связано с тепловыми помехами от освещения, оборудования или даже тепла, выделяемого самими работниками. Это может привести к тому, что система отопления, вентиляции и кондиционирования будет включена тогда, когда этого делать не следует, что приведет к лишним затратам энергии.

Чтобы преодолеть эти препятствия, исследователи применили алгоритм управления, позволяющий предсказать термодинамическую реакцию здания на основе собранных данных. Такой подход может быть более эффективным, чем попытка явного расчета влияния множества сложных факторов, которые могут влиять на температуру, таких как теплоизоляция и тепловыделение.

Таким образом, при наличии достаточной информации подходы, основанные на «данных», часто могут превосходить даже сложные модели. В данном случае система управления ОВКВ была спроектирована таким образом, чтобы на основе большого массива данных „выучить“ символические зависимости между переменными, включая энергопотребление.

Алгоритм позволил сэкономить энергию, обеспечив при этом комфортную работу обитателей здания.

Наша автономная система показала значительную экономию энергии — 30% и более для офисных зданий — за счет использования возможностей машинного обучения для оптимизации времени работы системы отопления, вентиляции и кондиционирования воздуха, — говорит ведущий автор Дафанг Чжао (Dafang Zhao).

Важно отметить, что в помещениях было комфортно тепло, несмотря на зимнее время.

Алгоритм работал над тем, чтобы минимизировать общее потребление энергии, разницу между фактической и желаемой температурой в помещении, а также изменение скорости выдачи мощности при пиковых нагрузках.

Наша система может быть легко настроена на приоритет энергосбережения или точности поддержания температуры в зависимости от ситуации, — добавляет старший автор Иттецу Танигучи.

Для коллективного достижения цели создания экономики с нулевым выбросом углекислого газа корпорациям, скорее всего, придется быть в авангарде инноваций. Исследователи отмечают, что их подход может получить быстрое распространение в период роста цен на энергоносители, что делает их выводы полезными как для окружающей среды, так и для жизнеспособности компаний.

05.10.2023