Nuevo control de climatización utilizando métodos de aprendizaje automático y predicciones meteorológicas

Eduardo Dulce Chamorro | Marzo 2020
Instalaciones Climatización Tecnología Inteligencia Artificial Artículos Artículos destacados Big Data Nuevo control de climatización utilizando métodos de aprendizaje automático y predicciones meteorológicas

Fecha: Marzo 2020
Idioma: Castellano
Procedencia: AEIH
Web: ver aquí
Autor: Eduardo Dulce Chamorro, Ingeniero Industrial Subdirector de Infraestructuras y Servicios Técnicos en Servicio Riojano de Salud

Este artículo se publicó por primera vez en el Anuario de la AEIH 2019.

La predicción de la demanda de refrigeración térmica de una instalación hospitalaria es un método innovador con potencial para mejorar la eficiencia energética de estos edificios. Un modelo puede ayudarnos a predecir la actividad de los generadores térmicos de agua refrigerada y a mejorar la eficiencia general de todo el sistema. El objetivo es que la generación de energía pueda conocerse anticipadamente, adaptarse y ajustarse a la demanda real esperada. Además se pueden reducir los costes de mantenimiento relacionados con las averías de estos generadores térmicos al prevenirse los arranques y paradas ineficientes.  

1. Introducción
Los edificios europeos son responsables de 38% de las emisiones de CO2. Los objetivos de ahorro de energía en los edificios de la Unión Europea para el año 2020 se fijaron en un aumento del 20% en la eficiencia energética de los mismos, y en una reducción del 20% de las emisiones de gases de efecto invernadero. El 28 de noviembre de 2018, la Comisión Europea presentó su nueva estrategia a largo plazo con el objetivo de limitar el aumento de la termperatura global muy por debajo de los 2°C previstos de aumento, y perseguir los esfuerzos para mantenerla por debajo de 1,5°C. Por lo tanto, para 2050, la UE debería reducir sus emisiones en un 80%, por debajo de los niveles emitidos en 1990.

Los hospitales son edificios que requieren de grandes cantidades de energía. Los usuarios y trabajadores demandan sistemas de aire acondicionado para confort humano. Los servicios y actividades asistenciales emplean sistemas de refrigeración que también utilizan la red de agua refrigerada del hospital. Estos sistemas se encuentran entre las instalaciones hospitalarias que consumen más energía. Estudios anteriores como los realizados por el IDEA y Fenercom con la “Guía de ahorro y eficiencia energética en hospitales”, han demostrado que la energía utilizada para generar agua refrigerada supera el 45% de la energía total demandada por un hospital, mientras que la demandada para la ilutación es un 35% y el 20% restante ACS. Los sistemas de gestión técnica de edificios BMS (Building Management Systems) contribuyen a aumentar la eficiencia energética y el ahorro económico de los hospitales. Además, si implementamos en los mismos la predicción de la demanda de refrigeración, podemos contar con una función de gran utilidad, ya que representa un problema común y un factor clave de decisión saber cuándo deben entrar en funcionamiento los generadores. Si contamos con un modelo de predicción de demanda de agua refrigerada de nuestro edificio, como la realizada en este artículo, podremos disponer de una previsión del funcionamiento de las enfriadoras.

El BMS utilizado en este estudio fue implementado durante la construcción del hospital en enero de 2008. El control de las instalaciones se hace en tiempo real, mediante la información capturada por los diferentes sensores instalados tanto en el exterior del edificio como en las sondas de inmersión de las tuberías del sistema de agua refrigerada. Pero el sistema de control existente generaba más arranques y paradas de las necesarias. Esto produce un envejecimiento prematuro de los generadores, problemas de sub-enfriamiento del agua al trabajar las enfriadoras por debajo de la temperatura de consigna y averías frecuentes. La generación de agua de refrigeración se debe adaptar a la demanda real esperada para el día en curso. Los costes de mantenimiento relacionados con las averías de las enfriadoras y los arranques y paradas ineficaces también se puede reducir.

Un modelo predictivo de la demanda de enfriamiento térmico puede ayudar a pronosticar la actividad de los generadores enfriados por agua, controlados por el BMS, y mejorar la eficiencia general del edificio. Este artículo detalla los pasos tomados para desarrollar un modelo predictivo de baja complejidad a través del ajuste de parámetros automático y de la selección de algoritmos de predicción. Este nuevo método operacional empleado aquí puede ser replicado en hospitales similares con generadores enfriados por agua, sin importar si son nuevos o existentes.

1.1 Creación de un modelo de predicción
Para la creación del modelo de predicción se utilizó el proceso de trabajo denominado técnica KDD. Su acrónimo en inglés significa Knowledge Discovery in Databases, y su descripción gráfica es la siguiente (figura 2).

Este método consiste en extraer la lectura de datos del sistema de control o de otras fuentes y consolidarlos en una única base de datos (Dataset). Posteriormente se realiza una limpieza de los datos hasta tener una base de datos preprocesada. En muchos modelos se realiza una ingeniería de datos para crear nuevas variables o registros, técnica denominada Feature Engineering. Esta técnica consiste en el uso de algoritmos que utilizando otras variables permiten calcular nuevos parámetros destacables en los patrones de modelado. Finalmente y una vez que tenemos la base de datos consolidad para el cálculo, mediante el uso de un algoritmo de cálculo adecuado, y con los parámetros ajustados, obtendremos un modelo con unos errores lo suficientemente aceptables como para poder realizar predicciones.

Para poder seguir leyendo este artículo y descargar el documento completo en PDF sobre el control de la climatización a partir de métodos automatizados y de predicción debe iniciar sesión o darse de alta en el portal.

Para poder escribir un comentario debe iniciar sesión o darse de alta en el portal.

Proveedores Platino

Proveedores Plata