اختصاصی شبکه علمی ثریا- گرمایش مبتنی بر دادهها مصرف انرژی در ساختمان ها را کاهش می دهد. با بالا رفتن قیمت ها، مدیران املاک تجاری باید در کنترل مصرف انرژی هوشمندانه رفتار کنند و گرمایش صرفه جوییهای بالقوه زیادی را ارائه دهند. یک موسسه تحقیقاتی در حال حاضر با توسعه دهندگان نرم افزار Kiona و مدیران املاک کار می کند تا دریابد که چگونه می توانیم ساختمان های خود را هوشمندانهتر گرم کنیم. به عنوان بخشی از پروژهای به نام Databygg، الگوریتمهایی در حال طراحی هستند که میتوانند دما را در سیستم توزیع گرمای یک ساختمان بر اساس نیازهای گرمایشی آن تنظیم کنند. به طور سنتی، دمای آبی که به رادیاتورهای گرمایشی وارد می شود (به اصطلاح دمای جریان) به دمای بیرون بستگی دارد. هرچه بیرون سردتر باشد دمای جریان بیشتر می شود. چنین سیستم هایی برای افزایش بهرهوری انرژی طراحی شده اند، اما با این وجود نیازهای گرمایشی واقعی ساختمان ها را به اندازه کافی در نظر نمی گیرند. مسئول تحقیق و توسعه در اینباره میگوید: «الگوریتم کنترلی که ما در این پروژه طراحی میدهیم، نه تنها دمای بیرون، بلکه پیشبینیهای آب و هوا و استفاده برنامهریزیشده از ساختمانها را نیز در نظر میگیرد. او میگوید: هدف ما این است که دقیقاً به اندازهای که برای حفظ دمای اتاق مورد نیاز است، انرژی تأمین کنیم.
صرفه جویی در انرژی از روز اول
بر اساس اندازهگیریهای دقیق انجامشده در یک دوره دو ساله، یک مدل مبتنی بر داده برای کنترل پیشبینی سیستم گرمایش ایجاد شده است. این مدل قادر به پیش بینی دمای اتاقی است که برای یک دمای جریان رادیاتور معین به دست می آید. با این حال، مشخص شد که تنوع در دادهها بسیار محدود است و نمیتوان مدل را به گونهای که مورد نظر عمل میکند، آموزش داد.به همین دلیل، الگوریتم هایی طراحی شدند که به طور خودکار و مداوم دمای رادیاتور را در پاسخ به دمای اتاق اندازهگیری شده تنظیم میکنند. الگوریتم ها دمای اتاق را هر 30 دقیقه یک بار به عنوان مبنایی برای تعیین اینکه آیا نیاز به گرمایش وجود دارد، ثبت می کنند. در صورت عدم نیاز به گرمایش، دما در مدار رادیاتور کاهش می یابد. اگر دمای اتاق کاهش یابد و اتاق ها بیش از حد سرد شوند، دمای جریان دوباره افزایش می یابد. اگر دما در فواصل 30 دقیقهای بررسی شود، احتمال ایجاد حالت آسایش حرارتی ضعیفتر، کم است.
کاهش مصرف انرژی 10 تا 15 درصد
این سیستم پاییز ۲۰۲۲ در یک ساختمان اداری آزمایش شد. انرژی مورد استفاده برای گرمایش بین 10 تا 15 درصد کاهش یافت در حالی که دمای اتاق مورد نظر حفظ شد. علاوه بر این، دمای رادیاتورها به تدریج افزایش یافت تا از پیک انرژی در هنگام افزایش دمای جریان جلوگیری شود.الگوریتمها به سیستم کمک کردند تا از روز اول در مصرف انرژی صرفهجویی کند.
مدل پیشرفته حتی انرژی بیشتری را ذخیره میکند
علاوه بر صرفه جویی در انرژی، الگوریتم های پیاده سازی شده دادههای بیشتری تولید میکنند که به نوبه خود می توانند برای آموزش مدلها با هدف پیش بینی دقیق تر دمای اتاق در آینده استفاده شوند. این مدلها در آینده به عنوان بخشی از یک الگوریتم کنترل پیشبینیکننده که میتواند نیازهای گرمایشی را پیشبینی کند، اعمال خواهد شد. این الگوریتم از داده های جدید برای حل یک مسئله بهینه سازی که هر ساعت یک بار تولید می شود استفاده می کند. بر اساس دادههای تولید شده توسط اندازهگیریهای انجامشده در ساختمان، الگوریتم دمای جریانی را پیشنهاد میکند که دمای اتاق مورد نظر را برای ۱۲ ساعت آینده تضمین میکند. این به صرفه جویی بیشتر انرژی کمک خواهد کرد.