[ad_1]
I termostati intelligenti hanno cambiato il modo in cui molte persone riscaldano e raffreddano le loro case utilizzando l’apprendimento automatico per rispondere ai modelli e alle preferenze di occupazione, con conseguente minore consumo di energia. Questa tecnologia, in grado di raccogliere e sintetizzare dati, si concentra generalmente sull’uso di una singola abitazione, ma cosa accadrebbe se questo tipo di intelligenza artificiale potesse gestire dinamicamente il riscaldamento e il raffreddamento di un intero campus? Questa è l’idea alla base di un impegno interdipartimentale volto a ridurre il consumo energetico del campus attraverso controlli degli edifici basati sull’intelligenza artificiale che rispondono in tempo reale a fattori interni ed esterni.
Comprendere la sfida
Il riscaldamento e il raffreddamento possono rappresentare una sfida energetica per campus come il MIT, dove i sistemi di gestione degli edifici (BMS) esistenti non possono rispondere rapidamente a fattori interni come le fluttuazioni dell’occupazione o a fattori esterni come le previsioni meteorologiche o l’intensità di carbonio della rete. Ciò si traduce nell’utilizzo di più energia del necessario per riscaldare e raffreddare gli spazi, spesso a livelli non ottimali. Utilizzando l’intelligenza artificiale, i ricercatori hanno iniziato a stabilire un quadro per comprendere e prevedere i punti di temperatura ottimali (la temperatura a cui è stato impostato il mantenimento di un termostato) a livello di singola stanza e prendere in considerazione una serie di fattori, consentendo ai sistemi esistenti per riscaldare e raffreddare in modo più efficiente, il tutto senza intervento manuale.
“Non è molto diverso da quello che la gente fa nelle case”, spiega Les Norford, professore di architettura al MIT, il cui lavoro negli studi sull’energia, sui controlli e sulla ventilazione lo ha collegato a questo sforzo. “Tuttavia dobbiamo pensare a cose come per quanto tempo un’aula può essere utilizzata in un giorno, previsioni meteorologiche, tempo necessario per riscaldare e rinfrescare una stanza, l’effetto del calore proveniente dal sole che entra dalla finestra e come l’aula successivamente la porta potrebbe avere un impatto su tutto questo. Questi fattori sono al centro della ricerca e dei progetti pilota su cui si concentrano Norford e il suo team. Quella squadra include Jeremy Gregory, direttore esecutivo del MIT Climate and Sustainability Consortium; Audun Botterud, ricercatore principale del Laboratorio per i sistemi informativi e decisionali; Steve Lanou, project manager presso l’Ufficio per la Sostenibilità del MIT (MITOS); Fran Selvaggio, Ingegnere Senior dei Sistemi di Gestione degli Edifici del Dipartimento delle Strutture; e Daisy Green e You Lin, entrambi postdoc.
Il gruppo è organizzato attorno all’invito all’azione per “esplorare le possibilità di impiegare l’intelligenza artificiale per ridurre il consumo energetico nei campus” delineato in Fast Forward: MIT’s Climate Action Plan for the Decade, ma gli sforzi risalgono al 2019. “Mentre lavoriamo per decarbonizzare il nostro campus, stiamo esplorando tutte le strade”, afferma il vicepresidente per i servizi e la gestione del campus Joe Higgins, che originariamente ha presentato l’idea agli studenti al MIT Energy Hack del 2019. “Per me è stata una grande opportunità utilizzare l’esperienza del MIT e vedere come possiamo applicarla al nostro campus e condividere ciò che impariamo con il settore edile.” La ricerca sul concetto è iniziata durante l’evento ed è continuata con ricercatori universitari e laureati che hanno eseguito equazioni differenziali e gestito progetti pilota per testare i limiti dell’idea. Ben presto Gregory, che è anche membro della facoltà MITOS, si è unito al progetto e ha contribuito a identificare altre persone da inserire nel team. “Il mio ruolo come membro della facoltà è trovare opportunità per connettere la comunità di ricerca del MIT con le sfide che il MIT stesso si trova ad affrontare, quindi questo era perfetto per questo”, afferma Gregory.
I primi progetti pilota del progetto si sono concentrati sul test dei punti di regolazione del termostato nella NW23, sede del Dipartimento delle strutture e dell’Ufficio di pianificazione dei campus, ma Norford si è subito reso conto che le aule forniscono molte più variabili da testare e il progetto pilota è stato esteso all’Edificio 66, un edificio misto. -edificio ad uso che ospita aule, uffici e spazi di laboratorio. “Abbiamo spostato la nostra attenzione sulle aule studio in parte a causa della loro complessità, ma anche per la loro vastità: ce ne sono centinaia nel campus, quindi [they offer] maggiori opportunità per raccogliere dati e determinare i parametri di ciò che stiamo testando”, afferma Norford.
Sviluppare la tecnologia
Il lavoro per sviluppare controlli edilizi più intelligenti inizia con un modello basato sulla fisica che utilizza equazioni differenziali per capire come gli oggetti possono riscaldarsi o raffreddarsi, immagazzinare calore e come il calore può fluire attraverso la facciata di un edificio. Vengono inseriti anche dati esterni come il meteo, l’intensità di carbonio della rete elettrica e gli orari delle aule, con l’intelligenza artificiale che risponde a queste condizioni per fornire un setpoint ottimale del termostato ogni ora, uno che offra il miglior compromesso tra i due obiettivi di riscaldamento termico. comfort degli occupanti e consumo di energia. Tale setpoint indica quindi al BMS esistente quanto riscaldare o raffreddare uno spazio. Seguono test nella vita reale, esaminando il comfort degli occupanti dell’edificio. Botterud, la cui ricerca si concentra sulle interazioni tra ingegneria, economia e politica nei mercati dell’elettricità, lavora per garantire che gli algoritmi di intelligenza artificiale possano poi tradurre questo apprendimento in risparmi di energia e di emissioni di carbonio.
Attualmente i progetti pilota si concentrano su sei aule all’interno dell’Edificio 66, con l’intento di spostarsi sugli spazi di laboratorio prima di espandersi all’intero edificio. “L’obiettivo qui è il risparmio energetico, ma non è qualcosa che possiamo valutare appieno finché non completiamo un intero edificio”, spiega Norford. “Dobbiamo lavorare classe per classe per raccogliere i dati, ma stiamo guardando un quadro molto più ampio”. Il team di ricerca ha utilizzato simulazioni basate sui dati per stimare risparmi energetici significativi mantenendo il comfort termico nelle sei aule nell’arco di due giorni, ma è necessario ulteriore lavoro per implementare i controlli e misurare i risparmi nell’arco di un anno intero.
Considerando risparmi significativi stimati nelle singole classi, il risparmio energetico derivante da un intero edificio potrebbe essere sostanziale e l’intelligenza artificiale può aiutare a raggiungere questo obiettivo, spiega Botterud: “L’intero concetto di scalabilità è davvero al centro di ciò che stiamo facendo. Stiamo trascorrendo molto tempo nell’Edificio 66 per capire come funziona e sperando che questi algoritmi possano essere implementati con molto meno sforzo in altre stanze ed edifici in modo che le soluzioni che stiamo sviluppando possano avere un grande impatto al MIT”, ha dice.
Parte di questo grande impatto coinvolge il personale operativo, come Selvaggio, che è essenziale per collegare la ricerca alle operazioni attuali e metterle in pratica nel campus. “Gran parte del lavoro del team BMS viene svolto nella fase pilota di un progetto come questo”, afferma. “Siamo stati in grado di rendere operativi questi sistemi di intelligenza artificiale con il nostro BMS esistente nel giro di poche settimane, consentendo ai piloti di decollare rapidamente”. Selvaggio afferma che in preparazione al completamento dei progetti pilota, il team BMS ha identificato altri 50 edifici nel campus dove la tecnologia potrà essere facilmente installata in futuro per avviare il risparmio energetico. Il team BMS collabora anche con la società di automazione degli edifici, Schneider Electric, che ha implementato i nuovi algoritmi di controllo nelle aule dell’Edificio 66 ed è pronta ad espandersi in nuove sedi pilota.
Impatto in espansione
Il completamento con successo di questi programmi aprirà anche la possibilità di risparmi energetici ancora maggiori, avvicinando il MIT ai suoi obiettivi di decarbonizzazione. “Oltre al semplice risparmio energetico, possiamo eventualmente trasformare gli edifici del nostro campus in una rete energetica virtuale, dove migliaia di termostati sono aggregati e coordinati per funzionare come un’entità virtuale unificata”, spiega Higgins. Questi tipi di reti energetiche possono accelerare la decarbonizzazione del settore energetico diminuendo la necessità di centrali elettriche ad alta intensità di carbonio nelle ore di punta e consentendo un utilizzo più efficiente dell’energia della rete elettrica.
Mentre i progetti pilota continuano, soddisfano un altro invito all’azione in Fast Forward: affinché il campus diventi un “banco di prova per il cambiamento”. Gregory afferma: “Questo progetto è un ottimo esempio di utilizzo del nostro campus come banco di prova: introduce ricerche all’avanguardia da applicare alla decarbonizzazione del nostro campus. È un grande progetto per il suo obiettivo specifico, ma anche perché serve da modello su come utilizzare il campus come un laboratorio vivente”.
[ad_2]
Source link
