Fecha de publicación: 24/12/2024 Fuente: El Periódico de la Energía Lugar: Eficiencia El Instituto Fraunhofer de Sistemas de Energía Solar ISE está investigando una nueva generación de bombas de calor inteligentes que utilizan redes neuronales artificiales para adaptarse a las condiciones ambientales y aprender a medida que cambian. Esto aumenta tanto la eficiencia energética como la comodidad del usuario. Amplias simulaciones mostraron un potencial prometedor de ahorro de energía de entre el 5 y el 13 por ciento, además de un mayor confort. Estos resultados se han confirmado mediante mediciones en una prueba de campo inicial en un edificio real.
Relacionado:La fórmula mágica de las bombas de calor para la descarbonización de la calefacción residencialEn el proyecto "AI4HP", el Instituto Fraunhofer ISE, junto con la empresa Stiebel Eltron y los socios de investigación franceses CEA List (Laboratorio de Integración de Sistemas y Tecnologías) y LPNC (Laboratorio de Psicología y Neurocognición), así como el socio industrial EDF R&D, ha reunido importantes hallazgos sobre nuevos métodos de control adaptativo para bombas de calor basados ​​en redes neuronales, para lo que se centraron en el potencial, la flexibilidad y la idoneidad práctica de los controles de IA.
Hasta ahora, las bombas de calor para fines de calefacción residencial se han controlado principalmente mediante curvas de calefacción estáticas establecidas una vez durante la instalación. En la mayoría de los casos, las curvas no se han optimizado para el edificio, ya que esto solo se puede lograr mediante una calibración que requiere mucho tiempo. Además, las curvas de calefacción no tienen en cuenta los cambios a corto o largo plazo, como la radiación solar, el uso por parte de los ocupantes o la renovación y el envejecimiento del edificio.
Aprendizaje de los patrones de comportamiento del edificio
En este proyecto, la inteligencia artificial (IA) aprende los patrones específicos de comportamiento del edificio, por ejemplo, cómo cambia con la radiación solar variable, y analiza continuamente los valores medidos registrados.
"Los métodos de IA deben ser más robustos y escalables para poder implementarlos de forma rentable en un gran número de tipos de edificios diferentes", afirma Lilli Frison, directora de proyectos en Fraunhofer ISE. "Además, los fabricantes de bombas de calor y sus clientes solo aceptarán métodos fiables y de confianza que garanticen un funcionamiento seguro", añade su colega Simon Gölzhäuser.
Relacionado:Inteligencia Artificial para una mayor eficiencia y un menor coste de la producción de hidrógeno verdeLas redes neuronales artificiales son capaces de representar relaciones complejas y altamente no lineales con gran precisión y, por lo tanto, son adecuadas para este propósito. Por ello, el equipo de investigación desarrolló una red neuronal basada en la predicción de series temporales en el marco del proyecto "AI4HP".
La novedosa arquitectura de transformadores se utilizó para permitir que la red vincule datos de entrada históricos y futuros y, de este modo, pueda estimar la evolución temporal de la temperatura ambiente. El controlador inteligente de la bomba de calor, desarrollado en el marco del proyecto, utiliza una red neuronal artificial para representar digitalmente el comportamiento térmico del edificio y un algoritmo de optimización capaz de funcionar en tiempo real para regular de forma óptima la temperatura de impulsión de la bomba de calor.
La prueba de campo confirma resultados positivos
El nuevo controlador de bomba de calor con IA se ha utilizado en extensas pruebas de simulación en las que se simularon tres edificios, cada uno de ellos de un año de construcción y estado de renovación diferentes, durante el período de una temporada de calefacción. Las preguntas sobre la autocalibración y la adaptabilidad a nuevas condiciones ambientales se respondieron positivamente.
Según el edificio, el ahorro de energía resultante fue de un 13 por ciento de media en comparación con la curva de calefacción estándar. Este ahorro se debió, en particular, a una mejor adaptación de la temperatura ambiente de referencia y la temperatura de consigna. Se pueden esperar más ahorros de energía si el controlador se amplía para incluir las características de eficiencia de la bomba de calor.
Además, una prueba de campo inicial en un edificio real confirmó la funcionalidad del nuevo controlador. La prueba de funcionamiento de una semana mostró que tanto el logro de la temperatura de consigna (desviación media reducida a más de la mitad) como el coeficiente de rendimiento (COP) mejoraron significativamente con el controlador. En comparación con el período de referencia, el controlador AI registró un aumento del COP del 25%, aunque esto debe evaluarse con más detalle durante series de pruebas de campo más largas y con diferentes tipos de edificios.
Cabe destacar que el algoritmo condujo al establecimiento de parámetros de curva de calefacción estables después de solo unos días. Dado que estos parámetros están optimizados para el edificio específico, se pueden utilizar para aumentar la eficiencia de funcionamiento en sistemas con curvas de calefacción convencionales. A pesar de este gran potencial, la experiencia de la prueba de campo también mostró que un buen rendimiento del controlador requiere una alta precisión en el modelo de edificio de IA.
Los socios franceses del proyecto dentro del consorcio binacional del proyecto se centraron en el funcionamiento optimizado de las bombas de calor para agua caliente. El algoritmo inteligente para la optimización del funcionamiento se probó en una cámara climática como parte de una prueba de laboratorio de hardware-in-the-loop utilizando una bomba de calor real y un perfil de consumo real. Los resultados sugieren que la predicción de IA en combinación con el control optimizado de la bomba de calor tiene el potencial de reducir el consumo de electricidad para el suministro de agua caliente hasta en un 8 por ciento.