La calefacción y la refrigeración del campus del Instituto Tecnológico de Massachussets (MIT) puede ser un desafío energético, donde los sistemas de gestión de edificios (BMS) existentes no pueden responder rápidamente a factores internos como las fluctuaciones de ocupación o factores externos como el pronóstico del tiempo o la intensidad de carbono de la red. Con el objetivo de evitar un uso excesivo de la energía, los investigadores del MIT están aplicando la inteligencia artificial (IA).
A través de la IA, los investigadores han comenzado a establecer un marco para comprender y predecir los puntos de ajuste de temperatura óptimos (la temperatura que se ha configurado para mantener un termostato) a nivel de habitación individual y tomar en consideración una serie de factores, lo que permite que los sistemas existentes calienten y enfríen de manera más eficiente, todo sin intervención manual.
La investigación se está enfocando en diferentes aspectos, como cuánto tiempo se puede usar un aula en un día, las predicciones climáticas, el tiempo necesario para calentar y enfriar un aula, el efecto del calor del sol que entra por la ventana y cómo se desarrollará en las clases siguientes.
El equipo del MIT está explorando las posibilidades de emplear la inteligencia artificial para reducir el consumo de energía en el campus. Los primeros pilotos del proyecto se centraron en probar los puntos de ajuste del termostato en la sede del Departamento de Instalaciones y la Oficina de Planificación del campus, pero los investigadores se dieron cuenta de que las aulas ofrecen muchas más variables para probar, por lo que el piloto se amplió al Edificio 66, un edificio mixto que alberga aulas, oficinas y espacios de laboratorio.
Recopilación de datos
El trabajo para desarrollar controles de edificios más inteligentes comienza con un modelo basado en la física que utiliza ecuaciones diferenciales para comprender cómo los objetos pueden calentarse o enfriarse, almacenar calor y cómo el calor puede fluir a través de la fachada de un edificio. También se ingresan datos externos como el clima, la intensidad de carbono de la red eléctrica y los horarios de las aulas.
La IA responde a estas condiciones para ofrecer un punto de ajuste óptimo del termostato cada hora, uno que proporcione el mejor equilibrio entre los dos objetivos de la temperatura, la comodidad de los ocupantes y el uso de energía. Ese punto de ajuste luego le dice al BMS existente cuánto calentar o enfriar un espacio. Para comprobar la efectividad del sistema, se realizan pruebas en la vida real, en las que se encuesta a los ocupantes del edificio sobre su comodidad.
Expansión de la tecnología a otros edificios
Actualmente, los pilotos se centran en seis aulas dentro del Edificio 66, con la intención de trasladarlos a espacios de laboratorio antes de expandirse a todo el edificio. El equipo de investigación utilizó sus simulaciones basadas en datos para estimar importantes ahorros de energía manteniendo el confort térmico en las seis aulas durante dos días, pero se necesita más trabajo para implementar los controles y medir los ahorros durante todo un año.
Por el momento, en preparación para la finalización de los pilotos, el equipo de investigación ha identificado 50 edificios adicionales en el campus donde la tecnología se puede instalar fácilmente en el futuro para comenzar a ahorrar energía. El equipo también colabora con la empresa de automatización de edificios Schneider Electric, que ha implementado los nuevos algoritmos de control en las aulas del Edificio 66 y está lista para expandirse a nuevas ubicaciones piloto.