Machine learning per ottimizzare i consumi energetici degli edifici

Honeywell Forge Energy Optimization è una soluzione di machine learning basata su cloud a circuito chiuso, che studia ininterrottamente i modelli di consumo energetico di un edificio e si adatta automaticamente alle impostazioni ottimali di risparmio energetico, senza compromettere i livelli di comfort degli occupanti. In questo modo, può generare un considerevole risparmio energetico e ridurre le emissioni di anidride carbonica, senza significative spese iniziali per l’implementazione.

Il progetto pilota

Il sistema è stato sperimentato presso la Hamdan Bin Mohammed Smart University (HBMSU) di Dubai, Emirati Arabi Uniti, ottenendo un risparmio energetico iniziale del 10% – un risultato significativo, se si conta che l’edificio di HBMSU è già altamente efficiente dal punto di vista energetico, con i sistemi di illuminazione, raffrescamento, building management e di controllo di energia e di efficienza totalmente connessi e ottimizzati in base al numero di occupanti presenti in tempo reale. Honeywell Forge Energy Optimization è stata implementata sul sistema esistente di gestione degli edifici dell’Università, basato su tecnologia di concorrenti, per dimostrare che la piattaforma utilizza un’architettura aperta ed è agnostica rispetto all’hardware.

Gli edifici non sono acciaio statico e cemento: sono ecosistemi dinamici e il loro fabbisogno energetico cambia in base a variabili mutevoli, come il clima e il numero di occupanti – spiega David Trice, vice president e general manager di Honeywell Connected Buildings. Con Honeywell Forge Energy Optimization, utilizzando i più recenti algoritmi di apprendimento associati al controllo autonomo, possiamo aiutare i proprietari degli edifici a ottimizzare le spese energetiche per aumentare l’efficienza e creare pratiche più sostenibili per i nostri clienti.

Come funziona

Gli edifici commerciali totalizzano più del 36% del consumo finale globale di energia e quasi il 40% delle emissioni totali dirette e indirette di CO2. Honeywell Forge Energy Optimization ottimizza in modo autonomo e continuo i set point interni di un edificio su centinaia di risorse ogni 15 minuti, per valutare se il sistema HVAC di un edificio funzioni alla massima efficienza. Quando la soluzione Honeywell rileva la necessità di effettuare una regolazione, analizza fattori quali l’ora del giorno, le condizioni climatiche, il numero di occupanti presenti e dozzine di altri punti dati per determinare le impostazioni ottimali per singolo edificio; inoltre, la soluzione prende decisioni ponderate 96 volte ogni 24 ore per singolo edificio, 365 giorni all’anno per l’intero sistema di risorse.

Le tradizionali soluzioni di controllo degli impianti HVAC hanno diversi livelli di sofisticazione. Quello più elementare si basa su set point statici che non tengono conto di fattori variabili, come il numero di occupanti o le condizioni meteorologiche. Il secondo livello, il più comune, si basa su regolazioni programmate dei set point che utilizzano stime del numero di occupanti e delle condizioni meteo previste. Infine, i set point possono essere gestiti da energy manager certificati; tuttavia, la maggior parte delle strutture ha rilevato che questa soluzione non produce un fattibile ritorno sugli investimenti a causa dell’elevato numero di variabili coinvolte e della difficoltà nel produrre calcoli accurati in modo scalabile.