Big Data y Machine Learning para ahorrar hasta un 30% de energía en edificios
Fecha Domingo, 03 diciembre de 2017 a las 12:00:00
Tema Off-Topic



Últimamente no paramos de pediros disculpas por no atender, como deberíamos, a PcDeMaNo pero la verdad es que el tiempo es un recurso finito... cada vez más finito. Ahora nos ha dado fuerte por recuperar nuestro gusto por el "hardware" y más específicamente el relacionado con la domótica.

Hace un par de semanas (y con la valiosa ayuda de Lantzi, claro está) conseguimos poner a punto nuestra Estación meteorológica que habíamos tenido en su caja guardada hace más de 6 años. Ahora ya estamos subiendo datos a Weather Undergound y como no a nuestro Home Assistant que tan buenos momentos nos está dando.

Desde hace unos días estamos intentando integrar también otro invento de Lantzi para disponer de medida en tiempo real del consumo de energía eléctrica para después intentar extraer la "huella digital" de nuestros electrodomésticos. El objetivo final, una vez que consigamos una frecuencia de muestreo adecuada, será la optimización del consumo de enregía con toda la información de que vamos disponiendo con la cantidad de sensores que vamos teniendo en casa...

Algo así... aunque mucho más ambicioso es el sistema inteligente del proyecto Energy in Time en el que participan la Universidad de Granada y otras 12 entidades de 8 países europeos diferentes.

El proyecto propone una ingeniosa solución al problema de la generación de planes operacionales: utilizando un modelo de simulación configurado para reproducir el comportamiento del edificio al día siguiente (con predicciones de ocupación, meteorología, etc.), evalúa el consumo energético y las temperaturas interiores que resultarían de la aplicación de múltiples planes, y selecciona aquel que minimiza el gasto y, a la vez, consigue un ambiente agradable para los ocupantes.

La UGR ha desarrollado un sistema inteligente que permite determinar qué planes son más prometedores de entre los millones de alternativas posibles, de forma que solo son simulados aquellos potencialmente eficientes y efectivos.

Además de generar los planes diarios, el sistema almacena todos los datos históricos de los sensores de los edificios, lo cual ya está permitiendo implementar nuevas técnicas de Big Data y Aprendizaje Automático para conocer y predecir mejor su comportamiento.

Los resultados obtenidos en las pruebas reales han demostrado un ahorro respecto a la operación habitual por encima del 15% en muchos casos, llegando a superar el 25% en Helsinki estando prevista la comercialización de dicho software en un par de años.









Este artículo proviene de PcDeMaNo
http://www.pcdemano.com

La dirección de esta noticia es:
http://www.pcdemano.com/modules.php?name=News&file=article&sid=24038