Los edificios de oficinas, hospitales y otros edificios comerciales a gran escala representan alrededor del 30 % de la energía consumida en todo el mundo. Los sistemas de calefacción, ventilación y aire acondicionado (HVAC) en estos edificios a menudo son ineficientes porque no tienen en cuenta los cambios en los patrones climáticos, los costos variables de energía o las propiedades térmicas del edificio.
BuildingIQ ha desarrollado Predictive Energy Optimization™ (PEO), una plataforma de software basada en la nube que reduce el consumo de energía HVAC entre un 10 y un 25 % durante el funcionamiento normal. PEO fue desarrollado en cooperación con la Organización de Investigación Científica e Industrial de la Commonwealth (CSIRO), la agencia científica nacional de Australia. Sus algoritmos avanzados y métodos de aprendizaje automático, implementados en MATLAB ® , optimizan continuamente el rendimiento de HVAC en función de pronósticos meteorológicos a corto plazo y señales de costos de energía.
“CSIRO utilizó MATLAB para desarrollar la tecnología inicial. Continuamos usando MATLAB porque es la mejor herramienta disponible para crear prototipos de algoritmos y realizar cálculos matemáticos avanzados”, dice Borislav Savkovic, científico de datos líder en BuildingIQ. “MATLAB nos permitió hacer la transición de nuestros prototipos de algoritmos directamente a algoritmos de nivel de producción que se ocupan de forma fiable del ruido y la incertidumbre del mundo real”.
Desafío
BuildingIQ necesitaba desarrollar algoritmos que pudieran procesar continuamente gigabytes de información de una variedad de fuentes, incluidos medidores de energía, termómetros y sensores de presión HVAC, así como datos meteorológicos y de costos de energía. Un solo edificio a menudo produce miles de millones de puntos de datos, y los científicos e ingenieros necesitaban herramientas para filtrar, procesar y visualizar estos datos de manera eficiente.
Para ejecutar sus algoritmos de optimización, los científicos e ingenieros tuvieron que crear un modelo matemático preciso de la dinámica térmica y energética de un edificio. Los algoritmos usarían este modelo calculado para ejecutar optimizaciones restringidas que mantuvieran la comodidad de los ocupantes mientras minimizaban los costos de energía.
BuildingIQ necesitaba una manera de desarrollar rápidamente modelos matemáticos, optimización de pruebas y enfoques de aprendizaje automático, prototipos de algoritmos e implementarlos en su entorno de TI de producción.
Solución
BuildingIQ utilizó MATLAB para acelerar el desarrollo y la implementación de sus algoritmos predictivos de optimización de energía.
El flujo de trabajo de optimización comienza en MATLAB, donde los ingenieros de BuildingIQ importan y visualizan de 3 a 12 meses de datos de temperatura, presión y potencia que comprenden miles de millones de puntos de datos. Usan Statistics and Machine Learning Toolbox™ para detectar picos y brechas, y eliminar el ruido producido por fallas del sensor y otras fuentes usando funciones de filtrado en Signal Processing Toolbox™. Los ingenieros de BuildingIQ ajustaron un modelo matemático desarrollado en MATLAB a los datos sin ruido mediante funciones de ajuste de mínimos cuadrados de Optimization Toolbox™. Este modelo de medición y verificación (M&V) correlaciona la temperatura ambiente y la humedad con la energía consumida por el sistema HVAC.
Como parte del proceso de modelado, utilizan regresión SVM, modelos de mezcla gaussiana y algoritmos de aprendizaje automático de agrupación de k-medias de Statistics and Machine Learning Toolbox para segmentar los datos y determinar las contribuciones relativas de gas, electricidad, vapor y energía solar a procesos de calentamiento y enfriamiento.
El equipo construye un modelo PEO en MATLAB que captura el efecto del sistema HVAC y las condiciones ambientales en las temperaturas internas de cada zona, así como en el consumo total de energía del edificio. Usando Control System Toolbox™, analizan los polos y ceros del sistema de control HVAC para estimar el consumo de energía general y determinar qué tan rápido es probable que cada zona converja a su punto de ajuste.
Los ingenieros de BuildingIQ usan Optimization Toolbox y el modelo PEO para ejecutar optimizaciones multiobjetivo con cientos de parámetros, así como funciones de costos no lineales y restricciones para optimizar continuamente la eficiencia energética en tiempo real. Estas optimizaciones tienen en cuenta el clima y los precios de la energía proyectados durante las próximas 12 horas e identifican los puntos de ajuste óptimos de HVAC. En funcionamiento, el software Java® en la nube invoca los algoritmos de optimización de MATLAB periódicamente a lo largo del día.
Cada día, BuildingIQ calcula el costo de energía de referencia a partir del modelo de M&V que representa lo que el cliente habría pagado por la energía HVAC sin la plataforma BuildingIQ PEO. Los ahorros van del 10% al 25%.
Resultados
- Gigabytes de datos analizados y visualizados . “MATLAB facilita el procesamiento y la visualización de los grandes conjuntos de datos con los que trabajamos”, dice Savkovic. «Creamos diagramas de dispersión, gráficos 2D y 3D y otros gráficos que muestran de manera significativa el rendimiento de nuestro sistema».
- La velocidad de desarrollo del algoritmo se multiplicó por diez . “Desarrollar algoritmos en MATLAB es 10 veces más rápido y más sólido que desarrollar en Java”, dice Savkovic. “Necesitamos filtrar nuestros datos, mirar polos y ceros, ejecutar optimizaciones no lineales y realizar muchas otras tareas. En MATLAB, todas esas capacidades están integradas, son sólidas y validadas comercialmente”.
- Los mejores enfoques algorítmicos se identificaron rápidamente . “Con MATLAB podemos probar rápidamente nuevos enfoques para encontrar el que mejor se adapte a nuestros datos”, dice Savkovic. “Por ejemplo, probamos varios enfoques de optimización antes de seleccionar la programación cuadrática secuencial y probamos varios algoritmos de aprendizaje automático de agrupamiento. Es una gran ventaja explorar diferentes métodos tan rápidamente”.
