Si la previsión anuncia lluvia, probablemente llevarás un paraguas. Si anuncia frío, quizá lleves tus manoplas. Esa misma clase de preparación se produce en los edificios, donde sofisticados sistemas de calefacción y refrigeración se ajustan automáticamente en función del tiempo previsto.
Pero cuando la previsión es imperfecta, como suele ocurrir, los edificios pueden acabar desperdiciando energía, igual que nosotros podemos acabar mojados, con frío o cargados con capas de ropa adicionales que no necesitamos.
El nuevo enfoque predice la precisión de la previsión meteorológica mediante un modelo de aprendizaje automático entrenado con años de datos sobre previsiones y condiciones meteorológicas reales. Los investigadores combinaron ese predictor con un modelo matemático que tiene en cuenta las características del edificio, como el tamaño y la forma de las habitaciones, los materiales de construcción, la ubicación de los sensores y la posición de las ventanas.
El resultado es un sistema de control inteligente que puede reducir el consumo de energía hasta en un 10 por ciento, según un estudio de caso realizado con Toboggan Lodge, un edificio de casi 90 años situado en el campus de la Universidad de Cornell.
Hogares más inteligentes
“Si el propio edificio pudiera ser lo bastante “inteligente” como para conocer las condiciones meteorológicas, o al menos entender un poco mejor la información de las previsiones del tiempo, podría realizar mejores ajustes para controlar automáticamente sus sistemas de calefacción y refrigeración, ahorrar energía y hacer que los ocupantes se sientan más cómodos”, afirma Fengqi You, profesor de ingeniería de sistemas energéticos y coautor de un artículo sobre el sistema publicado en la Journal of Process Control.
“Por ejemplo, si sé que el sol va a salir muy pronto y que hará calor, probablemente no necesite calentar tanto la casa. Si sé que se avecina una tormenta esta noche, intento calentarla un poco para mantener un nivel de confort”, dice You.
“Intentamos que el sistema energético sea inteligente, de modo que pueda predecir un poco el futuro y tomar las decisiones óptimas.”
Un equipo de estudiantes de máster ayudó a desarrollar el estudio de caso de Toboggan Lodge, además de recopilar años de datos meteorológicos y climáticos históricos para entrenar el modelo de aprendizaje automático.
Con esta información, el modelo puede detectar la incertidumbre no solo en la temperatura, sino también en las precipitaciones, la luz solar y las diferencias en las condiciones según la ubicación. En función del nivel de incertidumbre de la previsión, el modelo se ajusta en consecuencia.
“Incluso el mejor sistema de previsión meteorológica no va a darte la información más precisa”, dice You. “Además, la información de la previsión suele referirse a una región determinada y no a una ubicación concreta.”
¿Una solución para las previsiones imperfectas?
Toboggan Lodge resultó un estudio de caso interesante porque es pequeño, sencillo y lo bastante antiguo como para que sus sistemas de calefacción y refrigeración sean relativamente fáciles de adaptar.
Combinar los algoritmos de aprendizaje automático con los métodos de programación matemática crea un sistema de control más preciso y “más inteligente” que cualquiera de ellos por separado, afirma You.
El marco tiene potencial para aplicaciones en sistemas de control de edificios y de riego en la agricultura, y podría dar lugar a un control ambiental interior más eficiente en granjas verticales y fábricas de plantas, cada vez más populares en las grandes ciudades.
“No tenemos una forma perfecta de predecir el tiempo, así que lo mejor que podemos hacer es combinar la IA y el modelado mecanicista”, afirma. “Estas dos partes nunca antes se habían armonizado de forma sistemática para el control automático y la gestión energética.”
