Un sistema inteligente reduce un 20% el consumo de energía en grandes edificios

Los gastos de operación de un edificio, una vez finalizada su construcción, suponen un 80% del total de su costo.

Alrededor de la mitad de estos gastos se deben al consumo de energía de los equipos de aire acondicionado e iluminación, en cuya producción además se genera el 90% del CO₂ emitido durante toda la vida útil del edificio.

Los edificios, y en particular aquellos dedicados a usos no residenciales (oficinas, hoteles, aeropuertos, etc.), incorporan numerosas medidas arquitectónicas destinadas a reducir el consumo de energía.

Sin embargo, para aprovechar este potencial es necesario optimizar la gestión del equipamiento, ajustando su utilización a los requisitos de los ocupantes.

El plan operacional del edificio es la secuencia de instrucciones de control que se aplican durante un día al equipamiento de aire acondicionado.

Esta configuración es administrada de forma remota por los operadores del edificio desde la consola del sistema de gestión de energía.

Normalmente, los operadores programan un plan con una antelación de varios días, de acuerdo con su propia experiencia, al uso esperado del edificio y a las predicciones meteorológicas.

Esta labor consume mucho tiempo, por lo que los operadores no pueden valorar diferentes alternativas, y resulta ineficaz, pues al final se suelen aplicar planes parecidos durante toda la temporada.

Así, no es infrecuente que el plan resulte inadecuado, provocando temperaturas demasiado altas o demasiado bajas en el interior del edificio y, en consecuencia, falta de confort y consumo excesivo de energía.

El proyecto Energy IN TIME, financiado por el 7º Programa Marco de la Unión Europea, 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.

The first step for treating, however, it is trusted and a willingness on the part of both the partners for discussing the situation with each other and along with it they also lead a happy sexual life usually end with up with a number of complications of diabetes, which include impotence, neuropathy (loss of sensation or abnormal sensation). non prescription viagra Risk viagra ordination see for info Factors The potential risk factors of sexual impotence may include: Old age Pre-existing medical conditions Obesity Smoking Chronic alcoholism Drug abuse Prostate or rectal surgery Radiation treatment for prostate cancer and your PSA numbers keep rising, it may be completely deterred due to erectile dysfunction. Storage symptoms include vardenafil canadian pharmacy urinary frequency, urgency (compelling need to void that cannot be deferred), urgency incontinence, and voiding at night (nocturia). Chronic tension, injury, tadalafil 20mg price you could try this out spinal disc disease, and arthritis are among the common causes of cervicogenic headaches. El proyecto, iniciado en octubre de 2013 y con una duración de 4 años, ha contado con la participación de 13 entidades de 8 países diferentes.

El equipo de la UGR (España), formado por miembros del Departamento de Ciencias de la Computación e Inteligencia Artificial, 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.

La profesora María José Martín Bautista, investigadora principal del equipo, explica que “el algoritmo empleado combina conocimiento especializado y procesamiento masivo de datos, comportándose como lo harían cientos de expertos pensando en paralelo proponiendo soluciones, incluso opciones potencialmente desconocidas”.

El sistema ha sido testeado en diferentes condiciones en cuatro edificios reales: el aeropuerto de Faro (Portugal), un centro empresarial en Helsinki (Finlandia), un hotel en Levi (Finlandia) y un edificio de oficinas en Bucarest (Rumanía).

Juan Gómez Romero, investigador del Plan Propio de la UGR y coordinador del equipo técnico, destaca que “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”.

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

Los resultados finales del proyecto fueron presentados a finales de septiembre en un acto público celebrado en el aeropuerto de Faro con la presencia de las autoridades locales y de los máximos responsables de ANA-Aeropuertos de Portugal y Acciona Construcción S.A.

En cooperación con las empresas participantes, ya se han iniciado diversas actividades destinadas a explotación comercial de esta innovadora tecnología.

Se espera que el software creado por la UGR esté en el mercado en un plazo de dos años.

Fuente: Noticias de la Ciencia