Zastosowanie algorytmów samouczących się w automatyce budynkowej stwarza nowe możliwości. Czy rozwiązanie to może przynieść użytkownikom rzeczywiste oszczędności?
W nowo powstających i modernizowanych obiektach, takich jak biura, centra handlowe, zakłady przemysłowe i budynki mieszkalne, coraz częściej korzysta się z systemów zarządzania budynkiem (BMS). Dzięki temu możliwe jest nie tylko podniesienie komfortu użytkowników, ale także zmniejszenie kosztów energii. Jesteśmy zainteresowani oszczędnym zużyciem energii, ale nie chcemy rezygnować z dotychczasowych przyzwyczajeń i wygód. Trend proekologiczny jest również dla inwestorów wyznacznikiem oczekiwań rynku. Obecnie przyjmuje się, że w Europie i Ameryce Północnej budynki odpowiadają za 20–40% kosztów zużycia energii na świecie. Równocześnie ceny energii stale rosną. Dlatego szuka się sposobów na poprawienie kontroli zużycia energii w budynkach.
Jak mówi Irena Pichola, partner i lider zespołu ds. zrównoważonego rozwoju w Polsce i w Europie Środkowej w firmie konsultingowej Deloitte, poprawa efektywności energetycznej przedsiębiorstw i gospodarstw domowych bezpośrednio przełoży się na oszczędności, które uwolnią fundusze na dalsze inwestycje. Powołuje się na wyliczenia Warszawskiego Instytutu Studiów Ekonomicznych (WISE), z których wynika, że dzięki działaniom na rzecz poprawy efektywności energetycznej polskiej gospodarki nasz PKB mógłby wzrosnąć o 1,5% w 2050 r. Na pewno wiele jest jeszcze do osiągnięcia, m.in. dzięki nowoczesnym systemom automatyki budynkowej.
Opracowanie w pełni zautomatyzowanego systemu to ogromne wyzwanie
Opracowanie w pełni zautomatyzowanego systemu nie jest proste choćby dlatego, że trzeba brać pod uwagę wiele zmieniających się w czasie czynników, takich jak warunki pogodowe, parametry techniczne budynku i sposób jego użytkowania. Dlatego wykorzystywane w tym celu systemy informatyczne stają się coraz bardziej złożone. Trzeba też powiązać ze sobą różne czujniki i siłowniki, elementy systemu HVAC, prognozowanie czynników środowiskowych (temperatura, wiatr itp.) oraz skutecznie modelować własności fizyczne budynku i sposób, w jaki jest użytkowany. Dziś wyzwaniem jest powiązanie ze sobą w jednolity, sprawnie zarządzany system wielu oddzielnie funkcjonujących dotychczas podsystemów. Typowe systemy klasy BMS są stosunkowo proste i wykorzystują podobne algorytmy wykonawcze, np. związane z przekroczeniem progu temperatury. Obecnie oczekuje się od systemów zarządzania automatyką budynkową większej proaktywności.
W firmie APA Innovative, twórcy systemu Vision BMS, przygotowuje się mechanizm sterowania ogrzewaniem budynku, który będzie wykorzystywał nie tylko informacje o pomieszczeniu (gabaryty, ściany, sposób ogrzewania), ale też uczył się wzajemnego oddziaływania na siebie pomieszczeń w budynku. Przykładowo, jeśli pomieszczenia znajdują się obok siebie, to wspólna ściana wpływa (grzeje, chłodzi) na jedno i drugie pomieszczenie. Natomiast inna jest sytuacja w pomieszczeniach graniczących z brzegiem budynku, w których dodatkowo może być nawet pięć otworów okiennych i duży upływ ciepła przez te otwory. System APA Innovative będzie brał to pod uwagę, a także nasłonecznienie, wpływ wiatru i inne czynniki, które oddziaływują na budynek.
Zastosowanie algorytmów samouczących się może przynieść wiele korzyści
Jak mówi Maciej Czajka, Senior Technical Manager w firmie Trend Control Systems, firma w automatyce budynkowej od wielu lat wykorzystuje algorytmy. Starsze korzystają głównie z modeli, które są adaptowane do zmiennych warunków otoczenia. Od pewnego czasu są to już algorytmy wykorzystujące statystyki. W tym przypadku chodzi o wybieranie nastawów instalacji ogrzewania lub chłodzenia, które statystycznie były najlepsze w danych warunkach. W podobnych sytuacjach tylko takie są brane przez algorytm pod uwagę. Na razie w fazie „beta” jest jeszcze algorytm, który korzystając z danych o zużyciu mediów (ogrzewanie, chłodzenie) i parametrach uzyskiwanych w poszczególnych pomieszczeniach, będzie w optymalny sposób dobierał nastawy źródeł ciepła i chłodu oraz głównych pomp w celu zapewnienia takiej produkcji mediów, która w danej chwili faktycznie jest potrzebna. Jak dodaje Maciej Czajka, algorytm ma być powszechnie dostępny już w przyszłym roku. Algorytm IQ CEO jest opracowywany dla Trend Control Systems w wyspecjalizowanych laboratoriach matematycznych. Maciej Czajka twierdzi, że takie algorytmy przynoszą realne oszczędności energii – od kilkunastu do nawet dwudziestu paru procent.
Specjaliści z Fibar Group, odpowiadając na pytanie, czy zastosowanie algorytmów samouczących się przynosi realne korzyści, zwracają uwagę, że Machine Learning jako część sztucznej inteligencji (AI) lub inteligencji obliczeniowej (CI) coraz częściej wykorzystywane jest również w automatyce budynkowej. Dziś systemy smart home to systemy adaptujące się, zmieniające swoje wewnętrzne parametry tak, aby maksymalnie wykorzystać dane pozyskane z analizy zachowań użytkownika. Zastosowanie algorytmów samouczących się może ogólnie podnieść efektywność energetyczną budynku. Według badań firmy zastosowanie inteligentnych systemów automatyki budynkowej (np. FIBARO) może zmniejszyć zużycie energii elektrycznej o 30%, a energii cieplnej o ponad 20%. Dotyczy to jednak zarówno automatyki programowalnej, jak i samouczącej się.
Firma ma w ofercie dwa produkty wykorzystujące takie algorytmy. Jednym z nich jest najnowszy mikromoduł Dimmer 2. To urządzenie płynnie reguluje przepływ prądu i natężenie oświetlenia dowolnego typu, inteligentnie rozpoznaje typ oświetlenia i adaptuje się, aby sterować nim optymalnie, dzięki czemu pozwala na zmniejszenie zużycia energii. Drugim jest Roller Shutter 2, moduł pozwalający na zarządzanie pracą rolet, markiz, żaluzji oraz bram garażowych napędzanych jednofazowym silnikiem prądu przemiennego. Pozwala na bardzo precyzyjne określenie ich położenia dzięki funkcji kalibracji i wprowadzonemu systemowi nauki położeń krańcowych. System FIBARO współpracuje również z urządzeniami innych producentów, które korzystają z algorytmów. Jednym z nich jest samoucząca się głowica termostatyczna Danfoss. Urządzenie pozwala na zdalne i automatyczne zarządzanie temperaturą. „Uczy” się pomieszczenia, w którym się znajduje, zwiększa efektywność grzewczą (pozwala zredukować zużycie energii – średnio o 20%).
Rozwój technologii zbliża nas do pełnego wprowadzenia w życie idei inteligentnego budynku. Dziś systemy wyposażone w czujniki pogodowe same mogą podejmować decyzje np. o zamknięciu okien, gdy zaczyna padać deszcz, a nawet przewidywać z wyprzedzeniem taką sytuację, korzystając z prognoz dostępnych w Internecie. Obecnie często steruje się ogrzewaniem, wykorzystując tzw. krzywą grzewczą (pomiary temperatury zewnętrznej). Można sterować oświetleniem na podstawie pomiarów natężenia światła na zewnątrz budynków. Kolejnym, wydaje się, że naturalnym krokiem jest pełna personalizacja systemów zarządzania automatyką budynkową. Dotyczy to zarówno poszczególnych pomieszczeń, jak i ich użytkowników. Inteligentny budynek powinien dostosować się do takich potrzeb, a można to efektywnie zrobić, wykorzystując jedynie systemy adaptywnego uczenia się.
Od systemów zarządzania budynkiem oczekuje się dziś coraz bardziej złożonych sekwencji działań. W jednym z opracowań przedstawiono, jak mogłoby wyglądać działanie nowoczesnego systemu w przypadku awarii pompy i braku ogrzewania w części budynku, np. biurowego. System powinien nie tylko poinformować o awarii, ale również ocenić, czy do czasu jej usunięcia temperatura w pomieszczeniach nie spadnie poniżej określonego minimum i kiedy ponownie zostaną osiągnięte warunki komfortu cieplnego. W zależności od sytuacji powinien poinformować z odpowiednim wyprzedzeniem pracowników, o której godzinie mogą przyjechać do pracy.
W Polsce i na świecie
Można powiedzieć, że obecnie Polska dopiero raczkuje w dziedzinie praktycznego zastosowania zaawansowanych algorytmów samouczących się. Oczywiście można dyskutować, jaki algorytm uznamy za w pełni spełniający takie warunki. Nie ma wielu systemów, które w ten sposób działają, a w przypadku tych bardziej zaawansowanych są one jeszcze na etapie prac naukowych. Inwestorzy nie mają wiedzy, jak można je w praktyce wykorzystać i jakie oszczędności można uzyskać dzięki takiemu rozwiązaniu. Chodzi tu nie tylko o oszczędność energii, ale także czasu potrzebnego na optymalizację programowania automatyki. Dziś taki proces, w zależności od obiektu, trwa od sześciu miesięcy do roku. Jak oceniają specjaliści, na rynku brakuje obecnie takich zaawansowanych rozwiązań.
W 2014 r. krakowska firma DLJM System w ramach Laboratorium Inteligentnego Budownictwa rozpoczęła budowę obiektu, w którym ma testować algorytmy wykorzystujące sztuczną inteligencję. Na ten projekt otrzymała dofinansowanie z Unii Europejskiej w wysokości 10 mln zł. Projekt ma m.in. wykazać, że usprawnienie oprogramowania sterującego budynkami jest najtańszym sposobem podniesienia jego efektywności. W DLJM Lab mają być badane algorytmy samouczące się, w tym możliwości ich implementowania na urządzeniach różnej mocy obliczeniowej.
Jeśli chodzi o światowy rynek, to najbardziej zaawansowane w praktycznym wykorzystaniu algorytmów samouczących się są kraje Dalekiego Wschodu, takie jak Japonia i Korea Płd. Wynika to m.in. z tego, że głównie pochodzą one z rozwinięcia rozwiązań przeznaczonych pierwotnie dla przemysłu. Na pewno jest to przyszłość, bo sztuczna inteligencja i algorytmy, które same się dopasowują do zmiennych warunków, mogą podejmować decyzje szybciej i lepiej niż z udziałem człowieka. Tym bardziej że w procesie decyzyjnym można dziś wykorzystywać wiele źródeł danych. Warto tu wspomnieć o szybko rozwijającym się Internecie rzeczy (Internet of Things). Koncepcja wymiany informacji przez podłączone do sieci komputerowej czujniki, przedmioty i urządzenia dobrze wpisuje się w paradygmat inteligentnego budynku. Coraz częściej mówi się o wykorzystaniu sieci komputerowych i związanych z nimi standardów komunikacji do zarządzania budynkiem, oddzielając je od aspektów technologicznych. Kolejny krok to rozszerzenie pojęcia rzeczy o takie niematerialne podmioty jak algorytmy. Na podstawie inteligentnej analizy dużej liczby danych zbieranych z heterogenicznych czujników, Internetu, opinii użytkowników i algorytmów możemy budować coraz bardziej złożone modele funkcjonowania budynku.
Należy podkreślić, że już dziś wiele możemy zyskać, korzystając nawet z prostszych algorytmów. Jak zauważa Maciej Czajka, jeśli weźmie się pod uwagę, że procesy termiczne w budynkach nie mają natury skokowej, a zachowują się liniowo, to algorytm może predykcyjnie przewidzieć, jakie o danej godzinie będzie zapotrzebowanie na czynnik grzewczy lub chłodniczy? Ponieważ do podjęcia decyzji algorytm wykorzystuje dane historyczne, można powiedzieć, że jest to system wykorzystujący sztuczną inteligencję. Również samouczący się, bo tylko najlepsze statystycznie nastawy są brane pod uwagę przy kolejnych regulacjach. Na zewnątrz każdego dnia może być inna temperatura i w związku z tym faza wyprzedzenia załączenia ogrzewania w pomieszczeniu jest też codziennie inna. Człowiek nie potrafi tak trafnie dobrać nastaw, które spełnią oczekiwania. W takiej sytuacji algorytmy sprawdzają się najlepiej.
Autor: Bohdan Szafrański jest od początku lat 90. związany z branżą informatyczną. Ukończył studia podyplomowe z zakresu informatyki i telekomunikacji na Politechnice Warszawskiej. Zajmował się zagadnieniami normalizacyjnymi w Polskim Komitecie Normalizacyjnym. Publicysta, dziennikarz. Obecnie publikuje m.in. w prasie specjalistycznej skierowanej do służb utrzymania ruchu w przemyśle.
