google

    ogrzewanie, kotły co, pompy ciepła

    ogrzewanie, kotły co, pompy ciepła
    Kursy walut 14.12.2018
    1 USD
    3.8095
    0.0356
    1 EUR
    4.3021
    0.0084
    1 CHF
    3.8202
    0.0166
    1 GBP
    4.7940
    0.0153
    1 RUB
    0.0573
    0.0004
    Newsletter
    Otrzymuj wiadomości o nowościach w branży
    Podaj imię i nazwisko:
    Twój adres email:
     
    Zobacz na mapie
    Chcę dodać:
    W zasięgu km

    • Sztuczny mózg skontroluje ciepło? Są już pierwsze projekty.

    PURMO logo

    Czasem słońce, czasem deszcz – jaka będzie pogoda powie Ci twój dom. Jak? Dzięki sztucznym sieciom neuronowym, które działają jak mózg, tylko sztuczny. Podobnie jak w przypadku ludzkiego, tak syntetyczny rozum będzie odbierał sygnały z otoczenia, przetwarzał je i reagował. Czy sztuczny umysł to fanaberia? Otóż nie, kilka miesięcy temu w Niemczech opracowano samouczące się sztuczne sieci neuronowe (ANN) do sterowania systemami grzewczymi opartymi o energię ze słońca. Czy czeka nas era domów z syntetycznym rozumem?

    Galopujący rozwój techniki oraz świadomość procesów, które kontrolują otaczającą nas rzeczywistość, doprowadził do powstania systemów dla których inspiracją było działanie ludzkiego mózgu. Ten niezwykły organ, który uważany jest za centrum dowodzenia dla całego organizmu, był kluczowy dla powstania sztucznych sieci neuronowych. Te zaawansowane mechanizmy pozwoliły przygotować rozwiązanie, które kompleksowo obsłuży ogrzewanie budowli nastawionych na pozyskiwanie energii ze słońca.

    Mózg z akademickiego laboratorium

    Instytut ISE Fraunhofera właśnie tego dokonał i opracował samouczące się sztuczne sieci neuronowe (z ang. ANN), które służą do zarządzania i sterowania systemem grzewczym pozyskującym energię słoneczną. Największe oszczędności wynikające z wykorzystania nowej technologii uzyskuje się już na etapie wykorzystania pozyskanej energii solarnej. Pozwala to uzyskać jak największą efektywność grzewczą czy energetyczną. Te rozwiązanie pozwoli również zmniejszyć wydatki związane z instalacją i uruchomieniem systemu ogrzewania. W praktyce umożliwia ono zminimalizowanie nakładu pracy instalatora.

    „W oparciu o informacje pozyskane ze środowiska, w którym działa, sieć przewiduje przyszłe warunki. Dzięki zaawansowanym mechanizmom uczenia maszynowego, sieci neuronowe samodzielnie zdobywają nową wiedzę  i analizują zależności, niczym prawdziwy organizm”. – tłumaczy Marcin Kotarski, Manager produktu z Rettig Heating, specjalizujący się w instalacjach grzewczych nowej generacji.

    System gromadzi np. dane dotyczące specyfiki termicznej budynku, śledzi też zmiany zapotrzebowania na ciepło ze względu na promieniowanie słoneczne padające na budynek oraz stan naładowania zasobnika energii cieplnej. Na tej podstawie uczy się - wedle zależności przyczynowo skutkowej, tj. w jaki sposób dana akcja wywołuje reakcję.

    "Sztuczne sieci neuronowe oferują niezwykłe możliwości, które skutkują uzyskaniem bardziej wydajnej i ekonomicznej kontroli systemów grzewczych" - wyjaśnia Karolina Kaszkiewicz, Inżynier produktu z Rettig Heating, największego na świecie producenta elementów systemów grzewczych „Potencjał oszczędności w porównaniu do standardowego, ale zoptymalizowanego sterowania w istniejących budynkach wynosi co najmniej 7%. Dla niezoptymalizowanej kontroli, z którą często mamy do czynienia w praktyce, oszczędność wynosi co najmniej 12%”.

    Organy połączone

    Ten niezwykle obiecujący projekt opiera się na połączeniu sztucznej sieci neuronowej (ANN) i liniowej identyfikacji systemowej (LSI). Ten drugi algorytm opiera się o dokonywanie analizy liniowych i nieliniowych zmian w sposobie zachowania się systemu i środowiska. Oznacza to, że jest on w stanie  dostosować się zarówno na stałych, jak i dynamicznych warunków. Niezbędne algorytmy zostały opracowane przez Fraunhofer ISE, a następnie wprowadzone i pomyślnie zweryfikowane w prawdziwym świecie.

    "Takie podejście do sterowania systemem grzewczym jest niesamowicie wygodne i wydajne, ponieważ uwzględnia indywidualne prognozy dotyczące zmian temperatury pokojowej i nasłonecznienia, bez konieczności wykonywania jakichkolwiek symulacji. Wszystko działa na podstawie pozyskanych danych i ich interpretacji w czasie rzeczywistym przez sieć neuronową.” – wyjaśnia Marcin Kotarski, Manager produktu z Rettig Heating.

    Algorytm ANN zakłada dwie funkcje: kontroluje i wykorzystuje prognozy opracowane przez mechanizmy sztucznej sieci neuronowej. Dopasowane indywidualnie i optymalnie dobrane warunki grzewcze są określane automatycznie, przy czym, w przeciwieństwie do tradycyjnych ustawień grzewczych, system uwzględnia wpływ dodatkowych czynników. Przykładem może być bierne ogrzewanie słoneczne budynku, bądź działanie pieca opalanego drewnem.

    Ponadto układ sterowania samodzielnie uruchamia dodatkowe ogrzewanie przy pomocy np. paliw kopalnych. Aby określić, czy dodatkowe „moce grzewcze” są niezbędne, sztuczna inteligencja sprawdza, czy wymaganą temperaturę można osiągnąć bez zaangażowania dodatkowego źródła ogrzewania. W ten sposób unika się niepotrzebnego rozruchu palnika, przez co skutecznie minimalizuje się dodatkowe ogrzewanie za pomocą paliw kopalnych i maksymalizuje wydajność układu.

    Przeszczep do prawdziwego organizmu

    Przeprowadzone analizy i symulacje jednoznacznie wykazują, że wykorzystanie sieci neuronowych pozwala uzyskać znaczące oszczędności energii. Możliwości prognozowania, związane zarówno z parametrami pogodowymi, jak i zachowaniem termicznym budynku, pozwalają na zamknięcie systemu ogrzewania przed faktycznym czasem przegrzania. W ten sposób osiągniemy optymalne zużycie energii.

    „Zastosowanie tej techniki sterowania hydraulicznymi systemami grzewczymi wymaga jeszcze wielu testów w praktyce, zanim zostanie zaadaptowane w klasycznym domu, ale już dziś technologia ta budzi olbrzymie zainteresowanie i wprowadza systemy grzewcze na zupełnie nowy etap rozwoju – podsumowuje, Marcin Kotarski, Manager produktu z Rettig Heating.

    Aby w pełni wykorzystać funkcjonalność portalu
    wymień swoją przeglądarkę na nowszą wersję.