Evaluación del rendimiento del control basado en redes neuronales para gestionar calderas mediante el modelo de edificio de orden reducido

Abstract

Existe una necesidad creciente de optimizar los sistemas de calefacción, ventilación y aire acondicionado (HVAC) en su fase de operación debido a su alta contribución al consumo de energía y la voluntad de cumplir con los objetivos internacionales de cambio climático. Los controles predictivos y adaptativos han surgido como herramientas para reducir el consumo de energía, pudiendo predecir escenarios futuros y determinar la estrategia óptima para gestionar los sistemas HVAC. Las estrategias de control basadas en redes neuronales (NN) para la gestión de calderas y el control de retroceso de temperatura están acaparando una importante atención. El objetivo es utilizar descripciones de orden reducido de edificios como un modelo de referencia para la simulación energética de edificios y demostrar la eficacia de un control basado en NN para gestionar calderas. Se simularán edificios de orden reducido con diferentes ubicaciones meteorológicas de diferentes zonas climáticas para determinar si el sistema de control propuesto es más eficiente que un control basado en horarios o si ciertas zonas tienen más potencial para ahorrar energía. Para realizar este análisis, se utilizará un conjunto de KPI para evaluar el desempeño del control propuesto y comparar los resultados entre los diferentes escenarios y el de referencia.