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, co w następstwie pozwoliło na przygotowanie rozwiązania, które kompleksowo obsłuży ogrzewanie budowli nastawionych na pozyskiwanie energii ze słońca.

Mózg z akademickiego laboratorium

Instytut ISE Fraunhofera właśnie 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. Rozwiązanie pozwoli również zmniejszyć wydatki związane z instalacją i uruchomieniem systemu ogrzewania. W praktyce umożliwia ono zminimalizowanie nakładu pracy instalatora.

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.

Organy połączone

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 specjalistów, a następnie wprowadzone i pomyślnie zweryfikowane w prawdziwym świecie.

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.

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.

Źródło: Purmo