Kan byggnader lära sig att rädda helt själva? Det tycker Empa-forskare. I sina experiment, de matade ett nytt självlärande värmestyrsystem med temperaturdata från föregående år och aktuell väderprognos. Det "smarta" styrsystemet kunde sedan bedöma byggnadens beteende och agera med god förväntan. Resultatet:bättre komfort, lägre energikostnader.

Fabrikshallar, flygplatsterminaler och höga kontorsbyggnader är ofta utrustade med automatiserade "förutseende" värmesystem. Dessa arbetar med fördefinierade scenarier speciellt beräknade för byggnaden och hjälper till att spara byggnadsägare en hel del värmeenergi. Dock, sådan individuell programmering är för dyr för enskilda lägenheter och privata hem.

Förra sommaren, en grupp Empa-forskare visade för första gången att det verkligen kunde vara mycket enklare än så:Intelligent värme- och kylstyrning behöver inte nödvändigtvis programmeras, systemet kan lika gärna lära sig att minska kostnaderna av sig självt och baserat på data från senaste veckor och månader. Programmeringsexperter är inte längre nödvändiga. Med detta trick, den kostnadsbesparande tekniken kommer snart att finnas tillgänglig även för familjer och singlar.

Det avgörande experimentet ägde rum i Empas forskningsbyggnad NEST. UMAR-enheten (Urban Mining and Recycling) erbjuder de bästa förutsättningarna för detta test:Ett stort matkök ramas in på båda sidor av två studentrum. Båda rummen är 18 kvadratmeter vardera. Hela fönsterfronten ser öst-sydost ut mot morgonsolen. I UMAR-enheten, uppvärmt eller förkylt vatten rinner genom en takbeklädnad av rostfritt stål och säkerställer önskad rumstemperatur. Energin som används för värme och kyla kan beräknas för varje enskilt rum med hjälp av respektive ventilläge.

Smart kylning – tack vare väderprognosen

Eftersom projektledaren Felix Bünning och hans kollega Benjamin Huber inte ville vänta på uppvärmningsperioden, de startade ett kylexperiment i juni 2019. Veckan 20 till 26 juni började med två soliga, men ändå ganska coola dagar, följt av en molnig dag, äntligen brände solen över Dübendorf och drev utomhustemperaturen till strax under 40 grader.

I de två sovrummen, temperaturen bör inte överstiga märket på 25 grader under dagen, på natten är gränsen satt till 23 grader. En konventionell termostatventil gav kylningen i ett rum. I det andra rummet, det experimentella kontrollsystemet utrustat med artificiell intelligens (AI) utvecklat av Bünning och Huber och deras team var på jobbet. AI:n hade matats med data från de senaste tio månaderna - och den kände till den aktuella väderprognosen från MeteoSwiss.

Större komfort med mindre energi

Resultatet var kristallklart:Det smarta styrsystemet för uppvärmning och kylning följde mycket mer de förinställda komfortspecifikationerna – samtidigt som det använde cirka 25 % mindre energi. Detta berodde främst på att på morgonen, när solen sken genom fönstren, systemet kylde rummen i förväg. Den konventionella termostaten i det andra rummet, å andra sidan, kunde bara reagera när temperaturen gick genom taket. För sent, för hektisk och med full kraft. I november 2019, en sval månad med lite sol, mycket regn och svala vindar, Bünning och Huber upprepade experimentet. Nu handlade det om att värma upp de två rummen. När detta nummer gick i tryck, utvärderingen pågick fortfarande. Men Bünning är övertygad om att hans prediktiva värmeregleringssystem också samlar poäng här.

Empa-teamet har redan förberett nästa steg:"För att testa systemet i en verklig miljö, vi har planerat ett större fältförsök i en byggnad med 60 lägenheter. Vi kommer att utrusta fyra av dessa lägenheter med vårt intelligenta styrsystem för värme och kyla. Bünning är nyfiken på resultaten. "Jag tror att nya styrenheter baserade på maskininlärning erbjuder en enorm möjlighet. Med denna metod kan vi konstruera en bra, energibesparande eftermonteringslösning för befintliga värmesystem med relativt enkla medel och registrerade data."