Η ενέργεια αποτελεί έναν από τους βασικότερους παράγοντες που καθορίζουν την παγκόσμια οικονομία. Η ανάγκη για βιώσιμα ενεργειακά κτίρια γίνεται όλο και πιο επιτακτική, καθώς σχεδόν το 40% των εκπομπών CO₂ αποδίδεται στο δομημένο περιβάλλον [exa23]. Η δυνατότητα προσομοίωσης της πραγματικής απόδοσης ενός κτιρίου αποτελεί εργαλείο κρίσιμης σημασίας, επιτρέποντας στους χρήστες να δοκιμάζουν και να αξιολογούν εικονικά διαφορετικές τεχνικές μείωσης της ενεργειακής κατανάλωσης, προς την κατεύθυνση της επιλογής της βέλτιστης στρατηγικής εφαρμογής.
Με την πρόοδο της τεχνολογίας και ειδικότερα στους τομείς της μηχανικής μάθησης και της τεχνητής νοημοσύνης, έχουμε πλέον νέους μηχανισμούς για την αντιμετώπιση του παραπάνω προβλήματος. Για παράδειγμα, μέσω της χρήσης των «Ψηφιακών Διδύμων» (Digital Twins) μπορούμε να δημιουργούμε εικονικά τρισδιάστατα μοντέλα που συμπεριφέρονται όπως ένα πραγματικό κτίριο [exa23]. Αυτό είναι ιδιαίτερα σημαντικό καθώς επιτρέπει την παρακολούθηση, προσομοίωση και βελτιστοποίηση της ενεργειακής απόδοσης, οδηγώντας σε μείωση τόσο της κατανάλωσης ενέργειας όσο και του ανθρακικού αποτυπώματος.
Κατηγορίες Μοντέλων Θερμικής Συμπεριφοράς Κτιρίων
Ένα ψηφιακό δίδυμο βασίζεται σε μοντέλα. Η μοντελοποίηση της θερμικής συμπεριφοράς κτιρίων μπορεί να κατηγοριοποιηθεί ως εξής:
- Λευκού Κουτιού (White-Box): Βασίζεται σε φυσικές αρχές (π.χ. διατήρηση ορμής, ενέργειας και μάζας) και απαιτεί εκ των προτέρων γνώση των παραμέτρων του κτιρίου. Προσφέρει υψηλή ακρίβεια, αλλά έχει μεγάλο υπολογιστικό κόστος.
- Μαύρου Κουτιού (Black-Box): Καθαρά δεδομενοκεντρική προσέγγιση χωρίς προαπαιτούμενη γνώση της συμπεριφοράς του κτιρίου. Έχει χαμηλό τεχνικό κόστος αλλά έλλειψη ερμηνευσιμότητας και απαιτεί υψηλής ποιότητας δεδομένα.
- Γκρι Κουτιού (Grey-Box): Υβριδικό μοντέλο που συνδυάζει φυσική ερμηνεία με υπολογιστική αποδοτικότητα. Κύριο παράδειγμα: μοντέλο αντίστασης-χωρητικότητας (RC), όπου το κτίριο αναπαρίσταται ως δίκτυο από ηλεκτρικές αντιστάσεις και χωρητικότητες.
Τα μοντέλα RC συμβολίζονται ως xRyC (x: αντιστάσεις, y: χωρητικότητες) και περιγράφονται μέσω διαφορικών εξισώσεων (ODEs). Έχουν εφαρμογές σε θερμική δυναμική, εκτίμηση φορτίου, έλεγχο και βελτιστοποίηση [LOZ+21].
Η Προσέγγιση της domX στο Πλαίσιο του AI-DAPT
Στο πλαίσιο του έργου AI-DAPT, οι ερευνητές της DOMX πειραματίζονται με τη συνδυαστική χρήση μοντέλων RC (grey-box) και νευρωνικών δικτύων (black-box) για την ανάπτυξη υβριδικών μοντέλων.
Η domX συλλέγει δεδομένα απόδοσης κτιρίων σε πραγματικό χρόνο, μέσω του έξυπνου ελεγκτή HVAC, που είναι εγκατεστημένος σε ελληνικά πιλοτικά νοικοκυριά. Ο ελεγκτής καταγράφει κρίσιμες παραμέτρους όπως:
- Εσωτερική και εξωτερική θερμοκρασία
- Όρια άνεσης χρηστών
- Ενεργειακή κατανάλωση σε επίπεδο συσκευής
Επάνω σε αυτά τα δεδομένα, εκπαιδεύονται κλασικά νευρωνικά δίκτυα όπως LSTM και GRU, για πρόβλεψη εσωτερικής θερμοκρασίας και κατανάλωσης ενέργειας υπό διαφορετικές παραμετροποιήσεις συστημάτων θέρμανσης και ψύξης.
Ταυτόχρονα, η δομή κατάστασης των RC μοντέλων, που επιτρέπει την αναπαράσταση μεταβλητών που δεν μπορούν να μετρηθούν άμεσα, ενισχύει την ακρίβεια πρόβλεψης, την αποδοτικότητα στην εκπαίδευση και τη γενικευσιμότητα του υβριδικού μοντέλου.
Βιβλιογραφία
[exa23] Digital twins are helping real-world buildings achieve huge carbon efficiencies.
https://www.reuters.com/plus/tbd-media-group/vision2045-1st-edition/digital-twins-are-helping-real-world-buildings-achieve-huge-carbon-efficiencies, Απρίλιος 2023
[LOZ+21] Yanfei Li, Zheng O’Neill, Liang Zhang, Jianli Chen, Piljae Im, Jason DeGraw. Greybox modeling and application for building energy simulations – a critical review. Renewable and Sustainable Energy Reviews, 146:111174, 2021
