Nuestro socio KTH presentará en el CLIMA 2022 el primer trabajo sobre predicciones de carga utilizando técnicas de Machine Learning realizadas en el marco del proyecto HYPERGRYD.
El REHVA World Congress CLIMA, que se celebra del 22 al 25de mayo en Rotterdam, es el principal congreso científico internacional en el campo de la calefacción, ventilación y aire acondicionado (HVAC). El Programa Científico incluye cinco temas diferentes: Energía, Digitalización, Salud y Confort, Circularidad y Aprendizaje y Educación.
Qian Wang, de KTH, presentará el próximo 25de mayo la ponencia ‘Un novedoso enfoque de aprendizaje automático para predecir la carga de energía a corto plazo para la futura calefacción urbana a baja temperatura’ durante la Sesión Paralela sobre Digitalización.
En este trabajo, desarrollamos métodos de aprendizaje automático para pronosticar la demanda de energía de calefacción diaria de los usuarios finales de calefacción urbana (DH) en resolución horaria, utilizando los datos de medición existentes para los usuarios finales de DH y los datos meteorológicos. El enfoque del estudio es un análisis detallado de los niveles de precisión de los métodos de predicción de carga a corto plazo. En particular, los niveles de precisión se cuantifican para los modelos de redes neuronales artificiales (ANN) con variaciones en los parámetros de entrada. Se investiga la importancia de los datos históricos, en particular la importancia de incluir cargas históricas de calentamiento por hora como entrada al modelo de previsión. Además, se estudia el impacto de las diferentes longitudes de los datos históricos de entrada.
Nuestros métodos se evalúan y validan utilizando datos de medición de un caso de uso vivo en un entorno escandinavo, recopilados de 20 residencias de ancianos durante los años de 2016 a 2019. Este estudio demuestra que, aunque existe una fuerte relación lineal entre la temperatura exterior y la carga de calefacción, sigue siendo importante incluir las cargas de calefacción históricas como entrada para la predicción de futuras cargas de calefacción. Además, los resultados muestran que es importante incluir datos históricos de al menos las 24 horas anteriores, pero sugieren una disminución de rendimientos al incluir datos mucho más anteriores Los modelos resultantes demuestran la viabilidad práctica de tales modelos de predicción en un caso de uso en vivo.
Este año, CLIMA 2022 se podrá seguir tanto en persona como online.
Haga clic aquí para obtener más información:
