Gestión energética: desarrollo de un gestor energético inteligente asistido por IA

Jan Derua explica por qué la Universidad de Ciencias Aplicadas Thomas More desarrolló un gestor energético inteligente asistido por IA y cómo se llevó a cabo.

La Universidad de Ciencias Aplicadas Thomas More es la mayor universidad de ciencias aplicadas de Flandes (Bélgica) y cuenta con ocho sedes. En el Campus De Nayer, en Sint-Katelijne-Waver, impartimos cursos de electromecánica, tecnología automovilística, tecnología de diseño y producción, y electrónica/TIC. Somos un centro de formación certificado por KNX, así como socio científico de KNX, y llevamos a cabo actividades de investigación y desarrollo en diferentes áreas, incluidos los sistemas embebidos, como KNX.


Universidad de Ciencias Aplicadas Thomas More - Campus De Nayer.

Hace unos años, el operador flamenco de distribución de energía decidió sustituir los contadores analógicos tradicionales por contadores digitales. Aunque estos contadores se denominan «contadores inteligentes», solo disponen de un puerto de comunicación que permite la lectura digital de los datos de medición. Los productos disponibles en el mercado para convertir estos contadores en auténticos contadores inteligentes y gestionar los flujos de energía son, casi en su totalidad, sistemas de monitorización que se limitan a mostrar el consumo; no son verdaderos sistemas de gestión energética. Por lo tanto, existe la necesidad de contar con auténticos sistemas de gestión energética, complementados con IA, que hagan que estos contadores sean verdaderamente inteligentes y capaces de autoaprendizaje. Y dado que la gestión energética requiere un buen sistema de comunicación entre sensores, actuadores y controladores, KNX es, sin duda, el protocolo más adecuado.

Alcance del proyecto

El objetivo final es llegar a un gestor energético inteligente asistido por IA que permita controlar el mayor número posible de tecnologías y dispositivos en un entorno residencial. Este gestor debería ser capaz de aprender por sí mismo y debería ayudar al usuario a lograr un consumo energético racional sin demasiadas preocupaciones. La intención es poder integrarlo tanto en situaciones nuevas como en las ya existentes sin necesidad de realizar muchas modificaciones en la instalación y sin un gran impacto económico. Además, el proyecto no se limita únicamente a los flujos de energía eléctrica, ya que también se puede almacenar y canalizar una gran cantidad de energía a nivel térmico.


El aasem (AI Assisted Smart Energy Manager), desarrollado por la Universidad de Ciencias Aplicadas Thomas More.

Diseño e implementación

Para la comunicación con el bus KNX, el diseño se equipó con un chip desarrollado en Bélgica, concretamente el ONSEMI NCN5130. Por lo tanto, la pila KNX se desarrolló internamente.

El objetivo es poder visualizar y controlar todas las aplicaciones ya presentes en el hogar. Algunos ejemplos son el inversor solar, el calentador de agua solar, la bomba de calor, los enchufes inteligentes, etc., sin que ello requiera una gran inversión adicional.

Optamos por trabajar con una distribución de Linux a medida sobre hardware industrial fiable. De hecho, por razones de fiabilidad y durabilidad, las soluciones con Raspberry Pi o Arduino no son las mejores opciones. Se utilizaron Bare Metal e imágenes de Docker para lograr una integración robusta y dinámica, mientras que la programación es posible a través de Node-RED, el registro de datos se basa en Influx y se utiliza Grafana para la visualización. Esto permite cualquier integración imaginable.


La pequeña fábrica de placas de circuito impreso de la Universidad de Ciencias Aplicadas Thomas More, Campus De Nayer.

Ventajas de la IA

El uso de la IA permite convertir el hogar en un hogar inteligente sin necesidad de programación adicional ni intervención humana. El hardware integrado está preparado para la IA, lo que significa que no se requiere conexión a Internet para el procesamiento de la IA. Solo la previsión meteorológica y la predicción de la generación de energía de los paneles solares requieren conexión a Internet. La parte de IA aún se encuentra en fase de desarrollo y debe someterse a más pruebas, pero ya estamos obteniendo buenos resultados mediante Node-RED.

Casos de prueba

Hemos desarrollado tres casos de prueba. El primero se refiere a una vivienda nueva bastante grande, prácticamente neutra desde el punto de vista energético. En este caso se integraron los paneles fotovoltaicos y la bomba de calor, así como una batería para el almacenamiento de energía. En este ejemplo, la atención se centra en optimizar los flujos de energía y, sobre todo, en limitar los picos de consumo, ya que la tarificación en Flandes depende en parte de la tarifa de potencia.

Por el momento, durante los meses de septiembre y octubre del año pasado, se obtuvo un ahorro en el coste energético de unos 370 euros gracias a la gestión energética y al aumento del autoconsumo, así como otro ahorro de unos 10 euros al mes gracias a la reducción de los picos de consumo y a evitar la tarifa de capacidad.

El segundo caso de prueba se refiere a una vivienda antigua en la que se instalaron paneles fotovoltaicos, así como un sistema de pellets de madera para la calefacción y el agua caliente sanitaria y una batería para el almacenamiento de energía. El control se realiza a través de nuestro dispositivo aasem, combinado con la instalación KNX. Actualmente no disponemos de datos suficientes sobre esta instalación como para publicar cuáles son los ahorros de costes, pero esperamos que sean impresionantes a lo largo del año.

El tercer caso de prueba se refiere al laboratorio de formación e investigación KNX, que se equipó con paneles fotovoltaicos combinados con una batería de 7,5 kWh y una estación de recarga para vehículos eléctricos. Gracias a este sistema de control, el laboratorio es autosuficiente.


La configuración de prueba de energía fotovoltaica, batería y vehículo eléctrico.

Además del ahorro energético y un control cómodo, los tres casos de prueba proporcionan una gran cantidad de datos que permiten seguir entrenando y optimizando la IA.

Resumen

El resultado del uso de nuestro dispositivo aasem es muy satisfactorio tanto en términos de funcionamiento como de captura de datos. La gran cantidad de datos que se ha capturado y que aún se capturará permite optimizar aún más la parte de IA. El diseño del módulo permite una fácil integración en un cuadro de distribución estándar y consume muy poca energía. En cuanto a futuros desarrollos, estamos pensando en ampliar aún más el dispositivo con KNX RF e implementar la pila KNX Secure.

Jan Derua, máster en Ciencias, es profesor e investigador en la Universidad de Ciencias Aplicadas Thomas More, formador certificado por KNX y miembro de la junta directiva de KNX Bélgica.

www.thomasmore.be