Machine learning e cloud per la building automation, la proposta Honeywell

Honeywell Forge Energy Optimization è una soluzione di machine learning cloud a circuito chiuso, capace di analizzare e gestire i modelli di consumo degli edifici.

Si tratta di un pacchetto focalizzato sulla riduzione del consumo di energia, un sistema che può generare risparmi energetici a doppia cifra. Non solo, può ridurre i livelli di CO2 di un edificio ed essere implementato senza significative spese di capitale.

Durante un progetto pilota svolto presso la Hamdan Bin Mohammed Smart University (HBMSU) di Dubai, Honeywell Forge Energy Optimization ha dimostrato un risparmio energetico iniziale del 10%.
HBMSU è la prima università smart accreditata negli Emirati Arabi Uniti ed è nota per i suoi programmi di tecnologia e innovazione.

Il sistema è stato utilizzato sulla infrastruttura esistente per la gestione degli edifici dell’Università, per dimostrare che la piattaforma utilizza un’architettura aperta ed è agnostica rispetto all’hardware. Il risparmio energetico aggiuntivo generato è particolarmente significativo in quanto l’edificio di HBMSU è considerato altamente intelligente ed efficiente dal punto di vista energetico. L’edifico vanta sistemi di illuminazione, raffrescamento, building management e di controllo di energia connessi in base al numero di occupanti presenti in tempo reale.
Il progetto pilota ha inoltre portato alla luce alcuni problemi di controllo locale relativi all’impianto di raffreddamento e all’unità di trattamento dell’aria, che non si stavano adeguando ai set point.

Machine learning e cloud per la building automation

Il consumo di energia è un problema significativo, in quanto queste strutture totalizzano più del 36% del consumo finale globale di energia e quasi il 40% delle emissioni totali dirette e indirette di CO2. Inoltre, gli impianti HVAC rappresentano spesso la più grande opportunità di risparmio energetico in un edificio commerciale.

Honeywell Forge Energy Optimization ottimizza in modo autonomo e continuo i set point interni di un edificio su centinaia di risorse ogni 15 minuti. Quando la soluzione rileva la necessità di effettuare una regolazione, analizza fattori quali l’ora del giorno, le condizioni climatiche, il numero di occupanti presenti e dozzine di altri punti dati per determinare le impostazioni ottimali.

Inoltre, la soluzione prende decisioni ponderate 96 volte ogni 24 ore per singolo edificio, 365 giorni all’anno per l’intero sistema di risorse. I risultati ripetuti hanno mostrato una riduzione a due cifre dei consumi legati all’HVAC senza impattare sul comfort del cliente.

Machine learning e cloud per la building automation

Le tradizionali soluzioni di controllo degli impianti HVAC hanno diversi livelli di sofisticazione. Quello più elementare si basa su set point statici che non tengono conto di fattori variabili, come il numero di occupanti o le condizioni meteorologiche. Il secondo livello si basa su regolazioni programmate dei set point che utilizzano stime del numero di occupanti e delle condizioni meteo previste. Infine, i set point possono essere gestiti da energy manager certificati. Tuttavia, la maggior parte delle strutture ha rilevato che questa soluzione non produce un fattibile ritorno sugli investimenti a causa dell’elevato numero di variabili coinvolte e della difficoltà nel produrre calcoli accurati in modo scalabile.

Honeywell Forge Energy Optimization è una soluzione con funzionalità plug-and-play, semplice da implementare per i proprietari degli edifici. Non sono necessarie modifiche alla struttura del business e non è necessario sostituire integralmente i sistemi esistenti.