Две трети от отоплителните системи в Германия работят неефективно. Това установи Федералната асоциация на немските енергийни инженери в рамките на проведено проучване. Към момента, за снабдяването на дадена система със сензори, за оценката и анализа на измерените данни, както и за правилните изводи, е необходимо участието на специалисти инженери. Това е трудоемко, а често и скъпо начинание.
„Повечето отоплителни системи нямат сензори. Ако например има проблем с термостатите, то това се проверява и установява само от специалисти. Бихме искали с тази задача да се заемат сензори и изкуствен интелект“, обяснява идеята Свен Рауш, съосновател на ENER-IQ (компанията се занимава с развитието на софтуерни решения за прозрачно и ефективно производство на енергия, което да пести ценни ресурси).
Изкуствен интелект за отоплителните системи
Неправилно програмиране, дефектни или неправилно сглобени компоненти увеличават консумацията на енергия, като запазват една и съща топлинна мощност. Често това могат да разпознаят само специалисти.
Въпреки това не е възможно да се тестват ръчно 20 милиона отоплителни системи само в Германия. С прилагането на изкуствен интелект може да бъде следена ефективността на много повече съоръжения. Ето защо ENER-IQ, съвместно с енергийно консултантската компания SEnerCon и университета във Вюрцбург, иска да тества и оцени 20 системи в рамките на изследователски проект, като в същото време бъде „обучен“ софтуер, който в бъдеще сам да отчита евентуални загуби на ефективност.
Названието ИИ-нергия (от „изкуствен интелект (ИИ)“ и „енергия“) описва за какво става въпрос: „Искаме да направим това с аналитичен изкуствен интелект“, обяснява Рауш. Ето защо включихме в екипа и професорите Франк Рупе и Дийтмар Зайпел от Вюрцбург – специалисти по методите на изкуствения интелект и експертните системи. Такива системи могат да проследяват и интерпретират данни, да поставят диагнози и дори да дават препоръки за действия. В идеалния случай всичко, което е необходимо след това, е майстор специалист за тяхното изпълнение. Занаятчийските камари в Германия отдавна не разполагат с квалифицирани работници в отоплителната индустрия – с помощта на ИИ-нергия и не толкова квалифицирани инсталатори биха могли да извършват и цялостна оптимизация на отоплителни системи, надява се Рауш.
Повишаване на ефективността с 15 процента е възможно
Проектът ще започне с 20 отоплителни системи с различна степен на трудност. Те са предоставени от партньори по проекта – собственици на жилищни сгради. По този начин те се съгласяват и да се съобразят с препоръките на ИИ и участващите изследователи. Те от своя страна ще проверят дали автоматизираната програма предоставя разумни и адекватни резултати и данни.
„Нашите инженери могат да повишат ефективността на дадена отоплителна система с 10-15%. Бихме искали да постигнем този резултат и с нашия ИИ. Най-голямото предизвикателство е трансформирането на многогодишния ни опит и знания в алгоритми, и това, че всяка отоплителна система е уникална“, споделя съоснователят Гюнтер Волтер.
В крайна сметка целта е да намалим вредните емисии. Делът на възобновяемата енергия в крайното потребление на енергия за отопление и охлаждане в Германия се е увеличил от 10,8 (2008 г.) до 13,8% (2017 г.) според работната група за статистика на възобновяемата енергия. Но най-важният енергиен източник за отоплителните системи остава газта със съответните емисии. Ето защо подобрената ефективност директно влияе на баланса на CO2.
Преди ИИ-нергията да започне да помага, участващите специалисти трябва да разработят нужния софтуер. Хардуерът ще се появи през 2021 г. – партньорите по проекта искат да инсталират сензори, които вече са налични на пазара. Следва оптимизацията на отоплителните системи в рамките на два зимни периода и съответно „обучението“ на ИИ.
Проектът ще продължи до 2023 г., а крайният му резултат не е само наличието на обучен ИИ. „Бихме искали производителите на отоплителни системи да вграждат повече сензори – това ще направи тестването в бъдеще много по-евтино“, обяснява Рауш. В дългосрочен план ИИ може да бъде адаптиран и за други приложения, например за тестване на по-големи отоплителни мрежи или малки инсталации.