Servicios
Universidad Central

Noticentral

Modelo computacional contribuye a simular ciudades con bajo uso de energía

Durante su estancia investigativa en Singapur, José Antonio Bello, docente de la UC, implementó un modelo basado en redes neuronales para estimar el consumo de energía eléctrica en edificios.

El profesor Bello en el FCL, en Singapur.
El profesor Bello en el FCL, en Singapur.

 

El proyecto “Estudio del consumo de energía eléctrica en edificios ubicados en zonas densamente pobladas” hace parte de la cooperación entre la maestría en Modelado y Simulación de la Universidad Central, en convenio con la Universidad Jorge Tadeo Lozano, y el profesor Jimeno Fonseca PhD. coordinador del laboratorio de Ciudades Futuras (FCL, por sus siglas en inglés) de la Escuela Politécnica Federal de Zúrich, en Singapur.

En el marco de dicha colaboración, que se llevó a cabo entre el 19 de febrero y el 2 de abril de 2018, se formuló la tesis de maestría de José Antonio Bello, docente del Departamento de Ingeniería Industrial de la UC, titulada “Neural network model for building electric energy consumption forecasting in densely populated areas”, proyecto que, actualmente, se encuentra en desarrollo.

El objetivo principal de la estancia en Singapur del profesor José Antonio Bello fue la formulación de modelos basados en redes neuronales (feed forward y redes recurrentes tipo LSTM, en el contexto del deep learning) para el pronóstico del consumo de energía eléctrica en edificios ubicados en ciudades con alta densidad poblacional, como soporte a los sistemas de generación y distribución eléctrica urbanas.

“Dicho proyecto demostró que la investigación rigurosa y de alto nivel puede generar pequeños cambios que, en un futuro, tendrán un impacto a gran escala, garantizando no solo la mejora de la calidad de vida de las personas, sino también la creación de conocimiento que sirve de base a futuras generaciones”, afirma Bello.

El trabajo durante la estancia consistió en diseñar una red neuronal, es decir, un modelo computacional que permite usar los valores de variables internas (como la forma de los edificios, el número de pisos y el sistema de ventilación) y externas (como la radiación solar, el viento, la temperatura de la atmósfera), para estimar valores futuros del consumo de energía eléctrica en un edificio determinado, con la complejidad adicional de que dichas variables externas tienen un alto grado de incertidumbre.

“Las variables externas no se controlan, por lo que impiden que el modelo físico tradicional se ajuste correctamente. Es así como la red neuronal puede fortalecer el proyecto, porque permite tener flexibilidad para trabajar con la incertidumbre y saber cuál será el efecto de estas variables sobre la demanda final de electricidad”, explica Bello.

Las redes neuronales hacen parte de las herramientas del campo de la inteligencia artificial conocido como machine learning (aprendizaje de máquina), y permiten usar métodos de aprendizaje automático:

“Al presentarles valores conocidos de entradas comunes y sus correspondientes valores esperados de salidas, la red, a través de algoritmos de minimización del error, ajustan los pesos de las conexiones entre sus neuronas para ofrecer valores de salida aceptables para nuevos conjuntos de entrada, diferentes de aquellos usados en el entrenamiento”.

Contar con información fiable para los valores de dichas variables es de gran importancia ya que, de acuerdo con los niveles de radiación solar o la temperatura de la atmósfera, el calor capturado por el edificio en cierta hora del día influirá en la sensación térmica percibida por las personas, variando el grado de uso de los sistemas de ventilación, calefacción o aire acondicionado que les permitan desarrollar sus actividades, lo que impacta directamente el consumo de energía total del edificio.

 

Estancia investigativa y trabajo conjunto

A partir del trabajo llevado a cabo por el profesor Bello durante su estancia, además de la ejecución de su tesis, codirigida por el profesor Fonseca y el profesor Hugo Franco, coordinador de la maestría, se acordó con el FCL el desarrollo de un módulo del software CEA (City Energy Analyst), implementado en dicho laboratorio, para simular ciudades con bajo impacto ambiental y alta eficiencia.

El CEA también brindará información a los tomadores de decisiones para que sepan cuánta energía deben comprar de acuerdo con el consumo previsto de energía y así planear la ciudad de una manera optimizada.

Gracias al trabajo de Bello se ha avanzado en las actividades conjuntas de investigación y desarrollo tecnológico desarrolladas en colaboración entre la Universidad Central y la dirección del FCL, orientadas principalmente al diseño y análisis de edificios, y, en particular, al estudio de estrategias de optimización del consumo de energía.

 

Vista panorámica de Singapur.
Vista panorámica de Singapur.

 

Es importante destacar que el FCL es un laboratorio de alto nivel cuyos miembros son, en su mayoría, doctores, algunos en estancia posdoctoral, otros culminando sus estudios de doctorado y unos pocos terminando su trabajo de fin de máster.

Dicho equipo, además, es altamente multidisciplinar y multicultural, ya que participan investigadores de China, India, Austria, Alemania, Argentina, Colombia, entre otros, lo que permite tener perspectivas diversas sobre los proyectos que allí se están desarrollando.

En cuanto a la experiencia en Singapur, Bello afirma:

“Es un país cosmopolita donde la gente de diferentes culturas y religiones pueden convivir en armonía. Es un país supremamente organizado con leyes estrictas que garantizan la convivencia de su sociedad, una arquitectura llamativa y bien planeada para evitar el desperdicio de espacio. Definitivamente un destino muy recomendado".

 

Fuente: Víctor Manuel Díaz
Corresponsal del Departamento de Ingeniería Industrial

Vanessa Cardona Pérez
Coordinación de Comunicaciones
Bogotá, D. C., 04 de mayo de 2018
Imágenes: Cortesía Dpto. de Ingeniería Industrial
Última actualización: 2018-09-26 10:43