Mejora de la eficiencia energética en viviendas domóticas

Resumen

Las instalaciones domóticas permiten mejorar, además del confort y la seguridad, la eficiencia energética en las viviendas donde son implementadas. En esta Tesis Doctoral se propone un sistema para incrementar la eficiencia energética de una vivienda domótica, que ha servido de vivienda prototipo, utilizando un recurso, como son las persianas enrollables exteriores motorizadas; que, en principio, es instalado como elemento de confort solamente. Además, se analiza el modelado del sistema en base a técnicas de inteligencia artificial. La nueva función para las persianas automatizadas es actuar como paneles solares controlados que impidan un aporte extra de energía sobre la vivienda en los meses de verano, el cual, debe ser compensado por el sistema de climatización, con el consiguiente coste energético que conlleva. El algoritmo de control diseñado se encarga de realizar los movimientos oportunos sobre las persianas para producir el efecto deseado. Esta nueva aplicación sobre una instalación ya existente no incrementa el precio de la misma, ya que la motorización de persianas está previamente presente en la instalación, y revierte en el ahorro energético y económico. El comportamiento del equipo de climatización en los meses de verano ha sido estudiado a lo largo de dos años consecutivos, en los cuales se han tomado valores medioambientales interiores y exteriores a una vivienda (planta prototipo de pruebas), así como de la energía consumida por el equipo. Estas medidas permiten comparar la efectividad del algoritmo de control, mediante la aplicación de técnicas de inteligencia artificial. Mediante el entrenamiento de redes neuronales artificiales, optimizadas con algoritmos genéticos, para modelar el comportamiento de la instalación sometida al sistema de control; esto permite comparar el comportamiento del sistema con y sin el algoritmo de control, pudiendo así evaluar el ahorro energético fruto de aplicar el control. En esta Tesis Doctoral se analiza el modelado del sistema con diferentes arquitecturas de redes neuronales, para poder elegir la que más se ajusta al modelo real. Los modelos, basados en redes neuronales entrenadas con el sistema de control, aplicados a los datos recogidos permiten estimar la mejora de la eficiencia energética asociada a la implementación del algoritmo de control en la planta prototipo de pruebas.