En su momento hablé del despliegue de sistemas de control predictivo, pero dejé apartado los procesos de modelado predictivo en sí.
Retomo el caso del edificio 59 del Lawrence Berkley National Laboratory, un edificio moderno con oficinas en dos de sus cuatro plantas y climatizado por ventilación con 4 unidades rooftop. Es un ejemplo bastante bien documentado en dos artículos sobre el propio modelado y despliegue de los sistemas de control y el conjunto de datos de monitorización.
Al desarrollar modelos, lo primero es definir el objetivo de modelado. Este marcará mucho la forma del modelo y las decisiones de compromiso a tomar en su desarrollo.
En algunos casos, buscamos atribuir el consumo energético a elementos concretos (¿Para valorar la bondad de una reforma de envolvente?), definir la energía consumida ex-post y corrgirla por factores de uso y/o meteorológicos (mis colaboraciones con Mikel Lumbreras buscan esto en el marco de procesos IPMVP), o para aplicaciones de control predictivo.
Hoy toca hablar de aplicaciones de control. Aquí, los modelos deben capturar la respuesta dinámica de un edificio (temperatura interior, concentración de CO2,…) ante solicitaciones externas (meteorología) e internas (personas, fuentes de calor,..). Pero sobre todo, ante las actuaciones del sistema de control. En el fondo, el modelo se usa para predecir la respuesta del edificio ante las actuaciones de control (¿Qué pasa si abro la válvula V07?). Nos importa la calidad de la predicción durante el intervalo de control (unas pocas horas, o 1-2 días), pero no tanto la estabilidad del modelo en el largo plazo.
¿Cómo montamos un modelo de estos? ¿Qué tipo de modelo hace falta? ¿Cómo parametrizamos el modelo? ¿Hay que modelar por independiente todas las habitaciones?… Esta y otras muchas son las preguntas que nos hacemos.
Como el modelo debe servir para control, este deberá basarse en los registros de las propias señales del propio sistema de control. Esto es tanto un principio de modelado, como la forma de salir del paso ante la falta de información (Aunque daría para otro post: en ocasiones, asumir que existe un sistema de control con registro de datos es hasta demasiado). En este caso, disponen de lo siguiente:
- Información meteorológica, tanto sondas locales de temperatura como información más avanzada procedente de un servicio externo.
- Una cantidad bastante grande de sondas de temperatura y CO2 en las oficinas.
- Información de valores de temperatura en varios puntos de la unidad de tratamiento de aire.
- Valores de las señales de control proporcional enviadas a las distintas válvulas de la unidad de tratamiento de aire.
- Consumo eléctrico (agregado) de las unidades de tratamiento de aire
- Consumo eléctrico de las cargas enchufadas en las oficinas.
Respecto a la zonificación del modelo, nos encontramos que los proyectos de arquitectura, diseño interior, ingeniería mecánica y electricidad y control no tienen por qué ir de la mano. En Berkley se encontraron con lo siguiente:
- El edificio tiene 4 plantas, pero dos de ellas son técnicas (CPDs), con solicitaciones muy específicas y no aptas para control predictivo.
- Las plantas de oficinas están particionadas en zonas de despachos, salas de reuniones, zonas open space, etc. Los pasillos y zonas abiertas hacen de núcleo central de distribución de aire y balanceo de condiciones locales en las zonas particionadas en los perímetros.
Imagen de las secciones de las plantas de oficinas del edificio. Fuente: Luo et Al. (CC-BY 4.0)
- Los sistemas de ventilación distribuyen aire en vertical. Cada rooftop impulsa aire a las 4 plantas del edificio, cada planta es climatizada por los 4 rooftops, y todos los rooftops impulsan aire tanto en zonas open space como en despachos/salas de reuniones.
- Los cuadros eléctricos están divididos por subsistemas, plantas y núcleos técnicos.
- La conexión de unidades terminales a distintos cuadros eléctricos dificulta en la práctica conocer los caudales de ventilación locales.
Como resultado:
- Todos los sistemas de climatización deban estar activos 24/7. No tanto por las oficinas en sí sino por los usos técnicos en otras plantas del edificio.
- La adyacencia entre zonas servidas por distintas unidades rooftop genera interacciones convectivas y dificulta una operación eficiente de los sistemas de climatización.
Aunque no es físicamente puro, pues descarta las relaciones convectivas, los autores deciden desarrollar un modelo monozona para el global de los espacios servidos por cada unidad rooftop.
Se agrega el comportamiento de varios espacios en un “espacio promedio” pesando las señales de la zona perimetral y central del edificio al 50% y corrigiendo por volumen de ventilación (nominal). Si bien esto es discutible, parece una aproximación razonable, además de corregible. Se podrían reajustar los pesos si al final alguna zona estuviese sobre/infrarrepresentada y el controlador no funcionase bien.
Imagen del modelo inercial en oficinas del edificio. Fuente: Blum et Al. (CC-BY 4.0)
En relación con la tipología del modelo zonal, se emplea un modelo tipo RC. En concreto, un modelo R2C2, bastante común para estos casos y que permite abordar bien las dinámicas en edificios. En general, los modelos de 2 constantes de tiempo como estos son suficientes para resoluciones horarias y actividades de optimización a 24h vista.
En relación con los sistemas técnicos, es relevante considerar los sistemas con un gran consumo de energía.
Como cualquier ingeniero de climatización sabe, los sistemas de ventilación consumen un volumen ingente de energía sólo para mover el aire a través de un edificio. Hasta el punto de que esta energía es comparable a la necesaria para calentar y enfriar el aire.
En general, los sistemas de control en los sistemas rooftop no registran caudales ni balances de energía exactos en elementos individuales como baterías y ventiladores. Pero sí las órdenes enviadas a las válvulas de control, y las temperaturas medidas. Aquí los autores deciden volver a clase de Ingeniería y aplicar las reglas básicas de potencia en hidráulica. Obtienen el caudal y/o el aporte/consumo de energía de forma bastante elegante:
- Saben la potencia/caudal nominal de los equipos “P0”
- Conocen la señal de control “u”
- Aplican reglas de semejanza cuadráticas y cúbicas,…que todo sistema debe cumplir
… y luego calibran un par de coeficientes “a”
Ecuaciones para el cálculo de potencias de ventilador y cargas de regrigeración en una unidad Rooftop. Fuente: Blum et Al. (CC-BY 4.0)
Viendo el ajuste de los modelos, parece una buena solución:
Validación de los modelos de ventilador sobre la impulsión y retorno en una unidad rooftop. Fuente: Blum et Al. (CC-BY 4.0)
En relación con los sistemas difusión individuales, estos son manuales y no se dispone de información sobre su estado. Aquí, los autores asignan la misma posición a todas las unidades terminales. Dado que el efecto se ve sobre un único modelo agregado, parece una simplificación que permite modelar el comportamiento promedio del sistema.
Imagen del modelo de unidad rooftop. Fuente: Blum et Al. (CC-BY 4.0)
Quedaría la parte de las cargas internas, perfiles de ocupación,…aquí su planteamiento es poco físico, pero resultón. Se asume que todo esto está correlacionado con las cargas enchufadas (ordenadores,…) y se monta un modelo de predicción estadístico. Ya discutí sobre ello hace algún tiempo, parece una buena aproximación.
Me quedan en el tintero temas como los procesos de identificación, el motor de simulación, las reglas de control…pero no quiero aburrir, lo dejo para una siguiente ocasión.
Si tuviese que concluir algo sobre todo esto:
- Hay que diseñar el proceso en base a los objetivos de modelado
- Hay muchos fenómenos de transmisión de energía en juego, pero no todos son modelables/identificables. Es preferible tomar determinaciones claras, realizar asunciones sencillas, para llegar a un modelo utilizable. La definición de los modelos monozona es un caso claro.
- Sabemos que el mundo es complicado, pero la ingeniería lo explica en gran parte. ¡Utilicemos lo aprendido a lo largo de siglos! Utilicemos las leyes de potencia de ventiladores como base antes de entrar en procesos informáticos complejos. Los autores describen sistemas rooftop completos con 2-3 ecuaciones bien ancladas en la ingeniería y necesitan identificar muy pocos coeficientes.
- Para los patrones sociales,…aquí sí, estadística, IA,…Tengo algunas contribuciones recientes sobre como incorporar los patrones sociales en modelos de análisis energético, pero lo dejo para otro día.
Como dije la vez anterior, el Lawrence Berkley National Laboratory es un centro de referencia en energía en edificación. Y se nota. En general, creo que han hecho un trabajo muy bueno. Tanto por haber conseguido modelar el edificio y desplegar un control MPC, como por haber documentado todo el proceso. Han publicado los datos para que otros podamos trabajar a partir de ellos. Y han documentado todo el proceso, indicando su aproximación a cada problema concreto, los problemas encontrados y las decisiones de compromiso tomadas.
Referencia original:
David Blum, Zhe Wang, Chris Weyandt, Donghun Kim, Michael Wetter, Tianzhen Hong, Mary Ann Piette, Field demonstration and implementation analysis of model predictive control in an office HVAC system, Applied Energy 318 (2022), https://doi.org/10.1016/j.apenergy.2022.119104