Niestety, obecnie brak jeszcze na rynku systemów pozwalających na praktyczne wykorzystanie wspomnianych metod, wykorzystujących inteligencję oblicze-niową. Są one ciągle na etapie badań i rozważań akademickich. Autorzy artykułu, pracownicy Katedry Aparatów Elektrycznych, badają obecnie potencjał drzemiący w tego typu algorytmach, jednocześnie kształcąc studentów na pierwszym w Polsce kierunku związanym z inteligentnymi budynkami. Prowadzone są m.in. badania nad integracją ogniw fotowoltaicznych PV (ang. Photovoltaics) małej mocy w budynku, przy wykorzy-staniu sterowania fuzzy logic zintegrowa-nego z inteligentnym licznikiem (rys. 3), a szybki rozwój nowych technologii ogniw PV, zwiększenie ich sprawności, popularyzacja ogniw PV, będących jed-nocześnie elementami konstrukcyjnymi (np. dachówki, okna), mogą znacznie zwiększyć opłacalność takich rozwiązań.
Należy jednak jeszcze raz podkreślić, że podstawą jest odpowiednio wykonany budynek, spełniający określone normy budowlane, z przegrodami zapewniający-mi odpowiednią izolacyjność i racjonalnie dobraną stolarką okienną. Niezbędny element to również odpowiednio wykonana instalacja elektryczna. Przede wszystkim musi być bezpieczna, wyposażona we właściwie dobraną aparaturę zabezpieczającą Rys. 3. Stanowiska testowe licznika smart meter z algorytmami opartymi na fuzzy logic: a – licznik,
b – model rozdzielnicy domowej, c – zespół współpracujący z ogniwem PV, d – system akwizycji danych oparty na oprogramowaniu LabView, e – przyłącze ogniw PV, f – wykres prezentujący dobowy profil obciążenia (czerwone obszary; dzięki mechanizmom peak-shifting i peak-shaving udało się zmniejszyć całkowity pobór energii oraz moc szczytową)
f)
technologie
i przewody o właściwych przekrojach.
Dopiero wówczas zasadne jest myślenie o systemie automatyki budynkowej. Po-siadając podstawowy system i właściwie wykonaną instalację, można rozważać ich odpowiednie programowanie oraz integracje z pozostałymi elementami.
Integracja
Obecnie głównym problemem jest wystę-powanie w budynkach wielu podsystemów pochodzących od różnych producentów, których instalacja często odbywała się bez wcześniejszej koordynacji. Wyzwaniem, z którym należy się zmierzyć, będzie ich inte-gracja w jedną spójną całość współpracującą z systemem zarządzania energią EMS, który z kolei w przyszłości współpracował będzie z inteligentnym dwukierunkowym licznikiem smart meter. Problem ten uwidacznia się zwłaszcza w budynkach mieszkalnych, jednorodzinnych, ponie-waż inwestorzy, wybierając np. piec ze sterownikiem zarządzanym przez sieć Internet czy system alarmowy, kierują się głównie ceną i funkcjonalnością. Nie roz-ważają, czy w dalszej kolejności uda się wszystkie elementy zintegrować w jeden spójny system. Zadanie to wymaga dużej wiedzy, a często również doświadczenia integratora, które zdobywane jest metodą prób i błędów, co niestety wpływa zna-cząco na ceny takich usług. Nadzieję na zmiany w tym względzie można pokładać w rozwiązaniach programowych Open Source, dających szansę na pewną standaryzację.
Obecnie integracja realizowana jest na bazie jednego z systemów, np. KNX [14], który traktowany jest jako system nadrzędny, a za pomocą dodatkowych elementów w postaci bramek interfej-sowych realizowane są punkty styku z innymi systemami, np. alarmowym, monitoringu wizyjnego, sterowania HVAC, monitoringu mediów (rys. 4).
Wizualizacja jest dokonywana za po-mocą dodatkowego serwera, będącego jednocześnie serwerem bazy danych, gromadzącym dane historyczne z czujni-ków (np. serwer OPC).
Oferowane są także usługi integracji poszczególnych podsystemów, a na-stępnie zdalnego zarządzania zasobami budynku przez zewnętrzne firmy. Usługa tego typu może być wykonywana w za-mian za udział w potencjalnych zyskach pochodzących z oszczędności energii.
To jednak jest opłacalne tylko dla dość energochłonnych budynków o dużej kubaturze (np. użyteczności publicznej, przemysłowych).
Wraz z coraz większym zapotrzebowa-niem na tego typu zarządzanie zasobami energetycznymi, niezbędne jest wypraco-wanie ogólnych standardów i zautomatyzo-wanych algorytmów, korzystających z nowo-czesnych technik obliczeniowych, pełniących rolę elementu integrującego wszystkie systemy w budynku. W Polsce obecnie prowadzone są prace koncepcyjne i standaryzacyjne przez odpowiednie agendy rządowe, co zostało uwzględnio-ne w Strategii na rzecz Odpowiedzialuwzględnio-ne- Odpowiedzialne-go Rozwoju (SOR), i zespoły pracujące w ramach Krajowych Inteligentnych Specjalizacji (KIS) [15].
literatura
1. Energy Efficiency Trends and Policies in the Household and Tertiary Sectors An Analysis Based on the ODYSSEE and MURE Databa-ses (2015), http://www.odyssee-mure.eu/
publications/br/energy-efficiency-trends-poli-cies-buildings.pdf.
2. Building and Climate Change, USGBC, 2013, http://www.eesi.org/files/climate.pdf.
3. Energy Roadmap 2050, Publications Office of the European Union, 2012,
https://ec.europa.eu/energy/sites/ener/files/
documents/2012_energy_roadmap_2050_
en_0.pdf.
4. Questions & Answers on Energy Performance in Buildings Directive, https://ec.europa.eu/
info/news/ questions-answers-energy-perfor-mance-buildings-directive-2018- apr-17_en.
5. https://ec.europa.eu/clima/policies/strate-gies/2050_en.
6. http://gramwzielone.pl/ dom-energooszczed-ny/10484/ smart-metering-w-polsce-juz- 450-tys-inteligentnych-licznikow.
7. http://gramwzielone.pl/trendy/28327/spor -o-inteligentne-liczniki-energa-pozwana-na-174-mln-zl.
8. Inteligentny dom – sterownik PLC – Forum użytkowników, http://plc-home.pl/forum/.
9. Y. Peng, A. Rysanek, Z. Nagy, A. Schlüter, Using machine learning techniques for oc-cupancy-prediction-based cooling control in office buildings, Applied Energy, V. 211, pp.
1343–1358, 2018.
10. K.H. Khan, C. Ryan, E. Abebe, Optimizing HVAC Energy Usage in Industrial Processes by Scheduling Based on Weather Data, in IEEE Access, vol. 5, pp. 11228–11235, 2017.
11. R. Precup, H. Hellendoorn, A survey on industrial applications of fuzzy control, Computers in Industry, Vol. 62, Issue 3, pp. 213–226, 2011.
12. Y. Zhao, E.G. Collins, Robust automatic pa-rallel parking in tight spaces via fuzzy logic, Robotics and Autonomous Systems, Vol. 51, Issues 2–3, pp. 111–127, 2005.
13. I. Portugal, P. Alencar, D. Cowan, The use of machine learning algorithms in recommen-der systems: A systematic review, Expert Systems with Applications, Vol. 97, pp.
205–277, 2018.
14. KNX The worldwide STANDARD for home and building control, KNX Association Inter-national, 2017, https://www.knx.org.
15. Krajowe Inteligentne Specjalizacje 5:
Inteligentne i energooszczędne budow-nictwo, koncepcji integracji wszystkich podsystemów budynku