L'obiettivo principale di questo progetto è quello di sviluppare un'innovativa Neurone Network Architecture del Model Predictive Management (MPV) per la gestione degli impianti di riscaldamento in condomini e per valutare l'efficienza del suo utilizzo. Il progetto è finalizzato ad aumentare l'efficienza energetica, migliorare l'accuratezza delle previsioni e aumentare il comfort della popolazione. Metterà a confronto diverse architetture di reti neurali per edifici di diverse dimensioni, ottimizzerà i parametri di configurazione della rete e creerà metodi scalabili per passare dai sistemi di controllo tradizionali agli MPV basati sui dati. L'obiettivo di questa transizione è conseguire risparmi energetici significativi e ridurre l'impronta di carbonio del settore edilizio dell'Unione europea (UE), tra cui: in Lettonia. Dato che la maggior parte degli edifici nell'UE è inefficiente dal punto di vista energetico, l'introduzione di sistemi di gestione ottimizzati può ridurre significativamente il consumo energetico e le relative emissioni di gas a effetto serra. Questo studio valuterà sistematicamente i modelli di rete neurale tra diversi tipi di edifici, tenendo conto delle specificità dell'edificio e dell'impatto del volume di dati e della configurazione del modello sulle prestazioni. Il progetto prevede anche l'integrazione di MPV basati su rete neurale nel sistema di costruzione, passando dalla tradizionale gestione del sistema differenziale proporzionale integrativo (PID). I risultati dello sviluppo forniranno soluzioni scalabili e basate sui dati che aumenteranno l'efficienza energetica e ridurranno i costi, mantenendo al contempo il comfort dei residenti. Le principali attività di questo progetto di ricerca industriale comprendono: un'analisi approfondita della situazione attuale, nonché la selezione di soluzioni alternative adeguate e la loro valutazione iniziale; - sviluppo di soluzioni concettuali e pratiche per un efficace controllo e riduzione del consumo di energia termica, raccolta e analisi dei dati necessari nei condomini, nonché miglioramento del comfort termico; - l'installazione di ulteriori apparecchiature di misurazione per la prova pratica e il miglioramento dei modelli di intelligenza artificiale sviluppati negli edifici sperimentali e nelle unità di distribuzione del calore; un'analisi e una valutazione delle possibili strategie per ridurre al minimo le perdite di energia nella rete di condotte di riscaldamento; - la compilazione e la pubblicazione dei risultati, garantendo la tutela della proprietà intellettuale. Sono previste attività dettagliate di gestione del progetto e un'analisi sistematica dei rischi per garantire il successo dell'attuazione del progetto. La diffusione delle conoscenze sarà effettuata attraverso una varietà di attività informative e didattiche, tra cui presentazioni in convegni e pubblicazioni scientifiche rivolte a professionisti del settore. Due partner del progetto forniranno infrastrutture e attrezzature per la raccolta dei dati dai condomini esistenti, compreso il supporto per la connessione dati e l'infrastruttura server. Forniranno inoltre le soluzioni infrastrutturali necessarie per la gestione degli impianti di riscaldamento, come sensori, contatori e termostati per radiatori programmabili a distanza. L'accesso ai dati storici di monitoraggio provenienti dagli edifici esistenti sarà essenziale per ottimizzare gli algoritmi esistenti e quelli di nuova concezione. Inoltre, i partner installeranno praticamente sensori di archiviazione dati aggiuntivi per soddisfare le esigenze di ricerca del progetto. I principali risultati attesi sono la dimostrazione e l'implementazione dell'Approccio di Gestione Predittiva del Modello per l'ottimizzazione della gestione degli impianti di riscaldamento integrandola nei sistemi di gestione degli edifici sperimentali. Questo approccio utilizzerà modelli basati sull'analisi dei dati e nuove architetture di reti neurali, consentendo lo sviluppo di soluzioni facilmente scalabili con un potenziale significativo per migliorare il clima interno e l'efficienza energetica senza investimenti significativi in risorse. Inoltre, l'analisi dei regimi nella rete di condotte di riscaldamento (dalla fonte di calore all'edificio) e le relative perdite di calore, nonché l'inclusione di previsioni meteorologiche, contribuiranno a ottimizzare e pianificare regimi di temperatura del vettore termico più efficienti. Ciò contribuirà anche a un uso più efficiente dell'energia e alla riduzione delle perdite di calore. Il progetto corrisponde all'area di specializzazione intelligente RIS3 "Energia e mobilità intelligenti" e alla priorità di crescita RIS3 3 "Migliorare l'efficienza energetica, compresa la creazione di nuovi materiali, l'ottimizzazione dei processi produttivi, l'introduzione di innovazioni tecnologiche, l'uso di fonti energetiche alternative e altre soluzioni". I risultati del progetto contribuiranno allo sviluppo del settore economic
