Les bâtiments représentent actuellement 40 % de la consommation d'énergie finale de l'UE et 36 % de ses émissions de gaz à effet de serre liées à l'énergie. Cependant, 75 % des bâtiments de l'UE ne sont toujours pas efficaces sur le plan énergétique. Dans ce contexte, le projet "Artificial Intelligence For Energy Saving In Hotels" vise à mettre en œuvre un système d'intelligence artificielle pour le contrôle de la température dans les hôtels, afin d'économiser de l'énergie et d'optimiser le confort thermique des clients.
Le projet se concentre sur trois aspects clés : les variables qui affectent le confort thermique des clients, les variables sur lesquelles il est possible d'agir (telles que les systèmes de contrôle thermique du bâtiment, y compris les refroidisseurs) et le développement d'une IA qui gère l'ensemble du système d'une manière efficace sur le plan énergétique. Pour ce faire, des données environnementales externes, des données provenant des systèmes internes de l'hôtel et des données d'occupation ont été analysées, prenant en compte un total de près de 400 variables.
Entreposage frigorifique
Refroidisseurs
Ces données sont consolidées dans un système de gestion des bâtiments (BMS) qui permet un fonctionnement centralisé des systèmes énergétiques. L'IA peut ainsi intervenir automatiquement sur les systèmes énergétiques de l'hôtel et optimiser leur fonctionnement en temps réel. Pour compléter cette numérisation, des capteurs de température, d'humidité, de rayonnement solaire et de capacité ont été installés dans les différentes zones de l'hôtel.
Un aspect crucial de cette approche est la prise en compte de la saisonnalité des variables pour comprendre la dynamique thermique, que l'IA utilise pour optimiser la consommation d'énergie. Cette optimisation est obtenue par l'approximation d'une formule de confort thermique conçue spécifiquement pour l'hôtel, ce qui permet à l'IA de traduire les données en mesures concrètes qui maximisent le confort des utilisateurs tout en minimisant la consommation d'énergie.
Il est important d'observer la saisonnalité de ces variables afin de comprendre la dynamique thermique qui se produit et que l'IA mettra à profit pour optimiser la consommation d'énergie.
L'utilisation de la dynamique se fait par l'approximation de la formule de confort thermique conçue pour l'hôtel dans une illustration simplifiée :
Cette température intérieure résultant d'une combinaison de différents facteurs peut se traduire par un confort pour les utilisateurs.
Le projet prévoit également la collecte de données sur la sensation thermique des utilisateurs au moyen de formulaires comportant des codes QR. Ces informations permettent à l'IA d'apprendre et d'évoluer en fonction des préférences et des besoins des clients de l'hôtel.
La mise en œuvre du système SCADA intégré à la GTB du bâtiment a permis une surveillance et un contrôle efficaces des systèmes énergétiques, fournissant aux équipes de maintenance un outil centralisé pour gérer les systèmes et collecter des données en temps réel. La plateforme Airen Zero, intégrée au modèle d'IA et aux services externes tels que AEMET, s'est avérée capable de gérer et de traiter les données en temps réel, générant des programmes optimaux pour l'utilisation des systèmes CVC de l'hôtel. Un exemple clair est la gestion du système de refroidissement dans la salle à manger, où l'IA ajuste le régime de fonctionnement des systèmes énergétiques en fonction de l'occupation et de l'historique de consommation, atteignant un équilibre parfait entre le confort et l'efficacité énergétique.
Comme l'optimisation est produite en tirant parti des inerties thermiques, l'IA génère une planification en fonction des prévisions pour le lendemain et des modèles de données historiques.
Un exemple clair de l'efficacité de l'IA dans l'optimisation énergétique est la gestion du système de climatisation dans la salle à manger de l'hôtel. Cette zone a des horaires d'occupation bien définis, ce qui permet à l'IA d'ajuster avec précision le régime de fonctionnement des systèmes énergétiques, non seulement pendant la période d'occupation, mais aussi avant et après.
En analysant les habitudes d'utilisation et l'inertie thermique de la cantine, l'IA peut prédire avec une grande précision quand il est nécessaire de démarrer ou de réduire l'activité des systèmes de refroidissement. Par exemple, si l'IA détermine que la demande de refroidissement sera minimale dans les dernières minutes de fonctionnement, elle peut programmer l'arrêt progressif des systèmes de refroidissement jusqu'à 30 minutes avant la fermeture de la salle à manger. Cet ajustement intelligent garantit que le confort des convives n'est pas affecté, car l'environnement est maintenu dans des plages de température optimales pendant la période d'utilisation. En même temps, une réduction significative de la consommation d'énergie est obtenue, car le système évite les dépenses d'énergie inutiles pendant les périodes de faible demande.
Cette approche permet non seulement de réduire la consommation d'énergie, mais aussi de prolonger la durée de vie des équipements en minimisant les cycles marche/arrêt, optimisant ainsi le fonctionnement du système dans son ensemble. Le résultat est un équilibre idéal entre l'efficacité énergétique et le confort, ce qui se traduit par un fonctionnement plus durable et plus rentable pour l'hôtel.
Ce projet, développé par Substrate AI en collaboration avec plusieurs institutions et experts en intelligence artificielle, s'est non seulement avéré être une solution innovante pour améliorer l'efficacité énergétique, mais a également permis de ne pas compromettre le confort thermique des occupants de l'hôtel Poseidon Playa à Benidorm, établissant ainsi une nouvelle norme en matière de gestion de l'énergie dans l'hôtellerie.
FR 
ES 
EN 