Pompy ciepła i sztuczna inteligencja. Stara potrzeba, nowe narzędzia

Pompa ciepła przechodzi długą drogę: od zaprojektowania i produkcji, przez dobór i montaż w budynku, aż po uruchomienie, wieloletnią pracę i serwis. Na każdym z tych etapów można coś usprawnić, także za pomocą różnych form sztucznej inteligencji.

Co właściwie oznacza „inteligencja”

- O prawdziwej sztucznej inteligencji można mówić wtedy, gdy system uczy się na podstawie doświadczenia, rozpoznaje wzorce, których nikt wprost nie zaprogramował i potrafi dostosować się do nowych sytuacji. Wiele systemów reklamowanych jako „inteligentne” działa jednak według sztywnych reguł. Wykonują one z góry zaprogramowane polecenia, na przykład podnoszą o stałą wartość temperaturę zasilania (czyli temperaturę wody płynącej do grzejników lub ogrzewania podłogowego), gdy temperatura zewnętrzna spadnie poniżej określonego progu. Takie sterowanie to automatyka, a nie AI - mówi dr Marek Miara z Heat Pumps Watch.

Różnica między tymi podejściami jest zasadnicza. Systemy oparte na regułach działają według z góry określonej logiki. Systemy uczące się same, wychwytują zależności w danych i zmieniają swoje działanie bez programowania każdego kroku.

1. Projektowanie i produkcja

Przy projektowaniu urządzenia chodzi o to, by wydobyć z komponentów jak najwięcej. Zwłaszcza w przypadku wymienników ciepła i sprężarek konstruktorzy szukają idealnego kształtu. Muszą sprawdzić niezliczone kombinacje kształtów i kątów. Tradycyjnie opierają się przy tym na wieloletnim doświadczeniu i krok po kroku sprawdzają kolejne warianty w symulacjach komputerowych, aż uzyskają zadowalający wynik. Pomocne mogą być tu metody AI. Algorytmy analizują wyniki setek tysięcy symulacji i szukają w nich zależności, na które człowiek, kierując się intuicją, mógłby nie wpaść. Potrafią też zamienić wyniki tak wielu obliczeń w jeden prosty wzór, który potem pozwala błyskawicznie oszacować wynik dla nowego przypadku. Fachowo nazywa się to regresją symboliczną.

- Naukowcy z Politechniki Federalnej w Lozannie (EPFL) wykorzystali to podejście do szybkiego doboru wymiarów nowego rodzaju bardzo małych, wydajnych sprężarek do pomp ciepła. Uzyskane wzory dają wynik około 1500 razy szybciej niż szczegółowe obliczenia. Zastosowanie tych sprężarek zamiast dzisiejszych rozwiązań może natomiast obniżyć zapotrzebowanie pompy ciepła na energię elektryczną o 20–25 procent. Te metody coraz częściej trafiają do prac badawczo-rozwojowych - wyjaśnia dr Marek Miara z Heat Pumps Watch.

AI w produkcji wykorzystuje się przede wszystkim do kontroli jakości. Mikropęknięcia w połączeniach lutowanych, odchylenia w położeniu czujników czy nieregularności w wymiennikach ciepła trudno dostrzec gołym okiem, a mogą skrócić żywotność urządzenia. Systemy rozpoznawania obrazu, wytrenowane na tysiącach opisanych przykładów, wykrywają takie wady skuteczniej niż pracownicy kontroli jakości. W nowoczesnej produkcji przemysłowej to już standard.

2. Dobór urządzenia

Zanim pompa ciepła zostanie zamontowana, trzeba dobrać jej moc. Ile ciepła potrzebuje dany budynek? Od odpowiedzi na to pytanie zależy powodzenie całej instalacji.

Gdy zainstalowana moc wyraźnie przekracza rzeczywiste potrzeby, urządzenie często pracuje tylko z niewielką częścią swojej mocy albo co chwilę się włącza i wyłącza. Może to obniżać efektywność i przyspieszać zużycie. Przyczyn takiego stanu rzeczy jest kilka. Obliczenia według norm zakładają warunki, które występują tylko przez kilka godzin w roku. Do tego trudno przewidzieć, jak mieszkańcy będą faktycznie korzystać z ogrzewania. W efekcie obliczone zapotrzebowanie na ciepło rozmija się z rzeczywistym. W Polsce wartości temperatury zewnętrznej przyjmowane do obliczeń mają około pół wieku i nie odpowiadają już obecnemu klimatowi.

Pomóc mogłyby tu systemy uczące się na doświadczeniach z tysięcy działających instalacji. Mogłyby one trafniej wskazywać, jaka moc i konfiguracja pompy ciepła sprawdziły się najlepiej w podobnych budynkach. Modele oparte na danych z praktyki uzupełniałyby obliczenia według norm, a nie je zastępowały.

3. Montaż

Na etapie montażu wciąż zdarzają się błędy, które obniżają późniejszą efektywność i powodują niepotrzebne koszty.

- Prawdziwe zastosowania AI na tym etapie są rzadkie. Projekty badawcze sprawdzają rozwiązania samouczące się. W duńskim projekcie CEDAR powstaje system, który na podstawie danych pomiarowych tworzy wirtualny model instalacji, tak zwanego cyfrowego bliźniaka. Następnie sam, metodą prób i oceny skutków, szuka najlepszych ustawień pompy ciepła. Celem jest rozwiązanie typu „zainstaluj i zapomnij”, przy którym po montażu nie trzeba niczego ręcznie dostrajać, także w już działających instalacjach. Zuryski Uniwersytet Nauk Stosowanych (ZHAW) prowadził z kolei projekt dotyczący automatyzacji uruchamiania pomp ciepła - wyjaśnia dr Marek Miara z Heat Pumps Watch

Obecnie o jakości instalacji wciąż decyduje przede wszystkim staranna praca dobrze przeszkolonych instalatorów.

W tym przypadku badania pokazują, że „prawdziwa” AI może realnie pomóc. Sieć neuronowa (rodzaj programu, który uczy się na podstawie danych) obserwuje budynek przez kilka dni. Rejestruje, jak szybko wychładzają się pomieszczenia, jak mocno nagrzewa je słońce i kiedy pracuje ogrzewanie. Na tej podstawie uczy się, jak budynek zachowuje się pod względem cieplnym, bez potrzeby wprowadzania do niej wzorów z fizyki budowli. Dzięki temu system może sterować z wyprzedzeniem. Przewiduje popołudniowe zyski ciepła od słońca, rozpoznaje powtarzające się schematy korzystania z budynku i odpowiednio dostosowuje ogrzewanie.

Niemiecki instytut Fraunhofer ISE wraz z partnerami z przemysłu i nauki stworzył i przetestował taki samouczący się regulator. W symulacjach pozwolił on zaoszczędzić od 5 do 13 proc. energii w porównaniu ze standardową krzywą grzewczą, a jednocześnie poprawił komfort. Pierwszy, tygodniowy test w rzeczywistym budynku potwierdził działanie regulatora.

Wiele systemów określanych jako „samouczące się” opiera się jednak wyłącznie na przyzwyczajeniach użytkownika. System zapamiętuje, kiedy użytkownik ręcznie zmienia temperaturę i powtarza ten harmonogram. To funkcja znana z programowalnych termostatów, a nie wykorzystanie sztucznej inteligencji.

4. Uruchomienie

Po montażu trzeba odpowiednio skonfigurować regulację pompy ciepła. Najważniejszym parametrem jest tzw. krzywa grzewcza. Określa ona, jaka powinna być temperatura zasilania przy danej temperaturze zewnętrznej. W praktyce krzywą ustawia się zwykle raz, przy uruchomieniu, i później już się jej nie zmienia, choć powinno się ją sprawdzać i w razie potrzeby korygować.

Problem polega na tym, że krzywa grzewcza często już od początku nie jest ustawiona optymalnie, najczęściej zbyt wysoko i zbyt stromo. Oznacza to, że temperatura zasilania jest wyższa niż wymaga tego budynek, a przy spadku temperatury na zewnątrz ta różnica jeszcze rośnie. Instalatorzy ustawiają bowiem krzywą zwykle z zapasem, aby mieszkańcom na pewno nie było zimno. W efekcie pompa ciepła przez większą część sezonu pracuje z zawyżoną temperaturą zasilania, co obniża jej efektywność.

Do tego budynki się zmieniają. Nowe okna wpływają na zapotrzebowanie na ciepło, kolejni mieszkańcy mają inne przyzwyczajenia, a materiały budowlane z czasem się starzeją. Raz ustawiona krzywa grzewcza nie dostosowuje się do tych zmian automatycznie.

5. Eksploatacja

W codziennej pracy pompy ciepła coraz częściej stosuje się sterowanie, które korzysta z matematycznego modelu budynku. Na jego podstawie system z wyprzedzeniem oblicza, jak zmiany w pracy ogrzewania wpłyną na temperaturę w pomieszczeniach. Fachowo takie podejście nazywa się sterowaniem predykcyjnym opartym na modelu (ang.Model Predictive Control, MPC). MPC pozwala optymalizować pracę pompy ciepła, np. uwzględniać ceny energii elektrycznej i lepiej wykorzystywać prąd z własnej instalacji fotowoltaicznej. To jednak dopiero najprostsze zastosowanie. Znaczenie tej metody będzie rosło w miarę, jak pompa ciepła będzie coraz ściślej współpracować z innymi urządzeniami w domu, takimi jak magazyny energii czy samochody elektryczne. Trzeba będzie wtedy zgrać ze sobą pracę wielu urządzeń, ceny prądu i potrzeby mieszkańców, a do tego MPC nadaje się szczególnie dobrze.

- W badaniu przeprowadzonym w niskoenergetycznym budynku biurowym w Niemczech, takie sterowanie obniżyło w tygodniowym teście koszty energii o 40 proc. Pompa ciepła pracowała głównie wtedy, gdy prąd był tani, a ciepło gromadziła na zapas w zbiorniku. Według przyjętego w badaniu wskaźnika jej praca była przy tym o 13 proc. korzystniejsza dla sieci elektroenergetycznej. Efektywność samej pompy ciepła (COP) spadła natomiast z 7,6 do 6,0, bo ciepło trzeba było magazynować w wyższej temperaturze. Opłaca się to wyłącznie przy taryfie, w której cena prądu zmienia się w ciągu doby. Nie jest to jednak sztuczna inteligencja w ścisłym znaczeniu, lecz optymalizacja matematyczna. Metoda ta jest stosowana w przemyśle od lat 80. XX wieku i od dawna się sprawdza. AI z definicji ma odkrywać reguły, których wcześniej nikt nie znał – mówi dr Marek Miara z Heat Pumps Watch.

W przyszłości granica ta będzie się jednak zacierać. Przygotowanie dokładnego modelu każdego budynku jest pracochłonne, dlatego badacze pracują nad tym, aby zastąpić go modelem, którego system uczy się sam na podstawie danych pomiarowych. Na tej zasadzie działa opisany wcześniej regulator z projektu AI4HP. Połączenie sterowania predykcyjnego z uczeniem maszynowym jest już wykorzystaniem AI, a jego znaczenie będzie rosło wraz z liczbą urządzeń, które trzeba ze sobą zgrać.

Gdzie prawdziwa AI sprawdza się w eksploatacji?

Inną drogą idzie tzw. uczenie przez wzmacnianie. System sam wypróbowuje różne strategie i ocenia ich skutki. Czy temperatura była komfortowa? Czy zużycie prądu było niskie? Z czasem uczy się, jakie działania w jakich sytuacjach dają najlepsze wyniki, choć nikt nie podał mu tych reguł.

Konkretnym przykładem jest sterowanie odszranianiem. W pompach ciepła powietrze-woda przy temperaturze zewnętrznej w okolicach zera i dużej wilgotności powietrza na parowniku (wymienniku, który pobiera ciepło z powietrza) osadza się szron i lód, które trzeba regularnie usuwać. Tradycyjne systemy robią to najczęściej w stałych odstępach czasu albo przy określonej temperaturze. System uczący się sam znajduje najlepszy moment, ani za wcześnie (marnowanie energii), ani za późno (spadek efektywności i mocy grzewczej).

6. Serwis

Gdy pompa ciepła nie pracuje optymalnie, często wychodzi to na jaw dopiero przy rachunku za prąd albo przy całkowitej awarii. Narastające powoli problemy, takie jak stopniowy ubytek czynnika chłodniczego, zabrudzony wymiennik ciepła czy zużywający się zawór, długo pozostają niezauważone. System, który nauczył się, jak wygląda prawidłowa praca danej pompy ciepła, potrafi wykryć odchylenia. Wie, jak zwykle zależą od siebie temperatura i ciśnienie w obiegu chłodniczym oraz ile prądu pobiera sprężarka w określonych warunkach. Gdy te zależności powoli się zmieniają, wskazuje to na problem, często na tygodnie lub miesiące przed tym, zanim sterownik zgłosi błąd.

Badania są już zaawansowane

Przegląd 230 publikacji naukowych na temat zastosowania AI w budynkach wymienia wykrywanie i diagnostykę usterek wśród obszarów, w których AI przewyższa metody tradycyjne. Systemy oparte na uczeniu głębokim (szczególnie rozbudowanych sieciach neuronowych) osiągają w automatycznej diagnostyce usterek instalacji grzewczych, wentylacyjnych i klimatyzacyjnych bardzo wysoką trafność.

Szczególnie obiecujące jest wykrywanie ukrytych usterek, które nie powodują nagłej awarii, ale obniżają efektywność. Może to być lekko zabrudzony wymiennik ciepła, zacinający się zawór albo starzejąca się sprężarka. Prawdziwą wartością jest rozpoznanie takich problemów, zanim będą podnosić rachunki albo przerodzą się w poważną usterkę.

Krok dalej idzie przewidywanie, kiedy dany komponent prawdopodobnie ulegnie awarii. Niektóre elementy, np. części elektroniki sterującej pracą sprężarki czy zawór przełączający obieg podczas odszraniania, zużywają się w charakterystyczny sposób. Rozpoznanie tych wzorców pozwala zaplanować wymianę części tak, aby uniknąć zarówno niepotrzebnych kosztów, jak i nieplanowanej awarii.

W przemyśle takie systemy są już standardem. W przypadku domowych pomp ciepła wciąż są na etapie rozwoju, ale ich potencjał jest duży.

7. Współpraca z siecią elektroenergetyczną: obszar przyszłości

Pompy ciepła będą odgrywać coraz ważniejszą rolę w sieci elektroenergetycznej. Wytworzone przez nie ciepło można magazynować w samym budynku, wykorzystując jego masę termiczną, czyli zdolność ścian i stropów do gromadzenia ciepła. Można je też gromadzić w zasobniku ciepłej wody użytkowej lub w zbiorniku buforowym. Dzięki temu pompa ciepła nie musi pracować dokładnie wtedy, gdy potrzebne jest ciepło, i może pomagać w łagodzeniu szczytów zapotrzebowania na prąd.

Pokazuje to brytyjski projekt LATENT prowadzony przez Uniwersytet w Southampton. W badaniu terenowym w 30 domach pompy ciepła były zdalnie wyłączane lub ograniczane w godzinach największego obciążenia sieci, każdorazowo na 30 minut do 2 godzin. Pobór mocy spadł średnio o około 88 proc., temperatura w pomieszczeniach obniżyła się najwyżej o ok. 0,8 st. C, a mieszkańcy bardzo rzadko korzystali z możliwości wyłączenia zdalnego sterowania. Sterowanie opierało się przy tym na prostych regułach, a nie na AI.

Aby takie przesuwanie poboru prądu w czasie działało na dużą skalę, dłużej i bez utraty komfortu, potrzebne jest sterowanie z wyprzedzeniem. System musi wiedzieć, jaka będzie pogoda, kiedy mieszkańcy wrócą do domu i jak będą się zmieniać ceny prądu. Wtedy może wcześniej dogrzać budynek, gdy energii jest dużo i jest tania, a wstrzymać pracę, gdy sieć jest mocno obciążona. Tu właśnie połączenie sterowania predykcyjnego z uczeniem maszynowym może wnieść realny wkład.