Tecnología de control por IA para mejorar el coeficiente de rendimiento de las bombas de calor aerotérmicas

Científicos de la Universidad Nacional de Pusan (Corea del Sur) han desarrollado un sistema de lógica de control óptimo (LCO) basado en una red neuronal artificial (RNA) para optimizar el rendimiento y el funcionamiento de las bombas de calor con fuente de aire (ASHP, por sus siglas en inglés). La tecnología propuesta ofrece la ventaja de obviar la necesidad de controlar el compresor de la bomba de calor.

En el artículo “Performance improvement of air-source heat pump via optimum control based on artificial neural network” (Mejora del rendimiento de la bomba de calor aerotérmica mediante un control óptimo basado en una red neuronal artificial), publicado en Energy Reports, el grupo coreano explica que el sistema LCO es capaz de identificar los parámetros que aumentan el rendimiento del sistema, sin cambiar los componentes principales del mismo, lo que a su vez reduce los costos del sistema.

“Se desarrolló un modelo de RNA para evitar errores de sobreajuste, mediante la construcción de un conjunto de datos de entrenamiento en forma de datos de carga de series temporales sintéticas”, añadieron, señalando que los errores de sobreajuste se producen cuando el modelo se ajusta demasiado al conjunto de datos de entrenamiento. “Los algoritmos de aprendizaje automático pueden ofrecer buenas predicciones sobre los datos utilizados para entrenar el modelo, pero pueden verse limitados por el sobreajuste y no generalizar adecuadamente en función de los nuevos datos”.

Los modelos anteriores para optimizar las ASHP se basaban en controlar el compresor, lo que, según los científicos, no es una solución válida sobre el terreno, ya que los fabricantes de bombas de calor tienden a limitar esta función en sus productos. Su técnica de optimización, en cambio, se basa en el fluido de trabajo del lado secundario de la bomba de calor, que puede controlarse tras realizar pequeños cambios en un sistema estándar.

En una bomba de calor, el refrigerante secundario es el fluido que actúa como intermediario para transferir calor entre el refrigerante primario y el espacio que hay que calentar o enfriar. Los investigadores utilizaron agua como refrigerante secundario controlado por la RNA.

Para entrenar el modelo, los científicos le proporcionaron unos 762.000 puntos de datos basados en un sistema ASHP real situado en un edificio de la ciudad surcoreana de Busan. A continuación, los datos se verificaron utilizando unos 254.000 puntos de datos de la misma instalación, y luego se probaron con un número idéntico de puntos de datos.

Los académicos compararon el rendimiento de la ASHP asistida por inteligencia artificial (IA) con el de una ASHP de referencia sin la RNA. Descubrieron que la novedosa técnica de control puede ayudar a mejorar significativamente el coeficiente de rendimiento (COP) de la bomba de calor. “La mejora del rendimiento energético de los modelos óptimos con respecto a los modelos convencionales fue: 1,52% y 3,58% para el COP del sistema de refrigeración y calefacción, respectivamente, y 0,76% y 0,81% para el COP de la bomba de calor”, especificaron.

Los investigadores también realizaron un análisis económico del sistema de bomba de calor modificado con IA. Según sus resultados, el tiempo de amortización de ese novedoso sistema es de 11,6 años, mientras que la vida útil del sistema es de 15 años, lo que, afirman, permite “recuperar la inversión inicial durante el ciclo de vida”.