UNIVERSIDAD CEU CARDENAL HERRERA

· Investigadores de la CEU-UCH han diseñado un módulo predictivo que, a partir de variables como la cantidad de CO2, el número de habitantes o el ambiente exterior, “aprende” a predecir las temperaturas de una vivienda en pocos días para optimizar su

· La es responsable de más de la mitad del consumo de energía en los hogares, suponiendo de media el 53,9% del consumo total

· La investigación ha sido publicada en el Journal of Energy and Buildings, una de las diez mejores revistas a nivel internacional en el ámbito de las tecnologías eficientes en la edificación

Investigadores del Grado en Ingeniería Informática de Sistemas de Información de la Universidad CEU Cardenal Herrera han desarrollado un módulo, basado en redes neuronales artificiales, que permite predecir la temperatura de los hogares y ajustar la climatización en función de esta predicción, para que el consumo energético sea más eficiente. El módulo, que combina sistemas microchip y técnicas de inteligencia artificial, ha sido desarrollado por los investigadores Juan Pardo, Francisco Zamora, Pablo Romeu y Paloma Botella, del Grupo ESAI (Embedded Systems and Artificial Intelligence) de la CEU-UCH. Sus resultados, aplicables a la eficiencia en , han sido publicados en el Journal of Energy and Buildings, una de las diez mejores revistas a nivel internacional en el ámbito de las tecnologías de la construcción, y ha recibido en Madrid el Premio Ángel Herrera a la Mejora Labor de Investigación en el Área Politécnica, el pasado 22 de enero.

La climatización es responsable de más de la mitad del consumo de energía en los hogares, suponiendo de media el 53,9% del consumo total. Predecir la temperatura es la mejor forma de optimizar la energía necesaria para aclimatar una vivienda, puesto que, como explica el investigador de la CEU-UCH Juan Pardo, “la energía requerida para mantener la temperatura en un hogar es menor que la que hace falta para bajarla o subirla”. El módulo predictivo diseñado por el Grupo ESAI de la CEU-UCH reúne parámetros como la cantidad de CO2, el número de personas que habitan la vivienda o la temperatura exterior. “Estos son algunos de los datos que registra el módulo para prever cuándo conviene activar el aire acondicionado o la calefacción o anticipar un posible exceso de consumo y ser así más eficientes: reducimos la factura de la luz y al mismo tiempo respetamos más el medio ambiente, todo ello de forma automática”, señala Juan Pardo, director del Departamento de Ciencias Físicas, Matemáticas y de la Computación de la CEU-UCH.

Redes neuronales artificiales

El módulo diseñado por los investigadores de la CEU-UCH es un agente inteligente para la generación de predicciones, que trabaja a partir de los datos obtenidos mediante redes neuronales artificiales, implementadas en sistemas electrónicos de reducidas dimensiones, que se conectan entre sí de forma inalámbrica a través de una red de sensores instalada dentro de una vivienda. “Este formato permite reducir la cantidad de cableado que se instala dentro de un hogar, que también supone un considerable sobrecoste”, señala el profesor de la CEU-UCH Juan Pardo. Sobre los resultados experimentales obtenidos, el profesor Pardo destaca que “el modulo diseñado ha logrado precisión en la predicción en un tiempo de entrenamiento muy reducido: entre 4 y 5 días solamente. Las posibilidades de un sistema como este, capaz de aprender por sí mismo en un entorno nuevo y tan rápidamente, son inimaginables”.

Los resultados de la investigación del Grupo ESAI de la CEU-UCH, publicados en Journal of Energy and Buildings con el título “On-line learning of indoor temperature forecasting models towards energy efficiency”, tienen gran relevancia en el ámbito de los sistemas predictivos implantados en entornos desconocidos, en el ámbito del “aprendizaje online” a partir de la utilización de redes neuronales. “Lo habitual para este tipo de sistemas es que recurran a grandes bases de datos para poder identificar cuáles son los patrones de comportamiento que permitan su aprendizaje. Nuestro trabajo, sin embargo, ha consistido en introducir un dispositivo sin esa base de conocimiento o gran base de datos, en un entorno totalmente nuevo, logrando que en pocos días sea capaz de aprender de ese entorno y decirnos qué va pasar”, señala el profesor Pardo.

Domótica eficiente

Este estudio del Grupo ESAI se enmarca en un proyecto más amplio que, mediante la utilización de técnicas de inteligencia artificial, pretende desarrollar modelos de redes neuronales con propósitos predictivos a partir de la observación de los hábitos de consumo energético de los habitantes de una casa. De este modo, se pueden prever los ratios de energía consumida y llegar a un balance entre los niveles de confort mínimos y el consumo racional de energía.

Estos sistemas se han testado en la domótica de monitorización de la vivienda SMLsystem, una casa autosuficiente mediante el consumo exclusivo de energía solar diseñada por los alumnos de Arquitectura de esta Universidad. Con la SMLsystem, la CEU-UCH compitió en el concurso Solar Decathlon Europe 2012, en el que participan las universidades que desarrollan la mejor tecnología en materia de construcción sostenible y uso eficiente de la energía a nivel mundial. “De este proyecto se han podido recoger grandes cantidades de datos que han servido para el estudio experimental llevado a cabo en la investigación ahora publicada”, señala Juan Pardo.

Grupo ESAI

El grupo de investigación ESAI (Embedded Systems and Artificial Intelligence Group), que lidera el profesor Juan Pardo, está integrado por miembros del Departamento de Ciencias Físicas, Matemáticas y de la Computación de la CEU-UCH, que desarrollaban su investigación tanto en esta Universidad como en grupos externos asociados a otras universidades, principalmente la Universidad Politécnica de Valencia y la Universidad de Valencia. Las áreas en las que desarrollan su labor investigadora están relacionadas con la inteligencia artificial, las técnicas estadísticas avanzadas, la optimización matemática, los dispositivos móviles y los sistemas empotrados de tiempo real, incorporando ahora a su trabajo el tratamiento masivo de datos o Big Data.

La empresa valenciana CETECK ya ha mostrado su interés en este último proyecto del Grupo ESAI, para la implementación de redes neuronales en redes inalámbricas de sensores y su aplicación en el campo de la , con el objetivo de desarrollar sistemas domóticos inteligentes que puedan ser implantados tanto en viviendas y edificios, como en ambientes industriales.

Este mismo grupo investigador ha desarrollado recientemente otro modelo predictivo aplicado a la salud: un algoritmo matemático que, implantado mediante un microchip en las personas que padecen epilepsia, permite predecir un ataque con veinte minutos de antelación. De este modo, estos pacientes solo tendrían que medicarse antes del ataque y no durante todo el día. Con este proyecto, el Grupo ESAI de la CEU-UCH acaba de obtener el tercer premio en el concurso internacional American Epilepsy Society Seizure Prediction Challenge, para científicos de datos o data scientists de todo el mundo.