Artificiële intelligentie helpt slim ventileren

door Patrick Pilat
445 views
Hopelijk binnen afzienbare tijd weer meer studenten op de PXL-Green & Tech-campus. Dankzij de slimme ventilatie aangestuurd op basis van machine learning kan dat perfect. Foto: Beckhoff

Als de studenten hoger onderwijs binnenkort hopelijk weer meer lessen mogen volgen op hun campus, dan zijn goed geventileerde leslokalen van cruciaal belang. De PXL-opleiding Elektromechanica speelt daarvast op in door meer en meer lokalen op een slimme manier te ventileren, gebruikmakend van artificiële intelligentie.

Patrick Pilat, PXL-opleidingshoofd Elektromechanica: “Muffe lucht en een hoog CO2-gehalte in een leslokaal – hoger dan de gangbare maximumnorm van 900 ppm (parts per million) – is sowieso een probleem. Studenten krijgen er hoofdpijn van en hun concentratie verslapt. Nu in coronatijden komt daar uiteraard nog het veiligheidsaspect bij. Als een lokaal slecht geventileerd wordt, vergroot het risico op COVID-19-overdracht en dus op nieuwe besmettingen.”

Anticiperen in plaats van reageren

Binnen de PXL-opleiding Elektromechanica werd een geavanceerde regeling ontwikkeld om het CO2-gehalte in een leslokaal op een energie-efficiënte manier te optimaliseren. De regeling maakt gebruik van artificiële intelligentie om de CO2-waarde te voorspellen. Op die manier kan de sturing anticiperen in plaats van te reageren. Het kloppend hart van het systeem is een plc van Beckhoff Automation, een soort van industriële minicomputer die de data verzamelt en op basis van de output van het model de ventilatie aanstuurt.

‘Smart Buildings’ is een opleidingsonderdeel binnen de PXL-opleiding Elektromechanica. Het eigen gebouw wordt er dankbaar gebruikt als ‘living lab’ om nieuwe technologieën te implementeren en experimenten te doen. “In 2016 zijn we gestart met een project om heel het gebouw te monitoren”, aldus Patrick Pilat. “Meterstanden van elektriciteit, gas en water worden automatisch uitgelezen en opgeslagen in de cloud. Daarnaast hebben we sensoren geplaatst om in de lokalen de temperatuur en CO2 te meten. Daaruit bleek al snel dat de CO2-waarden soms ver boven de norm lagen, met alle nadelen van dien.”

Daarom werd een project gestart om in één van de leslokalen een sturing te ontwikkelen die het CO2-gehalte onder de norm van 900 ppm houdt. Er werden extra sensoren en raamcontacten geplaatst en er werd een Beckhoff-plc geïnstalleerd om de ventilatie aan te sturen. Voordeel van de industriële controllers van Beckhoff Automation is dat ze als open platform veel meer mogelijkheden bieden om verschillende systemen met elkaar te integreren en op elkaar af te stemmen.

Machine learning

Het verlagen van de CO2-concentratie in de lucht is op zich vrij eenvoudig, want de enige oplossing is meer ventileren. De uitdaging is evenwel om dat op een energie-efficiënte manier te doen. In de toepassing die PXL ontwikkelde om het CO2-niveau in het leslokaal te regelen, speelt artificiële intelligentie – machine learning in dit geval – een cruciale rol.

Patrick Pilat: “Via machine learning maakt onze sturing op basis van een hele rits parameters een voorspelling van de CO2-waarde over één uur en over twee uur. In die voorspellingen wordt bijvoorbeeld rekening gehouden met binnen- en buitentemperatuur, met de lessenroosters en het verwachte aantal studenten, en met de huidige CO2-waarde en de waardes die opgemeten werden in het verleden. Doordat het systeem zichzelf om de 10 minuten bijstuurt, slaagden we er – ook in pre-coronatijden – in om zelfs in goed gevulde leslokalen vrijwel nooit boven die 900 ppm-maximumnorm te gaan. Zo blijft onze klaslucht dus continu gezond.”

Het gebruikte model heet Boosted Decision Tree, een van de machine learning tools die worden aangeboden in het Azure platform van Microsoft. Het model voorspelt het CO2-gehalte door de situatie op een bepaald moment te vergelijken met historische data. De situatie is een dataset die meetwaarden van de plc omvat, aangevuld met data uit IT-systemen zoals de uurroosters van de studenten.

Determinatiecoëfficiënt

“In de uurroosters kan het model zien hoeveel groepen er les hebben, zodat het een inschatting kan maken van het aantal studenten die aanwezig zullen zijn”, zegt Patrick Pilat. “Bij dit soort van artificiële intelligentie wordt de waarde van het model beoordeeld op zijn determinatiecoëfficiënt. In ons geval bedraagt die 83%. Dat is voldoende om vrij nauwkeurige voorspellingen te doen.”

In de praktijk vergt de uitleg over het voorspellen van het CO2-niveau wel enige nuance, want de bedoeling van de sturing is om het niveau steeds onder de limiet van 900 ppm te houden en er dus voor te zorgen dat de voorspelling niet uitkomt wanneer die hoger zou zijn.

“We zijn gestart met een eenvoudige sturing in de plc om de data te verzamelen die gebruikt werd om het model te trainen, legt Patrick Pilat uit. “De voorspelling van het model is de waarde die we bij die oude regeling zouden krijgen. De nieuwe sturing kan zich op basis van die voorspelling aanpassen om beter te doen. In principe zouden we het model nu opnieuw kunnen trainen met nieuwe data om het model nog preciezer te maken.”

Gwen Vanheusden en Patrick Pilat. Foto: Beckhoff

Integratie van de verschillende systemen

De resultaten van het project zijn behoorlijk indrukwekkend Terwijl de CO2-concentratie aanvankelijk soms kon oplopen tot 6000 ppm, wordt de norm van 900 ppm nu nog maar zelden overschreden. Bovendien wordt het betreffende leslokaal, dat plaats biedt aan 70 studenten, nu meer gebruikt dan vroeger, zonder een stijging van het energieverbruik te veroorzaken.

Daarom werd beslist om het project uit te breiden en de volledige vleugel van het gebouw via de Beckhoff-controller aan te sturen. “Daarbij gaan we niet alleen de ventilatie regelen, maar ook de verwarming”, zegt Gwen Vanheusden, lector automatisering en projectmedewerker. “Zoals in veel gebouwen bepaalt de huidige regeling van de verwarming de temperatuur van het circuit per vleugel, in functie van de windrichting. Die regeling gaan we in eerste instantie behouden, maar wel aanvullen door de kranen op de radiatoren via de plc aan te sturen. Zo kan de verwarming uitgezet worden in lokalen die niet gebruikt worden. Het model met machine learning zal net als bij de ventilatie kunnen bepalen wanneer de radiatoren weer aangezet moeten worden.”

Bedoeling is een verregaande integratie van de verschillende systemen, mogelijk gemaakt door de Beckhoff-controller. Zo zal de sturing de verwarming bijvoorbeeld kunnen verminderen op momenten dat er maximaal geventileerd wordt. Die ventilatie kan ook verder opgedreven worden door de sturing van de verschillende lokalen aan elkaar te koppelen. Op momenten dat leslokalen niet geventileerd moeten worden, kan die capaciteit bijvoorbeeld mee ingeschakeld worden voor de verluchting van het atrium. “De idee van het gebouw als living lab wordt zo nog verder doorgetrokken, met een verhoging van het comfort en als bonus een besparing op de energiefactuur.”

Contact: patrick.pilat@pxl.be

Lees ook dit HBVL-artikel:

Artificiële intelligentie helpt PXL-lokalen slim ventileren

Aanbevolen berichten

PXL eXperts gebruikt cookies om uw surfervaring makkelijker te maken. Door verder gebruik te maken van deze website ga je hiermee akkoord. OK Lees meer