Si les prévisions annoncent de la pluie, vous emporterez probablement un parapluie. S'il fait froid, vous pouvez apporter vos mitaines. Ce même genre de préparation se produit dans les bâtiments, où les systèmes sophistiqués de chauffage et de refroidissement s'ajustent en fonction des prévisions météorologiques.

Mais lorsque les prévisions sont imparfaites, comme c'est souvent le cas, les bâtiments peuvent finir par gaspiller de l'énergie, tout comme nous pouvons nous trouver mouillés, froid ou chargé de couches supplémentaires dont nous n'avons pas besoin.

Une nouvelle approche développée par Fengqi You, professeur en ingénierie des systèmes énergétiques à l'Université Cornell, prédit l'exactitude des prévisions météorologiques à l'aide d'un modèle d'apprentissage automatique formé avec des années de données sur les prévisions et les conditions météorologiques réelles. Vous avez combiné ce prédicteur avec un modèle mathématique qui prend en compte les caractéristiques du bâtiment, notamment la taille et la forme des pièces, les matériaux de construction, l'emplacement des capteurs et la position des fenêtres.

Le résultat est un système de contrôle intelligent qui peut réduire la consommation d'énergie jusqu'à 10 pour cent, selon une étude de cas menée par son équipe sur Toboggan Lodge, un bâtiment de près de 90 ans sur le campus de Cornell.

« Si le bâtiment lui-même pouvait être suffisamment « intelligent » pour connaître les conditions météorologiques, ou du moins en quelque sorte comprendre un peu plus les informations de prévisions météorologiques, il pourrait faire de meilleurs ajustements pour contrôler automatiquement ses systèmes de chauffage et de refroidissement pour économiser de l'énergie et rendre les occupants plus confortables, " tu as dit, dont le papier, "Une approche d'optimisation robuste basée sur les données pour le contrôle prédictif de modèles stochastiques basés sur des scénarios, " publié dans le Journal de contrôle de processus .

"Par exemple, si je sais que le soleil va se lever très bientôt, il va faire chaud, alors je n'ai probablement pas besoin de chauffer autant la maison. Si je sais qu'une tempête arrive ce soir, puis j'essaye de chauffer un peu pour garder un niveau confortable, " Vous avez dit. " Nous essayons de rendre le système énergétique intelligent, afin qu'il puisse prédire un peu l'avenir et prendre les décisions optimales."

Le premier auteur de l'article est Chao Shang, anciennement associé postdoctoral Cornell dans le laboratoire de You et maintenant professeur adjoint d'automatisation à l'Université Tsinghua. Une équipe d'étudiants en master a aidé à développer l'étude de cas Toboggan Lodge, en plus de collecter des années de données météorologiques et climatiques historiques pour former le modèle d'apprentissage automatique.

Avec ces informations, le modèle peut détecter l'incertitude non seulement dans la température mais dans les précipitations, la lumière du soleil et les différences de conditions selon l'emplacement. Sur la base du niveau d'incertitude de la prévision, le modèle s'ajuste en conséquence.

"Même le meilleur système de prévision météorologique ne vous donnera pas les informations les plus précises, " Vous avez dit. " De plus, les informations sur les prévisions météorologiques concernent généralement une certaine région mais pas un emplacement spécifique."

La combinaison des algorithmes d'apprentissage automatique et des méthodes de programmation mathématique crée un système de contrôle plus précis et "plus intelligent" que l'un d'eux ne le serait seul, Tu as dit. Le cadre a des applications potentielles dans les systèmes de contrôle des bâtiments et le contrôle de l'irrigation dans l'agriculture, et pourrait être utilisé pour un contrôle de l'environnement intérieur plus efficace dans les fermes verticales et les usines végétales qui sont de plus en plus populaires dans les grandes villes.

"Nous n'avons pas de moyen parfait de prévoir la météo, donc la meilleure chose que nous puissions faire est de combiner l'IA et la modélisation mécaniste, ", a-t-il déclaré. "Ces deux parties n'ont jamais été harmonisées de manière systématique auparavant pour le contrôle automatique et la gestion de l'énergie."