English
Intelligenza artificiale e GDO
Come l'Intelligenza Artificiale ha permesso l'ottimizzazione dei consumi di una GDO
Stefano Zanin - Evogy
Sommario
Vision: creare un futuro sostenibile attraverso l'uso intelligente dell'energia. Mission: digitalizzare il mondo dell'energia con IoT, Cloud Computing ed Intelligenza Artificiale. Team: esperti di diversi settori con l'obiettivo comune di rinnovare e rendere sostenibile il mondo dell'energia.
Virtualizzazione degli spazi
- Sensori in relazione con gli spazi che monitorano
- Uno spazio può ereditare i sensori degli spazi di livello maggiore. Nella sala di un building può esserci un unico sensore di CO2, ma diversi sensori di temperatura che individuano diverse aree; un'area può avere un sensore di CO2 dedicato
- Asset "guidato" da uno o più sensori: sensori specifici per l'asset (e.g. temperatura di mandata dell'aria di un'UTA); sensori slegati dall'asset (e.g. sonda di temperatura in ambiente per controllare un'UTA).
Caso studio
Le criticità nella GDO
- Gestione multisito
- Non omogeneità degli impianti
- Consumi considerevoli
- Mantenimento comfort ideale
- Customer experience
La GDO è responsabile di circa il 4% del totale dei consumi di energia elettrica nazionale.
- Gestione del freddo (banchi frigo + reparti di lavorazione interna)
- Illuminazione interna ed esterna
- Condizionamento (raffrescamento e riscaldamento)
Il cliente
- Catena di supermercati operante nella grande distribuzione organizzata, attiva da oltre 60 anni e con più di 160 punti vendita
- Progetto svolto su 3 punti vendita (ne sono previsti altri 12)
Necessità del cliente
- Garantire condizioni di comfort per clienti e dipendenti attraverso il controllo di temperatura, umidità e concentrazione di CO2 all'interno delle varie aree.
- Ricerca di soluzioni all'avanguardia e attenzione all'innovazione
- Saving energetico
Svolgimento del progetto
Fase 1: Digitalizzazione
Attività non invasive di installazione e interfacciamento sono state ridotte al minimo grazie alla presenza di un BMS (Building Management System), il quale ha facilitato la fase di raccolta dati.
Fase 2: Intelligenza Artificiale
1. Training degli algoritmi
2. Conduzione con algoritmi per:
- Regolazione dinamica dei setpoint di temperatura in ambiente
- Controllo della ventilazione e l'apertura delle serrande delle Unità di Trattamento Aria (UTA)
- Regolazione dinamica del ?T e delle climatiche
Risultati e vantaggi sono illustrati nella presentazione, il cui pdf è scaricabile qui sotto.
- Sensori in relazione con gli spazi che monitorano
- Uno spazio può ereditare i sensori degli spazi di livello maggiore. Nella sala di un building può esserci un unico sensore di CO2, ma diversi sensori di temperatura che individuano diverse aree; un'area può avere un sensore di CO2 dedicato
- Asset "guidato" da uno o più sensori: sensori specifici per l'asset (e.g. temperatura di mandata dell'aria di un'UTA); sensori slegati dall'asset (e.g. sonda di temperatura in ambiente per controllare un'UTA).
Caso studio
Le criticità nella GDO
- Gestione multisito
- Non omogeneità degli impianti
- Consumi considerevoli
- Mantenimento comfort ideale
- Customer experience
La GDO è responsabile di circa il 4% del totale dei consumi di energia elettrica nazionale.
- Gestione del freddo (banchi frigo + reparti di lavorazione interna)
- Illuminazione interna ed esterna
- Condizionamento (raffrescamento e riscaldamento)
Il cliente
- Catena di supermercati operante nella grande distribuzione organizzata, attiva da oltre 60 anni e con più di 160 punti vendita
- Progetto svolto su 3 punti vendita (ne sono previsti altri 12)
Necessità del cliente
- Garantire condizioni di comfort per clienti e dipendenti attraverso il controllo di temperatura, umidità e concentrazione di CO2 all'interno delle varie aree.
- Ricerca di soluzioni all'avanguardia e attenzione all'innovazione
- Saving energetico
Svolgimento del progetto
Fase 1: Digitalizzazione
Attività non invasive di installazione e interfacciamento sono state ridotte al minimo grazie alla presenza di un BMS (Building Management System), il quale ha facilitato la fase di raccolta dati.
Fase 2: Intelligenza Artificiale
1. Training degli algoritmi
2. Conduzione con algoritmi per:
- Regolazione dinamica dei setpoint di temperatura in ambiente
- Controllo della ventilazione e l'apertura delle serrande delle Unità di Trattamento Aria (UTA)
- Regolazione dinamica del ?T e delle climatiche
Risultati e vantaggi sono illustrati nella presentazione, il cui pdf è scaricabile qui sotto.
Video
Leggi tutto
Fonte: SAVE BUILDING ottobre 2022 Smart Building: un paradigma in continua evoluzione
Settori: Smart City
Parole chiave: Smart building
