Les halls de fabrication, les terminaux d'aéroport ou les immeubles de bureaux sont souvent équipés de radiateurs "anticipateurs". Ils fonctionnent sur la base de scénarios préprogrammés et permettent à l'opérateur de réaliser des économies très importantes. Mais pour les appartements ou les maisons individuelles, la programmation – forcément sur mesure – est trop chère.

L'été dernier, un groupe de chercheurs de l'Empa a montré que les commandes de chauffage et de refroidissement pouvaient se passer de scénarios en tirant leurs propres leçons des données des semaines et des mois précédents. Plus besoin de programmeurs professionnels. Les familles et les célibataires pourront bientôt bénéficier de cette technique.

L'expérience décisive a été réalisée dans le bâtiment d'essai NEST. C'est l'unité «UMAR» (Urban Mining and Recycling) qui offrait les meilleures conditions: un grand séjour / cuisine flanquée à gauche et à droite d'une chambre étudiante de 18 m2, toutes orientées est-sud-est, au soleil du matin. Pour calculer l'énergie utilisée par chaque pièce, l'expérience a été basée sur la position des vannes de régulation.

Cool intelligemment grâce à la météo

Ne voulant pas attendre la période échauffée, le chef de projet Felix Bünning et son collègue Benjamin Huber ont lancé une expérience de refroidissement en juin 2019. Selon les instructions, les deux chambres ne devraient pas dépasser 25 ° C le jour et 23 ° C la nuit. Une vanne thermostatique standard a été utilisée pour réguler l'une des chambres, tandis que l'autre était sous le contrôle du contrôle expérimental développé par l'équipe de Bünning et Huber. Le logiciel d'intelligence artificielle contenait des données couvrant les dix derniers mois ainsi que les prévisions actuelles de MeteoSwiss.

Plus agréable et un quart plus économique

Le résultat s'est avéré clair: le système de chauffage-refroidissement intelligent a mieux respecté les instructions tout en consommant 1/4 d'énergie en moins que le système mécanique. Cela est principalement dû au fait que, le matin, lorsque le soleil brillait à travers les fenêtres, le système a commencé à se refroidir de manière préventive. Le thermostat mécanique de la chambre d'en face ne réagissait que lorsque la chaleur avait traversé le plafond, trop tard, trop soudainement, trop fort.

En novembre 2019, qui était froid, peu ensoleillé, pluvieux et venteux, Bünning et Huber ont renouvelé l'expérience. Il ne s'agissait plus de rafraîchir mais de chauffer les deux pièces. Au moment de la presse, les résultats sont en cours d'évaluation.

Bünning est confiant que cette fois encore, le réglage anticipateur marquera des points. L'équipe se prépare déjà pour la prochaine étape: "Pour tester le système au sol et en grand, nous avons choisi un immeuble de 60 appartements. Nous équiperons quatre appartements de nos commandes intelligentes de chauffage et de climatisation. "

Ils devront d'abord charger le logiciel – qui s'exécutait sur le cloud – dans un petit bloc de commande local. "Le bloc remplacera le thermostat des appartements de test», Explique Felix Bünning, impatient de voir les résultats.

"Je crois que le réglage de l'apprentissage automatique a un grand potentiel. Exigeant peu de ressources et facile à collecter des données, il peut être monté sur des radiateurs existants et leur permettre d'économiser de l'énergie."

Légende: "L'unité Urban Mining and Recycling du bâtiment d'essai NEST sur le campus de l'Empa. L'expérience a été menée dans les deux chambres d'étudiants, à droite et à gauche de l'unité" Urban Mining and Recycling "du bâtiment d'essai NEST sur le campus de l'Empa.

Crédit / Zooey Braun, Stuttgart / Empa

(Communiqué)