El Proyecto DeepSmart comenzó en septiembre de 2022 y se extenderá hasta septiembre de 2025. El proyecto DeepSmart es un proyecto coordinado entre la Universidad de Vigo (UVigo) y la Universidad del País Vasco (UPV/EHU). Cada universidad es líder de los siguientes subproyectos:
- DeepBEM: Técnicas de Aprendizaje Profundo Aplicadas a la Gestión Energética y Certificación de Rendimiento de Edificios (UVigo)
- SMARTECH: Hacia Smart Buildings, investigación de técnicas de monitorización energética para la evaluación, certificación y optimización del control (UPV/EHU)
Previamente, dentro del Proyecto SMARTHERM (2019-2021), se obtuvieron modelos térmicos precisos de edificios, que permitieron la certificación energética en uso de edificios y predecir los posibles ahorros que podrían producir las reformas. Ahora, con el Proyecto DeepSmart, se pretende ir más allá en la línea de los edificios inteligentes, modelando el funcionamiento y la producción, almacenamiento y consumo de energía eléctrica. A partir de los datos monitorizados del edificio y de las personas que lo ocupan y utilizando modelos de Machine Learning, se pretende alcanzar los siguientes objetivos:
- Desarrollar metodologías replicables de caracterización integradas en un marco estadístico y de construcción para evaluar el rendimiento energético real de los edificios en función de los datos monitorizados.
- Desagregar la eficiencia energética según las tres fuentes principales: envolvente del edificio, sistemas y usuarios.
- Modelizar correctamente la producción, almacenamiento, consumo e inyección a red de energía eléctrica fotovoltaica.
- Utilizar los modelos para optimizar el consumo energético de un edificio en base a datos de monitorización.
En la primera parte, el proyecto se pretende generar datos reales, a nivel de edificio en uso, para el desarrollo de las maquetas. Para ello, se utilizarán los dos edificios que el grupo ENEDI ha estado supervisando en proyectos anteriores, formados por un edificio terciario, que corresponde al Vicerrectorado de la Universidad del País Vasco, y un edificio residencial, ubicado en el antiguo pueblo de Vitoria. Estos dos edificios cuentan con un sistema de monitorización tan extremadamente detallado que permitirá discriminar los efectos de la envolvente del edificio, las instalaciones y el usuario sobre el consumo energético. Por otro lado, los modelos de Machine Learning a desarrollar por el grupo GTE deben trabajar con un número mínimo de datos de monitoreo que puedan ser recolectados automáticamente, para su aplicación final, por lo que deben ser alimentados con los datos más confiables y representativos de este último escenario. Para ello, ENEDI se encargará de tratar y adaptar los datos disponibles de un amplio conjunto de viviendas reales monitorizadas por el Gobierno Vasco a través de su servicio de vivienda social y ayudas a la rehabilitación.
En la segunda parte del proyecto, se probarán de forma práctica los enfoques de control desarrollados. Para ello se utilizará la bomba de calor del edificio residencial. Esta bomba de calor se alimenta únicamente de la red eléctrica. El control de esta bomba de calor buscará minimizar los costes energéticos durante todo un año de funcionamiento intentando mantener el ambiente interior del edificio dentro de los límites superior e inferior de temperatura establecidos por RITE. Este estudio permitirá evaluar el potencial de la inercia térmica de los edificios como un sistema eficiente de almacenamiento de energía a corto plazo que complementaría el almacenamiento de energía eléctrica mediante baterías.