Data-driven moving-window Bayesian inference for transient CO2–temperature network models of buildings

المباني ليست مجرد صناديق ساكنة؛ بل هي أنظمة حية تتنفس، وتخزن الحرارة، وتتفاعل مع الأشخاص بداخلها. في كل مرة يُفتح فيها باب، أو يدخل شخص، أو تُفتح نافذة، يتغير الهواء بالداخل، حاملاً معه الدفء وثاني أكسيد الكربون. لعقود من الزمن، حاول المهندسون التنبؤ بكيفية تأثير هذه التغييرات على الراحة الداخلية، معتمدين على نماذج تعامل مع الحرارة وجودة الهواء كمسألتين منفصلتين. هم يعلمون أن الجدران تنقل الحرارة وأن البشر يولدون الدفء، لكنهم غالباً ما يواجهون صعوبة في تتبع التيارات غير المرئية للهواء التي تتحرك بين الغرف، خاصة عندما تكون المستشعرات قليلة أو عندما يتغير سلوك المبنى فجأة. كان التحدي يكمن في إنشاء نظام يمكنه التعلم من بيانات محدودة في الوقت الفعلي، والتمييز بين خلل في المستشعر وبين تحول حقيقي في كيفية سلوك المبنى، كل ذلك مع الحفاظ على سرعة الحسابات لتكون مفيدة لأنظمة التحكم في التدفئة والتبريد.

لقد طور فريق من الباحثين في جامعة آيندهوفن للتكنولوجيا نهجاً جديداً يتعامل مع درجة حرارة المبنى ومستويات ثاني أكسيد الكربون فيه كوجهين لعملة واحدة. فبدلاً من النظر إلى الحرارة وجودة الهواء بشكل منعزل، أنشأوا نموذجاً يربطهما معاً من خلال المحركات غير المرئية لتدفق الهواء ووجود البشر. في هذا الإطار، يعد حركة الهواء هو الخيط المشترك: فتيارات الهواء نفسها التي تنقل ثاني أكسيد الكربون من غرفة إلى أخرى هي التي تنقل الحرارة أيضاً. ومن خلال مراقبة كيفية تغير كل من درجة الحرارة وثاني أكسيد الكربون بمرور الوقت، يمكن للنظام العمل عكسياً لمعرفة أين يتواجد الناس، وكيف يتحرك الهواء بين المناطق، وكيف يخزن المبنى نفسه الطاقة أو يطلقها. لا يتطلب هذا الأسلوب شبكة كثيفة من المستشعرات باهظة الثمن؛ فهو يعمل مع البيانات الشحيحة المتوفرة عادة في المكاتب، باستخدام تقنية تسمى "الاستدلال البايزي للنافذة المتحركة". ينظر هذا النهج إلى شريحة زمنية قصيرة وحديثة - مثل نافذة مدتها أربعون دقيقة - بدلاً من محاولة تحليل التاريخ الكامل للمبنى دفعة واحدة. وهذا يسمح للنموذج بالتكيف بسرعة عندما تتغير الظروف، مثل انتهاء اجتماع وانتقال الناس من مكتب صغير إلى غرفة اجتماعات كبيرة.

لاختبار فكرتهم، قام الباحثون أولاً ببناء نسخة مثالية مولدة بالحاسوب لمبنى يحتوي على أربعة مكاتب صغيرة، وغرفتي اجتماعات كبيرتين، ورواق متصل. في هذا العالم المحاكي، كانوا يعرفون الحقيقة المطلقة: كانوا يعرفون بالضبط عدد الأشخاص في كل غرفة، وبسرعة دقيقة كيف يتحرك الهواء، وكيف تنقل الجدران الحرارة. ثم أدخلوا أخطاء مستشعرات واقعية، تحاكي عدم الدقة الطفيف الموجود في المستشعرات الرخيصة في العالم الحقيقي. وعندما قاموا بتشغيل نموذجهم الجديد مقابل هذه البيانات، نجح في إعادة بناء الأنماط الخفية لتدفق الهواء والإشغال. تمكن النموذج من تتبع حركة الناس من المكاتب الصغيرة إلى غرفة الاجتماعات الكبيرة، معدلاً تقديراته الداخلية لتيارات الهواء وتخزين الحرارة لتناسب الواقع الجديد. والأهم من ذلك، أنه عندما واجه النظام تغيراً مفاجئاً لم يره من قبل، لم يكتفِ بالتخمين؛ بل أشار إلى عدم اليقين لديه. فقد اتسعت نطاقات الإجابات المحتملة، مما أخبر المستخدم فعلياً: "أنا لست متأكداً بعد"، إلى أن تتدفق بيانات جديدة كافية لتأكيد الحالة الجديدة. وتعد هذه القدرة على قياس الشك ميزة أساسية، لأنها تمنع النظام من تقديم تنبؤات واثقة ولكن خاطئة أثناء التحولات الفوضوية.

ثم قارن الباحثون نموذجهم المدمج بنموذج أبسط يعتمد فقط على مراقبة درجة الحرارة. في البيئة المحاكية المثالية، كان أداء النموذج الذي يعتمد على درجة الحرارة فقط جيداً إلى حد ما لأن الحرارة وثاني أكسيد الكربون كانا مرتبطين ارتباطاً وثيقاً بفيزياء المحاكاة. ومع ذلك، أثبت النموذج المدمج تفوقه في جانب محدد: وهو التكيف بشكل أسرع مع التغير المفاجئ في الإشغال. فعندما تحرك الناس، قام النموذج الذي استخدم بيانات ثاني أكسيد الكربون بتحديث فهمه لتدفق الهواء وعدد الأشخاص بشكل فوري تقريباً، بينما تأخر النموذج الذي يعتمد على درجة الحرارة فقط. وهذا يشير إلى أنه حتى عندما تتوفر بيانات درجة الحرارة، فإن الطبقة الإضافية من معلومات ثاني أكسيد الكربون تساعد النظام على التوصل إلى التفسير الصحيح لما يحدث داخل المبنى بشكل أسرع.

ولرؤية ما إذا كان هذا سيصمد في العالم الحقيقي، بنى الفريق نموذجاً فيزيائياً مصغراً لنفس تخطيط المبنى. استخدموا مراوح صغيرة لتحريك الهواء بين الغرف، ومصدراً متحكماً به لثاني أكسيد الكربون والحرارة لمحاكاة تجمع مجموعة من الناس في غرفة واحدة. وخلافاً للمحاكاة الحاسوبية المثالية، كان لهذا الإعداد الفيزيائي عيوب العالم الحقيقي: حيث لم يختلط الهواء بشكل مثالي، وكان للمستشعرات سماتها الخاصة، ولم يتطابق سلوك المبنى دائماً مع المعادلات النظرية. ورغم هذه التباينات، قدم النموذج أداءً مثيراً للإعجاب. فقد نجح في تتبع ارتفاع وانخفاض ثاني أكسيد الكربون ودرجة الحرارة مع تشغيل وإطفاء المصدر الاصطناعي لـ "الناس". والأهم من ذلك، قدم النموذج المدمج صورة أوضح بكثير لما يحدث مقاروت بنسخة درجة الحرارة فقط. في التجربة الواقعية، أدى استخدام بيانات درجة الحرارة وحدها إلى جعل النموذج يبتكر مصادر حرارة وهمية في غرف لا يتواجد فيها أحد، محاولاً تفسير تغيرات الحرارة بافتراضات خاطئة. وقد عملت بيانات ثاني أكسيد الكربون كاختبار للواقع، مما منع هذه الأخطاء وضيّق نطاق عدم اليقين حول تقديرات تدفق الهواء. لقد تعلم النموذج أن تغيرات درجة الحرارة كانت مدفوعة بالمصدر المعروف في الغرفة الرئيسية، وليس بمصادر حرارة وهمية في أما- أخرى.

كما استكشفت الدراسة كيف يؤثر حجم النافذة الزمنية على النتائج. ووجدوا أن استخدام نافذة زمنية أطول من البيانات يحسن الدقة بشكل عام، مما يقلل من الضجيج ويسمح للنموذج بالتمييز بشكل أفضل بين أخطاء المستشعرات العشوائية والاتجاهات الحقيقية. ومع ذلك، إذا كانت النافذة طويلة جداً، يصبح النموذج بطيئاً وغير قادر على الاستجابة للتغيرات المفاجئة. وكانت "النقطة المثالية" تسمح للنظام بأن يكون دقيقاً وسريع الاستجابة في آن واحد. كما اكتشف الباحثون أن النموذج يمكنه تقدير مستوى الضجيج لكل مستشعر على حدة. فإذا بدأ مستشعر ما في التصرف بشكل غريب أو إذا انحرف سلوك المبنى بشكل كبير عن توقعات النموذج، يقوم النظام تلقائياً بتوسيع نطاقات عدم اليقين، مشيراً إلى أن البيانات أقل موثوقية من المعتاد.

بينما تبدو النتائج واعدة، يحرص الباحثون على ملاحظة القيود. يفترض نموذجهم أن الهواء في كل غرفة مختلط تماماً، وهو أمر نادراً ما يحدث في الواقع؛ ففي مكتب حقيقي، قد يكون الهواء بالقرب من فتحة التهوية أبرد من الهواء بالقرب من النافذة. كما ركزوا على سيناريو مبسط حيث كان المصدر الوحيد للحرارة هو "البشر" المحاكيين، متجاهلين عوامل أخرى شائعة مثل ضوء الشمس أو أجهزة الكمبيوتر أو الإضاءة. في مبنى حقيقي، يمكن لهذه المصادر الحرارية الإضافية أن تعقد الصورة، مما يجعل من الصعب فصل آثار البشر عن آثار المعدات. ويقترح الباحثون أن العمل المستقبلي سيتعين عليه دمج هذه العوامل الإضافية لجعل النموذج قوياً بما يكفي للنشر الكامل. كما يقرون بأن الطريقة الحسابية الحالية، رغم فعاليتها، تتطلب جهداً كبيراً وقد تحتاج إلى تبسيط قبل أن تتمكن من العمل باستمرار في أنظمة التحكم في المباني القياسية.

في النهاية، يوضح هذا العمل طريقة جديدة وقوية "للاستماع" إلى المبنى. فمن خلال التعامل مع درجة الحرارة وثاني أكسيد الكربون كنظام مترابط، أنشأ الباحثون وسيلة يمكنها استنتاج الديناميكيات غير المرئية لتدفق الهواء والإشغال من بيانات محدودة. إنها أداة لا تكتفي بالتنبؤ بالمستقبل فحسب، بل تفهم الحاضر، وتكيف ثقتها مع تغيرات المبنى. وبالنسبة لمديري المباني المكتبية، قد يعني هذا مستقبلاً تستجيب فيه أنظمة التدفئة والتبريد ليس فقط لدرجة حرارة "الترموستات"، بل للتدفق الفعلي للناس والهواء، مما يوفر الطاقة ويحسن الراحة دون الحاجة إلى تركيب مستشعر في كل زاوية. إن المسار نحو الأمام يتضمن صقل هذه النماذج للتعامل مع الواقع الأكثر تعقيداً وفوضوية للمباني كاملة النطاق، لكن الفكرة الجوهرية - وهي أن الهواء والحرارة يرويان القصة ذاتها - قد ثبت نجاحها.