Reducing Building Heat Demand Through Intelligent Control: A Comparative Simulation Study

Resumen Técnico: Reducción de la Demanda de Calefacción en Edificios mediante Control Inteligente

Planteamiento del Problema
La calefacción de espacios constituye el consumo energético dominante en los edificios. Si bien la rehabilitación estructural reduce eficazmente la demanda, suele ser costosa y requiere mucho tiempo. La literatura existente sugiere que la sustitución de los controladores convencionales de compensación meteorológica (controladores de curva de calefacción) por estrategias de Control Predictivo basado en Modelos (MPC) inteligentes puede reducir significativamente la energía de calefacción. Sin embargo, la mayoría de los estudios comparan el MPC con métodos de control convencionales. Existe una laguna en la comprensión de cómo la formulación específica de la función objetivo del MPC influye en el equilibrio entre el confort térmico (seguimiento de la temperatura) y la demanda de calefacción. Específicamente, no está claro si priorizar el seguimiento estricto de la temperatura frente a la minimización de la potencia de calefacción produce diferentes resultados energéticos.

Metodología
El estudio emplea un enfoque de simulación comparativa utilizando un modelo de edificio virtual para generar datos sintéticos de alta resolución.

• Planta Virtual: Se implementó un modelo térmico de edificio detallado basado en la norma ISO 52016-1 en Python para simular un edificio residencial de dos plantas y 100 m² en Zúrich, Suiza, durante un periodo de tres meses (enero–marzo de 2020). Este "modelo ISO" generó datos de medición sintéticos utilizando entradas meteorológicas y un controlador de calefacción lineal simple.
• Modelo del Controlador Interno: Se implementó un modelo simplificado de un solo nodo de Resistencia-Capacitancia (RC) (1-R-1-C) parametrizado mediante los datos sintéticos del modelo ISO. Este modelo RC sirve como modelo de planta interna para el controlador MPC, implementado en MATLAB.
• Simulación MPC: Se simularon dos estrategias distintas de MPC durante un periodo de 144 horas (6 días) utilizando la MATLAB MPC Toolbox. Ambas estrategias utilizaron el mismo horizonte de predicción (12 horas), el mismo horizonte de control (12 horas) y las mismas restricciones físicas (límites de potencia de calefacción, límites de temperatura). Diferenciaron únicamente en los pesos de su función objetivo cuadrática:
  • Simulación A (Minimización de Potencia): Priorizó la minimización de la potencia de calefacción ($w_{\dot{Q}_h}=1, w_{T_i}=0$).
  • Simulación B (Seguimiento de Confort): Priorizó el seguimiento de la temperatura de referencia de la habitación ($w_{\dot{Q}_h}=0, w_{T_i}=1$).
  • Ambas mantuvieron una temperatura de referencia de 20.0 °C (18.0 °C por la noche) y respetaron los límites de confort ($T_{ref} \pm 0.5^\circ\text{C}$ hasta $+5.0^\circ\text{C}$).

Resultos Clave
Los resultados de la simulación durante seis días revelaron características de rendimiento distintas entre las dos estrategias:

• Confort Térmico: La Simulación B (seguimiento de confort) logró una regulación de temperatura superior con un Error Cuadrático Medio (RMSE) de 0.30 °C, en comparación con el 0.82 °C de la Simulación A.
• Dinámica de la Potencia de Calefacción: La Simulación A evitó valores extremos de potencia de calefacción, sin superar nunca los 7.1 kW. En cambio, la Simulación B utilizó frecuentemente la potencia máxima permitida de 10 kW para corregir rápidamente las desviaciones de temperatura.
• Consumo de Energía: De forma contraintuitiva, la Simulación A (minimización de potencia) resultó en una mayor demanda acumulada de energía de calefacción (603 kWh) en comparación con la Simulación B (590 kWh). La Simulación B logró una reducción del 2% en el uso total de energía a pesar de utilizar mayores picos de potencia.
• Restricciones: Ambas estrategias cumplieron con éxito todas las restricciones definidas de potencia de calefacción y temperatura.

Significancia y Reivindicaciones
El artículo sostiene que la elección de la formulación de la función objetivo es un determinante crítico del rendimiento del sistema en el control de edificios basado en MPC.

• Novedad: El estudio destaca que, aunque el MPC se formula típicamente para minimizar el coste o la energía, la aplicación exclusiva para el seguimiento de consignas (Simulación B) es un enfoque poco común que arrojó resultados inesperados.
• Mecanismo de Ahorro de Energía: Los autores atribuyen la menor demanda de energía de calefacción al controlador de seguimiento de confort debido a la naturaleza cuadrática de la función objetivo de minimización de potencia. Al elevar al cuadrado el término de la potencia de calefacción, la función de coste penaliza desproporcionadamente las altas tasas de potencia, obligando al controlador a evitar entradas extremas. Esta evitación conduce a un perfil de calefacción más gradual y menos eficiente que, en última instancia, consume más energía total. Por el contrario, el controlador de seguimiento de confort utiliza ráfagas de alta potencia para mantener un control de temperatura estricto, lo que resulta ser más eficiente energéticamente en este contexto de simulación específico.
• Implicaciones: Los resultados sugieren que el MPC puede lograr altos niveles de confort térmico sin comprometer la demanda de energía, e incluso reducirla potencialmente, sin realizar cambios estructurales en la envolvente del edificio. Sin embargo, los autores señalan modestamente que estos hallazgos son específicos del edificio virtual simulado y las condiciones ambientales, y que la influencia de la formulación de la función objetivo (por ejemplo, el uso de objetivos no cuadráticos o la minimización directa de la energía) requiere mayor investigación.