Según el estudio ‘Energy Smart Buildings: Parallel Uniform Cost-Search with Energy Storage and Generation’ elaborado por la Universidad de Stuttgart (Alemania), una combinación de algoritmos inteligentes y baterías locales pueden reducir los costos de electricidad en las oficinas en más de una quinta parte, además de disminuir significativamente las emisiones de CO2.
Para utilizar los recursos energéticos existentes de manera más eficiente, se realizó un estudio que muestra que la automatización basada en IoT y las baterías en las oficinas permiten un ahorro de energía significativo sin perjudicar el confort de los empleados. Los investigadores llevaron a cabo unos tiempos de operación coordinados dinámicamente con datos ambientales reales, que redujeron los costos de energía reales hasta en un 22,64%.
Con el objetivo de ofrecer una nueva estrategia de optimización para descubrir la programación óptima de los dispositivos, los investigadores crearon un escenario de ejemplo específico, donde se aplicó un enfoque de programación para la gestión de operaciones de edificios, considerando y clasificando factores como el almacenamiento de energía (batería), los generadores de energía locales y los consumidores eléctricos, desde clientes livianos hasta máquinas de café. Los investigadores también evaluaron datos ambientales reales utilizando una arquitectura de microservicios.
La información también tuvo en cuenta la densidad del aire, las especificaciones técnicas de las turbinas y las previsiones de precios de la energía en detalle. Esto permitió, entre otras cosas, extraer conclusiones sobre el rendimiento de las plantas fotovoltaicas y eólicas y los costes energéticos resultantes.
Uso de un algoritmo paralelizado
En base a estas variables, los investigadores buscaron un plan de funcionamiento óptimo para los dispositivos eléctricos de su instalación. Todos los estados posibles se representaron en forma de un gráfico ponderado, que se evaluó mediante un algoritmo paralelizado.
El algoritmo utilizado por los investigadores también se ha optimizado y ahora funciona 4,7 veces más rápido que los métodos anteriores. Para ocho dispositivos bajo consideración, la CPU de 32 núcleos utilizada pudo calcular un plan operativo ideal de 24 horas en menos de siete minutos. Esto requirió 0,01 kilovatios hora, lo cual es insignificante en vista de los ahorros generales.