Desarrollo de una herramienta computacional con tecnologías de inteligencia artificial (IA) para realizar respuesta de la demanda eléctrica y seguimiento de indicadores de eficiencia al sistema de agua helada del edificio central de la Universidad Autónoma de Occidente

Abstract

El desarrollo de este trabajo de grado tuvo como propósito el diseño de una herramienta computacional con tecnologías de Inteligencia Artificial (IA), que permitió encontrar patrones de comportamiento en el consumo y el punto óptimo de operación del sistema de agua helada del edificio central de la Universidad Autónoma de Occidente mediante la utilización de la minería de datos y el algoritmo computacional adecuado para la estructuración de una metodología de seguimiento a la gestión de la demanda eléctrica de este sistema, teniendo en cuenta las experiencias internacionales, nacionales y regionales que sirvieron de insumo para fortalecer la presente investigación. En el documento se encuentra una descripción de los modelos de gestión de la demanda, el marco regulatorio y las tecnologías existentes en Colombia para la implementación de modelos de Respuesta a la Demanda (RD), combinando tres áreas del conocimiento; estadística mediante la analítica de datos, las ciencias de la computación como eje articulador para el diseño del algoritmo de optimización y la ingeniería eléctrica a través de las herramientas de gestión energética. Todos los datos recolectados a través de la investigación constituyeron un avance significativo en lo que corresponde a la optimización de los sistemas energéticos en la universidad, por medio de la analítica de datos big data y las herramientas computacionales (Machine Learning e inteligencia artificial), que fueron bases fundamentales para el desarrollo del algoritmo que permitió el diseño de la metodología para optimizar el punto de operación de las cargas que conforman el sistema de agua helada del edificio central realizando una gestión y operación eficiente de los recursos energéticos. Con los datos recolectados y los análisis realizados, se diseñó una RNA con la capacidad de recibir las variables representativas y predecir la función costo u objetivo (consumo kWh/día), para programar dos algoritmos de optimización AG y PSO que permitieron encontrar oportunidades de ahorro y mejoramiento en el uso de los recursos energéticos. Lo anterior, permitió visualizar las variables que ofrecen una solución que optimiza el consumo, para generar una mayor eficiencia energética aplicable en la implementación de programas de respuesta a la demanda en la institución.