Отоплителна система с „мозък“ 07.03 | 16:08

Съвместно начинание между Политехническия институт в Лозана (EPFL) и швейцарската изследователска компания CSEM доведе до пускането на пазара на интелигентен топлинен регулатор, който използва невронни мрежи, които да изучават топлинните промени в дома при смяна на сезоните. Използването му би довело до спестяване на до 65% от енергията, необходима за отоплението на дома.

До момента повечето от съществуващите инсталации за регулиране на температурата реагират на един-единствен параметър – външната температура. Изследователите от EPFL са разработили система, която управлява множество параметри и е способна да научи коя температура е най-оптимална в даден момент. За да направи това, тя имитира най-сложния "компютър" в света – човешкия мозък. Системата е наречена Neurobat – комбинация от думите "неврон" и Batiment (френската дума за "сграда").

Силата на новата инсталация е в това, че тя може да следи и да се нагажда към промените във всяко помещение. Така например ако в студен зимен ден слънцето огрее една добре изолирана стая, температурата в нея би се покачила с няколко градуса. Една стандартна отоплителна система не би оценила този фактор. Тя би се ръководела единствено от външната температура, оставяйки отоплението да работи с пълна сила, без това да е необходимо.

"Ако успеем да включим в сметката особеностите на всяка сграда по отношение на навиците на нейните обитатели и разположението ѝ спрямо слънцето, е възможно да направим големи енергийни икономии", отбелязва Дейвид Линдельоф, технически директор на едноименната компания Neurobat SA.

Контролният модул на Neurobat използва няколко различи източника на информация, с които да направи фина настройка на централните отоплителни инсталации. Системата е способна и да се учи – колкото повече данни за околната среда получават нейните сензори, толкова по-прецизни и адекватни са настройките на отоплението в даден момент.

Създателите на Neurobat твърдят, че в даден момент устройството им дори ще бъде способно да прави прогнозни метеорологични модели в даден регион, които да са по-точни от тези на метеорологичните служби.