Machine learning voor een betere comfortbeleving en lager energiegebruik

Een van de belangrijkste toekomstige uitdagingen in de gebouwde omgeving is het bereiken van een goed thermisch comfort met een minimum aan energiegebruik. Vermindering van het energiegebruik van klimaatinstallaties is cruciaal bij de vermindering van de effecten van de opwarming van de aarde. Maar klimaatinstallaties zijn onmisbaar om gezonde en comfortabele omstandigheden te maken met betrekking tot de binnencondities in gebouwen. Het waarborgen van een hoog niveau van thermisch comfort voor de gebruikers van het gebouw is van essentieel belang, voor met name de productiviteit. “Artificial Intelligence, deep learning, machine learning – whatever you’re doing if you don’t understand it – learn it. Because otherwise you’re going to be a dinosaur within 3 years.” – Mark Cuban, American entrepreneur Auteur Dr.ir. Katarina Katic, Prof.ir. Wim Zeiler – TU Eindhoven of haar persoonlijke comfort ervaart. Dit kan worden gerealiseerd met conditionering met behulp van persoonlijke conditioneringssystemen (PCS).

In het kader van de strategische samenwerking EuroTech van de TU Eindhoven met de technische universiteiten van Kopenhagen, München en Lausanne is in 2014 een onderzoek gestart met steun van het Nederlandse bedrijfsleven vertegenwoordigd door Opleidings- en ontwikkelingsfonds voor het Technisch Installatie Bedrijf (‘OTIB’) en Stichting Promotie Installatietechniek (‘PIT’). De resultaten daarvan worden hier beknopt weergegeven. Om het energiegebruik te verminderen en gelijktijdig het thermisch comfort te verbeteren, is onderzoek gedaan naar gepersonaliseerd thermisch comfort en daarop afgestemde individuele comfortsystemen. De focus van de theoretische benadering is hierbij verschoven van de beleving van een gemiddelde persoon naar hoe een individuele persoon zijn