Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

RTI2018-096296-B-C21

Financiado

Cerrado

INVESTIGACION PARA EL DESARROLLO DE HERRAMIENTAS DE CARACTERIZACION Y PREDICCION...

INVESTIGACION PARA EL DESARROLLO DE HERRAMIENTAS DE CARACTERIZACION Y PREDICCION DEL RENDIMIENTO ENERGETICO DE EDIFICIOS EL PROYECTO RENOBU, DENTRO DEL PROYECTO SMARTHERM, ESTA ORIENTADO A LA REALIZACION DE MODELOS DE UTILIZACION DE EDIFICIOS A PARTIR DE TECNICAS DE APRENDIZAJE AUTOMATICO (MACHINE LEARNING O ML), EMPLEANDO UNICAMENTE DATOS DE SENSOR... ver más

01/01/2018

UVIGO

145K€

Presupuesto del proyecto: 145K€

Líder del proyecto

UNIVERSIDADE DE VIGO No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 410

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2018-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UVIGO

Lider

Proyectos interesantes

PID2021-125537NA-I00

Data Science

Software

80K€ Cerrado

BIGG

Data Science

Software

5M€ Cerrado

Auto-DAN

Data Science

Software

6M€ Cerrado

SWIMing

Data Science

Software

499K€ Cerrado

PID2021-126739OB-C21

Data Science

Renewable Energ...

169K€ Cerrado

DIMMER

Data Science

Software

6M€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSIDADE DE VIGO No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 410

Presupuesto del proyecto 145K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto EL PROYECTO RENOBU, DENTRO DEL PROYECTO SMARTHERM, ESTA ORIENTADO A LA REALIZACION DE MODELOS DE UTILIZACION DE EDIFICIOS A PARTIR DE TECNICAS DE APRENDIZAJE AUTOMATICO (MACHINE LEARNING O ML), EMPLEANDO UNICAMENTE DATOS DE SENSORES, LOS OBJETIVOS A CONSEGUIR SON LOS SIGUIENTES:1) MODELAR LA OCUPACION DE LOS EDIFICIOS DE MANERA AUTOMATIZADA, NO SE PERSIGUE SOLAMENTE CONOCER EL NUMERO DE PERSONAS QUE ESTAN OCUPANDO EL EDIFICIO EN UN MOMENTO DETERMINADO, SINO SABER COMO LO USAN, POR EJEMPLO, SI ENCIENDEN O NO LUCES ELECTRICAS, SI ABREN O NO VENTANAS, SI SE ENCUENTRAN EN REPOSO (COMO EN UNA BIBLIOTECA) O MAS EN MOVIMIENTO (CON UN GIMNASIO), SI LA ACTIVIDAD SE EFECTUA LOS FINES DE SEMANA, ETC,2) SEPARANDO EL USO DEL EDIFICIO DEL MODELO DE LOS CERRAMIENTOS, SE PRETENDE AUMENTAR LA EXACTITUD DE LAS SIMULACIONES DE MODELOS FISICOS (TIPO TRNSYS) Y, CON ELLO, SER MAS PRECISOS A LA HORA DE CALCULAR EL IMPACTO ECONOMICO DE LAS MEDIDAS DE AHORRO ENERGETICO QUE SE PUEDAN REALIZAR SOBRE LA ENVOLVENTE DEL EDIFICIO O SUS INSTALACIONES,3) CON LOS MODELOS ML Y DATOS SINTETICOS DE LAS SIMULACIONES CALIBRADAS DE TRNSYS, ALIMENTAR UN MODELO DEEP LEARNING (BASADO EN COMPONENTES) QUE APRENDA A PREDECIR LAS CONDICIONES DE CONFORT Y LAS DEMANDAS DE LOS EDIFICIOS, PARA QUE NO SEA NECESARIO UTILIZAR LAS SIMULACIONES FISICAS, ES DECIR, QUE EL MODELO TERMINE DE SER ENTRENADO CON DATOS DE MONITORIZACION DE LAS CONDICIONES DEL EDIFICIO Y DE LOS CONSUMOS TERMICOS DEL MISMO,ALCANZADOS ESTOS TRES OBJETIVOS, SE PODRAN MODELAR EDIFICIOS (DE VIVIENDAS POR UN LADO Y TERCIARIOS POR OTRO), TANTO LA ENVOLVENTE, COMO LA OCUPACION Y EL USO Y, POR ULTIMO, LOS SISTEMAS, DE ESTA FORMA, SE PODRAN EMITIR CERTIFICADOS DE EFICIENCIA A TODAS LAS PARTES IMPLICADAS EN LOS CONSUMOS ENERGETICOS, EMITIR INDICADORES DE RENDIMIENTO CLAVES, COLABORAR EN EL BUILDING RENOVATION PASSPORT, ETC,EXISTEN DIFICULTADES A SOLVENTAR RELACIONADAS CON LA PARTE DE MONITORIZACION (POR EJEMPLO, QUE SENSORES USAR PARA MEDIR LA OCUPACION SIN INVADIR LA INTIMIDAD DE LOS USUARIOS) Y EN LA PARTE DE MODELADO, EMPLEANDO LAS TECNICAS DE APRENDIZAJE AUTOMATICO MAS CONOCIDAS (SUPPORT VECTOR MACHINES, DECISION TREES, ARTIFICIAL NEURAL NETWORKS, BAYESIAN NETWORKS, ETC,) SE PROCEDERA A ESTUDIAR LA MANERA MAS EFICIENTE DE ESTIMAR LA UTILIZACION DEL EDIFICIO CON INDICADORES INDIRECTOS (COMO LA CONCENTRACION DE CO2 O LA ILUMINACION DE LAS DIFERENTES ESTANCIAS),LOS MAYORES BENEFICIARIOS DEL DESARROLLO DE ESTA NUEVA METODOLOGIA SERAN LA COMUNIDAD CIENTIFICA EDIFICATORIA Y OTROS COMO LOS PROVEEDORES ENERGETICOS, EMPRESAS DE SERVICIOS ENERGETICOS, CONSULTORAS ENERGETICAS, ARQUITECTURAS Y, EN GENERAL, INDUSTRIA DE LA CONSTRUCCION INTERESADA EN SISTEMAS DE ALTO RENDIMIENTO, EN EL DESARROLLO DE ESTANDARES Y EN LA CERTIFICACION Y EVALUACION DE LOS EDIFICIOS EFICIENCIA ENERGÉTICA\SIMULACIÓN TÉRMICA\MACHINE LEARNING\DEEP LEARNING\IOT\BIG DATA

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores