Descripción del proyecto
LA TRANSFORMACION DE LA INDUSTRIA, A CAUSA DE LA DIGITALIZACION A QUE SE VE ABOCADA, TENDRA UN IMPACTO DETERMINANTE EN EL FUTURO DE ESPAÑA Y DE LA UNION EUROPEA, DOS CLAVES DE ESTE PROCESO DE DIGITALIZACION SON LA MEJORA DE LA CONECTIVIDAD PARA ORGANIZAR MEJOR LOS SISTEMAS IMPLICADOS EN PROCESOS PRODUCTIVOS Y EL ANALISIS INTELIGENTE DE GRAN CANTIDAD DE DATOS PROVENIENTES DE DICHOS SISTEMAS, SI TAMBIEN SE CONSIDERAN OTROS FACTORES QUE INCIDIRAN DE FORMA IMPORTANTE EN LOS SISTEMAS DE PRODUCCION, COMO LA DESCARBONIZACION Y OTRAS MEDIDAS PARA PALIAR EL CAMBIO CLIMATICO, ES ESENCIAL ABORDAR LA MEJORA DE LA EFICIENCIA ENERGETICA EN PROCESOS E INSTALACIONES INDUSTRIALES, CON LOS AVANCES EN LA CONECTIVIDAD ENTRE DISPOSITIVOS, ENORMES CANTIDADES DE DATOS ESTAN DISPONIBLES Y DE ELLOS PUEDE EXTRAERSE INFORMACION VALIOSA PARA LA TOMA ADECUADA DE DECISIONES EN LA GESTION ENERGETICA, EL ANALISIS DE ESTOS DATOS AYUDA A LOS USUARIOS A CONOCER LAS CARACTERISTICAS DEL COMPORTAMIENTO DE SUS SISTEMAS ENERGETICOS, CREAR MODELOS Y PREDECIR DEMANDAS,LA LINEA PRINCIPAL DEL PROYECTO ES PROGRESAR EN LA APLICACION DE TECNICAS DE ANALISIS INTELIGENTE DE DATOS QUE AYUDEN A MEJORAR LA EFICIENCIA ENERGETICA EN INSTALACIONES REALES, COMO PLATAFORMA DE EXPERIMENTACION SE UTILIZARA, EN PRIMER LUGAR, UN MODELO A ESCALA PARA INVESTIGACION EN INDUSTRIA 4,0 CON 3 SUBSISTEMAS DE MEDIDA DE LA ENERGIA (ELECTRICA, FRIO Y CALOR), POSTERIORMENTE, ESTA EVALUACION SE EXPANDIRA A LAS AMPLIAS INSTALACIONES ENERGETICAS DEL HOSPITAL OF LEON, QUE YA FUERON OBJETO DE INVESTIGACION EN EL ANTERIOR PROYECTO DEL PLAN NACIONAL DE RETOS,EN ESTE PROYECTO SE PLANTEAN UNA SERIE DE ACCIONES PARA INVESTIGAR LA APLICABILIDAD DE LAS TECNICAS DE MACHINE LEARNING EN LA INDUSTRIA, EN PRIMER LUGAR, SE INVESTIGARA EL USO DE TECNICAS DE REDUCCION DE LA DIMENSIONALIDAD PARA AYUDAR A LOS USUARIOS A COMPRENDER EL COMPORTAMIENTO DE LOS SISTEMAS ENERGETICOS Y LA INFLUENCIA DE VARIABLES EXTERNAS, EN ESTE AMBITO, CONVIENE EVALUAR EL USO DE METODOS DE REDUCCION DE LA DIMENSIONALIDAD CONDICIONADA, TECNICAS DE DEEP LEARNING PARA VISUALIZACION EN EL ESPACIO LATENTE Y ALGORITMOS DE DESCOMPOSICION DE TENSORES QUE APROVECHEN LA ESTRUCTURA INHERENTE DE LOS DATOS DE SUBMETERING, EN SEGUNDO LUGAR, SE CONSTRUIRAN MODELOS BASADOS EN DATOS QUE ESTIMEN VALORES DE VARIABLES ENERGETICAS (SENSORES VIRTUALES) O AYUDEN A DETECTAR ANOMALIAS QUE PUEDEN SER INDICATIVAS DE FALLOS O CONFIGURACIONES INAPROPIADAS EN LA INSTALACION, PARA LA GENERACION DE MODELOS SE INVESTIGARAN DESDE METODOS AUTORREGRESIVOS A NOVEDOSAS TECNICAS DE DEEP LEARNING, FINALMENTE, ESTUDIAREMOS ESTRATEGIAS PARA PREDECIR LA DEMANDA EN SISTEMAS ENERGETICOS CON ARQUITECTURAS DE SUBMETERING, INCLUYENDO ALGORITMOS QUE MEJOREN LA PREDICCION FRENTE A PERDIDA DE DATOS, APROVECHANDO SU ESTRUCTURA JERARQUICA, TAMBIEN, MODELOS DE PREDICCION QUE MANEJEN INTERVALOS DE CONFIANZA DE LAS VARIABLES EXTERNAS QUE INFLUYEN EN LA DEMANDA, LOS RESULTADOS OBTENIDOS EN ESTAS ACTIVIDADES SE APLICARAN SOBRE LOS ENTORNOS DE EXPERIMENTACION, PARA LO QUE SE DESARROLLARAN HERRAMIENTAS QUE SE PREVE QUE AYUDEN A MEJORAR EL COMPORTAMIENTO ENERGETICO DE LAS INSTALACIONES,PARA ELLO, SE COLABORARA CON CIENTIFICOS DE 2 GRUPOS DE INVESTIGACION EUROPEOS: JAAKKO HOLLMEN (STOCKHOLM UNIV,) Y VLADIMIR KUZMANOVSKI (AALTO UNIV,), QUE SON PARTE DEL EQUIPO DE TRABAJO, CUENTAN CON AMPLIO BAGAJE EN ANALISIS DE DATOS Y PARTICIPAN REGULARMENTE EN PROYECTOS INTERNACIONALES, EFICIENCIA ENERGETICA\MODELADO BASADO DE DATOS\REDUCCION DE LA DIMENSIONALIDAD\VISUALIZACION DE DATOS\PREDICCION\GESTION Y SUPERVISION DE ENERGIA\APRENDIZAJE PROFUNDO\DIGITALIZACION\SENSORES VIRTUALES.