Hogeschool PXL test ‘smart’ ventileren met machine learning

Hogeschool PXL is van start gegaan met een experimenteel proefproject met machine learning om de ventilatie van zijn aula’s in Diepenbeek automatisch aan te sturen.

Trefwoorden: #Hogeschool PXL, #machine learning, #ventilatie

Lees verder

Nieuws

( Foto: Hogeschool PXL )

ENGINEERINGNET.BE - Zodra iedereen weer op de schoolbanken zit, klagen jongeren over muffe, slecht verluchte klaslokalen. Niet zelden wordt de (niet al te strenge) CO2-maximumnorm van 1000 parts per million (ppm) in klaslokalen overschreden.

Binnen Hogeschool PXL bevatten heel wat aula’s en leslokalen een ventilatiesysteem, maar ook dat is geen garantie voor gezonde klaslucht de hele dag lang. Als een ventilatie-installatie gestuurd wordt op basis van het huidige CO2-niveau (zoals dat meestal het geval is), dan krijg je elk lesuur zowat hetzelfde patroon.

Bij de start van de les is alles nog in orde, maar nog geen tien minuten later is de CO2-concentratie door het aantal aanwezige personen dermate gestegen dat zelfs een ventilatie op vol vermogen (100%) die concentratie niet tijdig naar omlaag krijgt. Eens de ventilatie echt effect heeft, is de les reeds afgelopen.

Een grotere ventilatie-unit inzetten, maakt meer lawaai en stoort de lessen wellicht nog meer dan wanneer je het raam openzet. Een betere oplossing is de ventilatie automatisch, ‘smart’ en just-in-time te sturen, niet alleen op basis van het huidige gemeten CO2-niveau, maar rekening houdend met extra parameters. Niet langer curatief ventileren wanneer het eigenlijk al half te laat is, maar preventief...

Reden genoeg voor Hogeschool PXL om binnen het multidisciplinaire speerpuntonderzoeksproject Smart Factory 4.0 een casestudy van een ‘smart classroom’ te integreren.

In dat project werd nagegaan hoe we de ventilatie in een aula in Diepenbeek automatisch konden aansturen met behulp van machine learning, een tak van de artificiële intelligentie waarbij een computer zelf op basis van patronen in data algoritmes en statistische voorspellende modellen ontwikkelt die (in dit geval) de gewenste ventilatie opleveren.

Anderhalf jaar lang werd een hele rits data bijgehouden en werden via Azure Machine Learning verschillende parameters onderzocht en verschillende voorspellende modellen ontwikkeld. Het model dat momenteel gebruikt wordt, voorspelt de CO2-waarde over één uur en over twee uur en begint al preventief te ventileren. Om de 10 minuten stuurt het systeem zich bij.

Daar waar de ventilatie vroeger alleen rekening hield met de huidige CO2-waarde, wordt er nu expliciet rekening gehouden met de volgende parameters: de huidige CO2-waarde (ppm); een schatting van het aantal aanwezige studenten op basis van het lessenrooster; de binnentemperatuur van het lokaal; de buitentemperatuur; de ventilatiestand en de vochtigheid.

Het computermodel gebruikt deze parameters om twee CO2-waardes te voorspellen en gebruikt die waardes samen met de huidige CO2-waarde om de ventilatie aan (en bij) te sturen. Het model wordt beter en beter, maar heeft nog finetuning nodig.

In de toekomst wil de campus van PXL-Green & Tech meer en meer lokalen op deze manier ‘smart’ ventileren.