DOSP-VHR-002829 | Via digital twins en expertsystemen bebouwen beter bouwen en beheren

PROBLEEMSCHETS 40% van de globale energieconsumptie wordt ingenomen door gebouwen. Commissioning – het ontwerpen, installeren, testen en onderhouden van operationele vereisten – in gebouwen is een cruciaal onderdeel om optimale energetische prestaties ervan te bewaken. In de praktijk blijkt het dat het optimaal inregelen en bijregelen van de installaties in functie van het gebruik van het gebouw niet eenvoudig is. Dit heeft hoofdzakelijk te maken met het gebrek aan real-time informatie die eenvoudig raadpleegbaar is. Energetische prestaties worden bepaald door de energetische factoren van het gebouw zelf en de regeling van de energetische systemen die het gebouw voorzien van het nodige comfort.

ONDERZOEKSDOEL We willen de energie-regulering van gebouwen in kaart brengen en optimaliseren op twee manieren:

1. Eerst door een “digital twin” op te bouwen dat een digitale kopie van het gebouw voorstelt. Het combineert hierbij statische informatie uit het Building Information Model (BIM) met realtime sensor data. We willen deze informatie op een gebruiksvriendelijke manier beschikbaar stellen via mixed reality zodat gebouwbeheerders door het gebouw kunnen wandelen en bovenop de fysieke wereld een digitale laag zien met de informatie uit de digital twin.
2. De tweede manier is om via eXplainable AI een expertsysteem te bouwen die de grote hoeveelheid real-time sensor data automatisch visualiseert en analyseert m.b.v. state-of-the-art machine learning modellen die hun redeneringen kunnen uitleggen. Hierdoor bekomen domein-experten bijkomende inzichten betreffende het gebruik en de prestaties van het gebouw. Er zijn twee voorname onderzoeksvragen bij de ontwikkeling van het expertsysteem. Kan het expertsysteem aanbevelingen geven om anomalieën of optimalisatie-mogelijkheden op te sporen en deze te communiceren aan menselijke actoren (1)?. Kunnen gebouwbeheerders via gevisualiseerde metrieken en een uitleg uit EXplainable AI een correcte diagnose stellen en een oplossing formuleren? (2)

Deze twee manieren zijn complementair en leiden samen tot een unieke symbiose tussen technologie en gebouwbeheerders zodat het energieverbruik kan geoptimaliseerd worden.

METHODE Heel concreet zullen we een Proof of Concept bouwen binnen het ELL gebouw van AP Hogeschool. We gebruiken hiervoor de data die verzameld wordt door de gebouwbeheerders en data uit een gecontroleerde experimentele ruimte. Voor dit onderzoeksproject gaan we een kwalitatieve studie uitvoeren. We verzamelen een groep van 10 gebouwbeheerders en 6 data scientists. De gebouwbeheerders zullen zowel beheerders zijn van AP zelf die kennis hebben van de ELL campus waar het onderzoek wordt uitgevoerd en gebouwbeheerders die geen kennis hebben van de AP gebouwen. Daarnaast zullen 6 data scientists worden verzameld, enkele met kennis van gebouw- en energiebeheer en enkele zonder enige kennis van gebouwbeheer. We voeren de studie uit in twee iteraties met telkens verschillende personen, dus 5 gebouwbeheerders en 3 data scientists per iteratie.