Logo ImpresaGreen.it

Accenture: un sistema riduce le emissioni di CO2 di Metro de Madrid

Accenture supporta Metro de Madrid a conciliare le esigenze di efficienza energetica e comfort dei passeggeri grazie ad un sistema di ventilazione self-learning basato su IA.

Redazione ImpresaGreen

Accenture ha supportato Metro de Madrid nello sviluppo e nella realizzazione di un sistema di aerazione self-learning, basato su Intelligenza Artificiale (IA), in grado di ridurre i costi energetici e le emissioni, nonché di garantire un'ottima qualità dell'aria e comfort per i pendolari. 
Il sistema ha consentito a Metro de Madrid di ridurre i propri costi energetici di ventilazione del 25% e di diminuire di 1.800 tonnellate all'anno le emissioni di CO2.
In media, ogni giorno 2,3 milioni di pendolari si spostano con Metro de Madrid, una rete che si estende per 294 chilometri e comprende 301 stazioni. Per garantire ai passeggeri una temperatura gradevole all'interno delle stazioni, soprattutto nei mesi estivi, Metro de Madrid dispone di 891 ventilatori, il cui consumo energetico annuo è pari a 80 gigawattora.
I tecnici della metropolitana di Madrid hanno collaborato con Accenture Applied Intelligence per sviluppare un sistema che trae ispirazione dal comportamento di una colonia di api. L'algoritmo utilizzato si chiama "artificial bee colony" e appartiene agli algoritmi euristici. Utilizza la stessa modalità delle api nella ricerca di soluzioni: questi insetti infatti si spostano di corolla in corolla alla ricerca del fiore con il miglior nettare. Se, dopo un po' di tempo, in quella specifica area non trovano più fiori in grado di soddisfarle, si spostano, segnalando così alle altre api di evitarla. In maniera simile il sistema della metropolitana di Madrid utilizza un algoritmo di ottimizzazione che si basa sull'elaborazione di elevate quantità di dati e analizza qualsiasi combinazione possibile di temperatura dell'aria, struttura della stazione, frequenza dei treni, numero di passeggeri e costo dell'elettricità nell'arco della giornata.
L'algoritmo utilizza sia dati storici che simulati, considerando la temperatura esterna e quella degli ambienti sotterranei nell'arco temporale di 72 ore. Dal momento che l'algoritmo si basa sul machine learning, nel corso del tempo il sistema sarà in grado di effettuare previsioni sempre più accurate.
Il sistema è inoltre dotato di un'unità di manutenzione e di un motore di simulazione che, tra gli altri vantaggi, permettono di rilevare i malfunzionamenti dei ventilatori. Questo consente a Metro de Madrid di monitorare e gestire agevolmente i consumi energetici, di individuare anomalie del sistema e di porvi rimedio con interventi proattivi di manutenzione all'impianto.

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato con le notizie di ImpresaGreen.it iscriviti alla nostra Newsletter gratuita.
Pubblicato il: 27/02/2019

Tag: