sensoriZAR: ecosistema IoT para CAI monitorizada

sensoriZAR es un ecosistema ‘medir–analizar–decidir–actuar’ para diseñar y rehabilitar edificios inteligentes (digital twins) que, como primer paso, permite monitorizar en tiempo real la información de calidad ambiental, eficiencia energética, ocupación, etc. de los principales espacios de los diversos campus de la Universidad de Zaragoza. 

Se trata de un ecosistema IoT (Internet of Things) que, entre otros aspectos, permite monitorizar en tiempo real las condiciones ambientales de numerosos espacios de la Universidad de Zaragoza; especialmente, en la Escuela de Ingeniería y Arquitectura (EINA) del Campus Río Ebro. Pretende crear toda una factoría de formación, concienciación y dinamización de espacios urbanos sostenibles en el ámbito de la educación digital, la eficiencia energética y las energías renovables.

El análisis de los datos permite detectar anomalías en el funcionamiento de las instalaciones de climatización

El proyecto se basa en la utilización de software y hardware libre, con tecnología de muy bajo consumo de energía, con varios objetivos. Monitorizar variables relevantes (temperatura, nivel de CO2, humedad y presión atmosférica), mediante diferentes tipos de sensores, tanto comerciales como fabricados “a mano” en la universidad. Visualizar la información recogida, mediante una plataforma interactiva. Y analizar estos datos y tomar decisiones basadas en ellos.

Se analizan los datos de CO2, que permiten identificar espacios críticos con menor nivel de ventilación y, por tanto, aquellos que requieren de una mejora en la calidad de aire. 

Análogamente, se analizan los datos de temperatura, que permiten cuantificar si se ha climatizado en exceso, lo que supondría un derroche de energía o si, en caso contrario, se ha climatizado insuficientemente, afectando al confort. 

Por otra parte, el análisis de los datos permite detectar anomalías en el funcionamiento de las instalaciones de climatización. Por ejemplo, se detectó que la climatización estuvo encendida durante un fin de semana debido a un error de cableado de unos termostatos.

Para el análisis de los datos, se ha desarrollado un código en Matlab que permite de forma automatizada conectarse al servidor, obtener los datos, realizar un análisis de estos y devolver los resultados de forma gráfica y numérica, una vez definidos los espacios y el intervalo de tiempo a estudiar.

Análisis llevados a cabo

A modo de ejemplo del potencial de esta herramienta, se muestran adjuntos algunos ejemplos de los análisis llevados a cabo. En el caso del CO2, el programa desarrollado permite calcular los niveles máximos diarios y mensuales por espacio. En la figura 3, se muestra la evolución del nivel de CO2 en una cafetería, así como los valores máximos diarios, durante el segundo cuatrimestre del curso 22-23.

Con todos estos análisis se generan informes periódicos que permiten la toma de decisiones basadas en datos

También permite analizar el porcentaje de tiempo respecto a las horas de apertura del centro, en el que el nivel de CO2 de cada uno de estos espacios se encuentra en diferentes franjas, como se muestra en la figura 4 para un aula, durante el primer cuatrimestre del curso 22-23.

Con todos estos análisis se generan informes periódicos que permiten la toma de decisiones basadas en datos. 

Actualmente se sigue trabajando en el desarrollo de indicadores que permitirán comparar por periodos la evolución de la calidad de aire interior y temperatura, para ver el efecto de las mejoras realizadas en la instalación o en la gestión de los espacios. 

El balance de este proyecto está siendo muy positivo tanto desde la valoración del grupo de trabajo como desde el reconocimiento obtenido en forma de premios y proyectos. Hasta donde conocemos es un proyecto pionero en sus características, ya que está siendo desarrollado íntegramente por el personal investigador de la Universidad de Zaragoza.

Elementos gráficos:

Tabla 1. Sensores instalados en sensoriZAR (● = incluye medida).

Figura 1. Plataforma IoT sensoriZAR.

Figura 2. Análisis de datos. 

Figura 3. Evolución del nivel de CO2 en una cafetería. Valores máximos diarios.

Figura 4. Ejemplo de estudio de CO2: máximos mensuales y distribución de la concentración de CO2por franjas de tiempo porcentuales en un aula.

Artículo elaborado por CLUSTER IAQ