Los sistemas de calefacción, ventilación y aire acondicionado (HVAC) en viviendas son responsables de una parte considerable del consumo energético en los edificios. Esta realidad ha impulsado la búsqueda de soluciones más eficientes que reduzcan el gasto energético sin sacrificar el confort. No obstante, las tecnologías actuales de detección de ocupación presentan desafíos importantes: altos costes de implementación, largos periodos de retorno de inversión, problemas de privacidad y limitaciones en la comodidad del usuario.
Con el objetivo de superar estas barreras, un equipo de la Universidad Nacional de Hanbat (Corea del Sur) ha desarrollado un innovador sistema de control para la gestión energética y la climatización en hogares inteligentes. Su propuesta se basa en un modelo de aprendizaje por refuerzo cuántico (QRL, por sus siglas en inglés) con variables continuas, que aplica principios de la computación cuántica para optimizar el funcionamiento de los sistemas HVAC.
Un control más preciso y adaptable
El modelo QRL permite gestionar de manera eficiente espacios de estado y acción de alta dimensión, lo que se traduce en un control térmico más preciso, especialmente en edificios multizona. Para lograrlo, el sistema combina detección de ocupación en tiempo real mediante aprendizaje profundo con datos operativos, como patrones de consumo eléctrico, registros del aire acondicionado y variaciones en la temperatura exterior.
El marco desarrollado incorpora funciones avanzadas, como refrigeración multizona, que ajusta de forma independiente la temperatura en distintas áreas del edificio, y agrupamiento de zonas similares, lo que permite a un único controlador optimizar simultáneamente la comodidad, el consumo energético y las emisiones de carbono en tiempo real.
Resultados prometedores en pruebas reales
Los investigadores evaluaron su método utilizando datos de 26 viviendas durante un periodo de tres meses. Los resultados mostraron mejoras notables frente a los sistemas convencionales: el control QRL redujo el consumo energético en un 63% y 62,4% respecto a otras técnicas de aprendizaje por refuerzo y al algoritmo de optimización de políticas proximales (PPO), respectivamente. En cuanto al coste eléctrico, las reducciones alcanzaron un 64,4% y 62,5%, manteniendo al mismo tiempo el confort térmico de los usuarios.
Compatibilidad y aplicaciones prácticas
Una de las principales ventajas del sistema es su compatibilidad con infraestructuras existentes, ya que puede integrarse fácilmente con sensores estándar de temperatura, CO₂ y ocupación, así como con equipos y termostatos domésticos comunes. Además, el modelo demuestra una gran robustez ante la incertidumbre, siendo capaz de manejar pronósticos meteorológicos imprecisos o limitaciones en la disponibilidad de dispositivos.
Este método también es escalable: puede aplicarse tanto en apartamentos individuales como en pequeños edificios, microrredes o comunidades energéticas. Su versatilidad permite su uso en termostatos inteligentes y sistemas autónomos de gestión energética, optimizando el confort, las facturas y las emisiones sin requerir intervención humana ni ajustes específicos para paneles solares o baterías domésticas.
Hacia redes energéticas inteligentes y sostenibles
El control de climatización basado en QRL abre la puerta a aplicaciones a mayor escala, como edificios conectados en red o campus universitarios, que actúan como centrales eléctricas virtuales (CVE). A través de esta coordinación, millones de hogares podrían contribuir a estabilizar redes eléctricas con alta penetración de energías renovables, garantizando a la vez una calidad ambiental interior personalizada y una gestión del carbono más eficiente.