Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

Metro de Madrid implementa un sistema de ventilación basado en inteligencia artificial

  • Casos de éxito

Metro de Madrid-inteligencia artificial

El sistema, que se presentará en MWC de la próxima semana, ha permitido reducir los costes de energía en un 25% y 1.800 toneladas de emisiones de CO2. Diseñado por la compañía y por Accenture, utiliza la inteligencia artificial para equilibrar la eficiencia energética y el confort de los usuarios.

Más sobre Transformación Digital 

Moderniza los servicios de RR.HH. y aumenta la satisfacción de tus empleados

SAP HANA Platform: despliega todo su potencial en tu negocio

Smart cities, conectando puntos para crear un futuro más inteligente 

Mejores prácticas para implementar una plataforma ágil

NetOps conoce a DevOps. Estado de la automatización de red

Cómo implementar automatización DevOps y lograr una verdadera agilidad cloud

Cada día, una media de 2,3 millones de viajeros utilizan los 294 kilómetros de vía y las 301 estaciones de Metro de Madrid. Para ayudar a los pasajeros a estar cómodos dentro de las estaciones, sobre todo en los calurosos meses de verano, el Metro tiene instalados 891 ventiladores que consumen hasta 80 gigavatios de energía anuales.

Los expertos de ventilación de Metro de Madrid trabajaron junto al Accenture Applied Intelligence para desarrollar un sistema basado en una fuente de inspiración insólita: el comportamiento coordinado de una colonia de abejas en búsqueda de alimento.

Según explica Accenture en un comunicado, el resultado ha sido este sistema utiliza un algoritmo de optimización capaz de movilizar grandes cantidades de datos para obtener todas las combinaciones posibles en cuanto a temperatura del aire, arquitectura de la estación, frecuencia de trenes, carga de pasajeros y precio de la electricidad a lo largo del día. “El algoritmo utiliza datos tanto históricos como simulados, y tiene en cuenta la temperatura externa y la del subsuelo durante las siguientes 72 horas. Además, como utiliza machine learning, el sistema va mejorando a la hora de predecir el balance óptimo para cada estación de la red a lo largo del tiempo”, dice la compañía.

El sistema también incluye un motor de simulación y un módulo de mantenimiento que permite, entre otras cosas, detectar los fallos de operación de los ventiladores. De esta manera, Metro de Madrid puede monitorizar y gestionar fácilmente el consumo de energía, identificar y responder a las deficiencias del sistema y llevar a cabo de manera proactiva el mantenimiento de los equipos.

Su implementación ha permitido reducir los costes de energía en un 25% y 1.800 toneladas de emisiones de CO2.