Optymalizacja techno-ekonomiczna i środowiskowa wspomagana AI dla termomodernizacji budynków bliskich zerowego zużycia energii: studium przypadku kampusu uniwersyteckiego

Dlaczego inteligentniejsze budynki mają znaczenie

Na całym świecie budynki zużywają w ciszy ogromne ilości energii, w dużej mierze pochodzącej z paliw kopalnych napędzających zmiany klimatu. W gorących regionach, takich jak Zjednoczone Emiraty Arabskie, chłodzenie klas i biur pochłania szczególnie dużo energii. Niniejsze badanie analizuje, jak jeden budynek uniwersytecki w Szardży można przekształcić w znacznie bardziej oszczędnego użytkownika energii, stosując kombinację lepszego projektu, energii słonecznej i sztucznej inteligencji. Wyniki dają praktyczny obraz tego, jak istniejące budynki — nie tylko nowe, efektowne obiekty — mogą zmierzać ku pracy bliskiej zerowemu zużyciu energii, oszczędzając przy tym pieniądze i redukując emisje cieplarniane.

Problem współczesnych kampusów

Naukowcy zaczynają od nakreślenia kontekstu: budynki odpowiadają za około 40% światowego zużycia energii i znaczną część emisji dwutlenku węgla. W ZEA popyt jest napędzany w dużej mierze przez klimatyzację, a wiele starszych budynków nigdy nie było projektowanych z myślą o efektywności. Przykładem jest budynek M9 na Uniwersytecie w Szardży, trzykondygnacyjny obiekt inżynierski z końca lat 90. Audyt energetyczny i szczegółowy model komputerowy pokazują, że zużywa on około 1,43 miliona kilowatogodzin energii elektrycznej rocznie, a zużycie energii na metr kwadratowy jest wyższe niż w typowych biurowych wskaźnikach. Prawie 40% tej energii trafia do przestarzałego sprzętu chłodniczego, który pracuje niemal bez przerwy, sterowany ręcznymi termostatami zamiast zautomatyzowanymi harmonogramami.

Proste zmiany przed wysoką technologią

Zanim dodadzą nowe źródła zasilania, zespół bada, jak zmniejszyć apetyt budynku na energię. Przy użyciu narzędzia symulacyjnego testują kilka stosunkowo prostych zmian. Należą do nich przemalowanie elewacji z beżowej na białą, aby lepiej odbijała światło słoneczne, dodanie poziomych osłon nad oknami w celu blokowania bezpośredniego promieniowania, wprowadzenie inteligentniejszych harmonogramów, aby system chłodzenia działał tylko wtedy, gdy budynek jest faktycznie używany, oraz wymiana energochłonnych komputerów stacjonarnych na bardziej wydajne laptopy. Razem te kroki zmniejszają roczne zużycie energii budynku o około jedną trzecią i redukują szczytowe zapotrzebowanie na chłodzenie o ponad 11%. Obniżają też emisje dwutlenku węgla o około 296 ton rocznie, czyli ponad 7 300 ton w ciągu 25 lat — bez zmiany sposobu użytkowania budynku.

Wykorzystywanie słońca

Po ograniczeniu popytu kolejnym krokiem jest sprawdzenie, jak dużą część pozostałego zapotrzebowania można pokryć energią słoneczną. Intensywne nasłonecznienie w ZEA sprawia, że panele dachowe są szczególnie atrakcyjne. Powierzchnia dachu budynku M9 jest ograniczona, ale badacze zaprojektowali przyłączoną do sieci instalację fotowoltaiczną o mocy około 215 kilowatów, wykorzystując specjalistyczne oprogramowanie. Na papierze system ten może wytwarzać około 366 megawatogodzin energii elektrycznej rocznie, pokrywając 38,4% zredukowanego rocznego zapotrzebowania budynku. Choć nie osiąga to formalnego progu „bliskiego zeru energetycznego” — tutaj zdefiniowanego jako co najmniej połowa energii budynku pochodząca ze źródeł odnawialnych — znacznie ogranicza zależność od sieci. Modelowanie finansowe pokazuje, że system fotowoltaiczny zwraca się w około sześć lat, dostarcza zrównoważony koszt energii niższy niż lokalna cena sieciowa i daje silny zwrot z inwestycji w ciągu 25-letniego okresu eksploatacji, jednocześnie unikając niemal 5 000 ton emisji CO2 nawet po uwzględnieniu śladu produkcyjnego paneli.

Gdy sztuczna inteligencja sortuje opcje

Ponieważ istnieje wiele możliwych kombinacji działań poprawiających efektywność i rozmiarów instalacji PV, zespół stworzył narzędzie oparte na sztucznej inteligencji, aby przyspieszyć podejmowanie decyzji. Wygenerowali tysiące hipotetycznych scenariuszy modernizacji, każdy z różnymi zestawami ulepszeń budynku i mocy fotowoltaiki, i obliczyli długoterminowe koszty, czasy zwrotu oraz redukcje emisji. Model drzewa decyzyjnego uczy się na tych danych, aby niemal natychmiast przewidywać kluczowe wskaźniki, takie jak wartość bieżąca netto i oszczędności CO2 dla nowych scenariuszy. Ten oparty na AI „doradca” może potem uszeregować pakiety modernizacyjne pod kątem równoważenia trzech celów jednocześnie: niższych rachunków za energię, lepszych zwrotów finansowych i głębszych cięć emisji. Zamiast uruchamiać nową, czasochłonną symulację dla każdej koncepcji, planujący mogą szybko zobaczyć, które opcje prawdopodobnie przyniosą największą wartość.

Co to oznacza dla przyszłych budynków

Na koniec analizy budynek M9 nie stał się w pełni budynkiem bliskim zerowego zużycia energii, ale jest blisko: zużycie energii spadło o jedną trzecią, a energia z instalacji na miejscu pokrywa niemal dwie piąte pozostałego zapotrzebowania, wszystko przy solidnych wynikach finansowych. Badanie pokazuje, że połączenie umiarkowanych zabiegów architektonicznych, inteligentnej eksploatacji, wydajnego sprzętu i instalacji fotowoltaicznej na dachu może przynieść duże zyski bez radykalnej przebudowy. Równie ważne, wykazuje, jak AI może przekształcić góry danych technicznych w jasne wytyczne dla zarządców obiektów i decydentów. Dla kampusów i miast w gorącym klimacie podejście to wskazuje realistyczną ścieżkę: zamiast czekać na futurystyczne budynki, możemy użyć dzisiejszych narzędzi, aby przebudować te, które już mamy, w miejsca bardziej ekologiczne, tańsze i odporne.

Cytowanie: Alobaid, M., Abo-Khalil, A.G. & Sayed, K. AI-enhanced techno-economic and environmental optimization for nearly zero-energy building retrofitting: a case study of university campus. Sci Rep 16, 14599 (2026). https://doi.org/10.1038/s41598-026-41747-1

Słowa kluczowe: budynki bliskie zerowego zużycia energii, termomodernizacje budynków, fotowoltaika, efektywność energetyczna, sztuczna inteligencja w energetyce