کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4911405 1428368 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Development of an intelligent building controller to mitigate indoor thermal dissatisfaction and peak energy demands in a district heating system
ترجمه فارسی عنوان
توسعه یک کنترل کننده ساختمان هوشمند برای کاهش نارضایتی حرارتی داخلی و افزایش تقاضای انرژی در یک سیستم گرمایش مرکزی
کلمات کلیدی
کنترل ساختمان هوشمند، ذخیره انرژی، محیط حرارتی داخل ساختمان، تقاضای بالا، پیش بینی دما، سیستم گرمایش مرکزی،
ترجمه چکیده
این پژوهش یک کنترل کننده هوشمند برای بهبود راحتی حرارتی و کاهش تقاضای پیک انرژی در یک سیستم گرمایش مرکزی ارائه می دهد. مدل مبتنی بر هوش مصنوعی با آشکارسازهای درجه حرارت و راحتی حرارتی بهینه سازی شرایط تهویه هوا برای حفظ دمای اتاق مورد نظر در پاسخ به خصوصیات کاربران در چهار نوع ساختمان مختلف است. این مدل موجب کاهش تقاضا برای خنک سازی و گرمایش به منظور بهینه سازی ظرفیت تولید و توزیع می شود. تجزیه و تحلیل مقایسه ای، اثربخشی مدل را نشان می دهد که سطح راحتی حرارتی آن را 27 درصد بهبود می بخشد و موجب کاهش 30 درصدی هزینه های انرژی در مقایسه با یک کنترل کننده ورودی / خروجی معمولی می شود. این مدل دارای مزیتی است که به طور صحیح به تغییرات دما با عملکرد بالا پاسخ می دهد تا از نارضایتی حرارتی و از دست رفتن انرژی جلوگیری شود. به رغم کنترل های حساس برای اطمینان از راحتی انسان، تأیید می شود که این مدل می تواند به طراحی بهینه سازی برای سیستم های تامین انرژی در مدل های مقیاس شهری کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
توسعه یک کنترل کننده ساختمان هوشمند برای کاهش نارضایتی حرارتی داخلی و افزایش تقاضای انرژی در یک سیستم گرمایش مرکزی
چکیده انگلیسی
This research proposes an intelligent controller to improve thermal comfort and reduce peak energy demands in a district heating system. An artificial intelligence based model with temperature and thermal comfort detectors optimizes supply air conditions to maintain desired room temperature responding to users' characteristics in four different building types. The model reduces peak demands for cooling and heating to optimize plant and distribution capacity. Comparative analyses describe the model's effectiveness that it improves thermal comfort level by 27%, and that it reduces peak energy demands by 30% in comparison with a conventional on/off controller. The model has an advantage that it properly responds to temperature changes with high performance to mitigate thermal dissatisfaction and energy loss. In spite of the sensitive controls to ensure human comfort, it is confirmed that the model can contribute to design optimization for energy supply systems in urban scaled models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Building and Environment - Volume 124, 1 November 2017, Pages 57-68
نویسندگان
, ,