شبیه سازی انرژی مصرفی و ارزیابی هوشمند انرژی مورد نیازدرساختمانهای مسکونی

افزایش کارآمدی انرژی مصرفی در ساختمان ها، یک هدف استراتژیک در کشور های توسعه یافته آمریکای شمالی و اتحادیه اروپا می باشد. بر این اساس مطالعات متعددی برای ارزیابی و کاهش مصرف انرژی در ساختمان های مسکونی انجام شده است . فرایند ارزیابی و کارایی انرژی مصرفی در ساختمان های مسکونی موجود، می تواند ابزاری راهگشا به منظور بهینه سازی مصرف انرژی در ساختمان های موجود و ابزاری به منظور بهبود فرایند ساخت در ساختمان های جدید باشد. از دیگر سو می تواند ابزار مناسبی به منظور برنامه ریزی مناسب بمنظور بهینه سازی مصرف انرژی قرار گیرد تا مبنایی برای توسعه پایدار باشد. هدف از این مقاله ،ارزیابی و تعیین عوامل موثر بر انرژی مصرفی مورد نیاز ساختمان است . در این ارزیابی ، تاثیر شرایط اقلیمی و سطح اشغال بر انرژی مصرفی که برای به دست آوردن شرایط راحت لازم است ، مورد ارزیابی واقع شده است . در این پژوهش از شبکه های عصبی درطبقه بندی داده ها استفاده شده است . برای طراحی شبکه ، به طور گسترده یک مدل پرسپترون تک لایه و دو لایه با الگوریتم های انتشار خطا با رویکرد نگاه به گذشته استفاده شده است . در این فرایند از الگوریتم های شناخته شده ریاضی بمنظور تخمین مقادیر در گره های عصبی استفاده شده است و بر اساس داده های ورودی و خروجی جمع آوری شده، شبکه های مختلف طراحی و مورد آزمون عملکردی قرار گرفته اند تا دقیق ترین بازتاب مصرف انرژی واقعی را تشخیص دهند. بر اساس نتا یج به دست آمده، عواملی که به طور قابل توجهی بر مصرف انرژی تاثیر گذار هستند تعیین شده اند ومدل سازی پیش بینی انرژی مورد نیاز برای آن ،آنالیز و ارائه شده است . نتیجه کار پیش بینی انرژی مورد نیاز است که از اهمیت ویژه ای برخوردار است ، که می تواند با برنامه ریزی مناسب منجر به کاهش مصرف و در نتیجه کاهش هزینه بهره برداری شود.

کلیدواژه ها:

هوش مصنوعی ، شبکه عصبی مصنوعی ، براورد انرژی ، یادگیری ماشین ، توسعه پایدار.