استفاده از تکنولوژی و هوش مصنوعی در بهینه سازی و کاهش مصرف انرژی در ساختمان

چکیده مقدمه: موسسه بین المللی انرژی (IEA) برآورد کرده که ساختمان های مسکونی و تجاری 40% انرژی جهان را مصرف می کنند و 24 درصد CO2 را منتشر می کنند. پارامترهای طراحی و مکان ساختمان تاثیر زیادی بر مصرف انرژی دارند. تنظیم پارامترها و مشخصه های ساختمانی به روشی بهینه، به کاهش مصرف انرژی و ساخت ساختمان های با مصرف بهینه کمک می کند. بنابراین بررسی تاثیر عوامل موثر برای کاهش مصرف انرژی ساختمان ضروری است. هدف: روش کار: برای این کار با برنامه های کاربردی هوش مصنوعی مانند هوش مصنوعی قابل توضیح (XAI) و یادگیری ماشین (ML)، مشخصه های مهم ساختمانی برای کاهش انرژی ساختمان ها را شناسایی می کنند. این کار با بررسی ضریب مشخصه های مختلف ساختمانی انجام می شود که روی مصرف انرژی ساختمان تاثیر گذار است. در این پژوهش به دلیل اهمیت نسبی مشخصه های ورودی موثر بر مصرف انرژی ساختمان، تاثیر متغیرهای ورودی بر مصرف انرژی و وابستگی ها و روابط میان متغیرهای ورودی ساختمان های مسکونی و تاثیر مشخصه های مکانی بر مصرف انرژی سرمایشی و گرمایشی در ساختمان های مسکونی بررسی شد. برای تحلیل داده های مصرف انرژی، سه مجموعه داده به نام های پیمایش مصرف انرژی ساختمان های تجاری (CBECS)، جمع آوری شده در سال های 2012 و 2018، مجموعه دادهای بازدهی انرژی دانشگاه ایروین کالیفرنیا (UCI) و داده های بار تجاری (CLD) بکار گرفته شد. به این منظور از پایتون و WEKA استفاده شد. جنگل تصادفی، رگرسیون خطی، شبکه های بیزین، و رگرسیون لجستیک مصرف انرژی را با استفاده از این مجموعه داده ها پیش بینی کردند. همچنین آزمون های آماری مانند آزمون مجموع رتبه ویلکاکسون برای اختلاف های قابل توجهی میان مجموعه داده های خاص بررسی شد و یک کتابخانه پایتون به نام Shapash نمودارهای مهم مشخصه را ایجاد کرد. نتیجه گیری: نتایج نشان داد که روزهای نیازمند سرمایش و گرمایش مهم ترین مشخصه در پیش بینی بار سرمایشی و گرمایشی با سهم مقداری 34.29% (2 018) و 19.68% (2012) هستند. همچنین بررسی تاثیر پارامترهای ساختمانی بر مصرف انرژی نشان داد که محل ساختمان هم با حاشیه خطای 0.05 بر مصرف انرژی تاثیر دارد. تحلیل پیشنهادی برای کاربردهای دنیای واقعی و ساخت ساختمان های با مصرف بهینه سودمند است.