مدل سازی، شبیه سازی دینامیکی و کنترل پیش بین هوشمند سامانه های تهویه مطبوع در ساختمان های با مصرف انرژی نزدیک به صفر بر پایه شبکه های عصبی عمیق و الگوریتم های یادگیری ماشین

تحولات شتابان در حوزه اقلیم شناسی شهری و الزامات فزاینده کاهش انتشار گازهای گلخانه ای، مهندسی مکانیک را به سمت بازتعریف ساختاری سامانه های تولید و توزیع برودت و حرارت سوق داده است. ساختمان های با مصرف انرژی نزدیک به صفر نماد تلاقی معماری پایدار با تجهیزات مکانیکی پیشرفته هستند؛ اما عملکرد این سامانه ها تحت حاکمیت عدم قطعیت های شدید ناشی از نوسان های جوی و الگوهای غیرخطی حضور کاربران با چالش های بنیادین افت کارایی روبه رو می شود. هدف این پژوهش، توسعه و ارزیابی یک سامانه کنترل هوشمند مبتنی بر ترکیب شبکه های عصبی عمیق با نظریه کنترل پیش بین مدل به منظور راهبری بهینه تجهیزات تهویه مطبوع و مدارهای پمپاژ سیال در یک ساختمان مسکونی صفر انرژی نمونه است. در متدولوژی اتخاذشده، مشخصات فیزیکی پوسته کدر و شفاف به همراه تجهیزات الکترومکانیکی مشتمل بر چیلرهای تراکمی دور متغیر، مدارهای پمپاژ اولیه و ثانویه مجهز به درایوهای فرکانس متغیر و سامانه های بازیابی حرارت در بستری از معادلات ترمودینامیکی پیوسته مدل سازی شده اند. الگوریتم یادگیری عمیق طراحی شده با دریافت سری های زمانی شرایط جوی، شدت تشعشع خورشیدی، اینرسی حرارتی توده مصالح و مشخصات اشغال فضا، توابع بار ساعتی آینده را تخمین می زند تا کنترل کننده پیش بین، نقاط تنظیم بهینه شیرهای کنترل، سرعت چرخش فن ها و دمای سیال واسط را به شکل خودکار معین کند. نتایج تحلیلی نشان داد که جایگزینی منطق های سنتی کنترل با روش های داده محور، پدیده های ناخواسته پرتاب بار و نوسانات پی درپی دمایی را کاملا مهار ساخته و عملکرد چیلرها و پمپ ها را در محدوده های با راندمان بالا تثبیت می نماید. این دستاورد ضمن کاهش معنادار تقاضای سالیانه الکتریسیته و تعدیل توان بیشینه مورد نیاز، شاخص های آسایش حرارتی ساکنان را در تمام طول ساعات بهره برداری در دامنه های ایده آل نگه داشته و توجیه فنی و اقتصادی استقرار فناوری های هوش مصنوعی در مهندسی تاسیسات را به اثبات می رساند.

کلیدواژه ها:

مهندسی مکانیک تاسیسات ، ساختمان صفر انرژی ، کنترل پیش بین مبتنی بر مدل ، شبکه های عصبی عمیق ، یادگیری ماشین ، بهینه سازی ترمودینامیکی.