توسعۀ کدگذاری چرخهای فصلی برای پیشبینی تأثیر حضور پویای ساکنان بر مصرف انرژی ساختمان با استفاده از مدل جانشین شبکۀ عصبی | ||
| فصلنامه سیستم های انرژی پایدار | ||
| دوره 5، شماره 4، پاییز 1405، صفحه 787-807 اصل مقاله (2.28 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ses.2026.414083.1239 | ||
| نویسندگان | ||
| سام سرلک گودرزی1؛ بهرنگ سجادی* 2 | ||
| 1دانشجوی کارشناس ارشد، دانشکدۀ مهندسی مکانیک، دانشکدگان فنی، دانشگاه تهران، تهران، ایران | ||
| 2دانشیار، دانشکدۀ مهندسی مکانیک، دانشکدگان فنی، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| پیشبینی دقیق مصرف انرژی ساختمان برای بهبود بهرهوری و کاهش هزینههای شبیهسازی، نیازمند بازنمایی مناسب حضور ساکنان است. در این پژوهش، الگوهای حضور ساکنان در مقیاس ساعتی به صورت پیوسته و ماههای سال به صورت چرخهای (با توابع سینوسی و کسینوسی) کدگذاری و به عنوان ورودی شبیهسازیهای انرژیپلاس و مدلهای یادگیری ماشین استفاده شدهاند. این رویکرد، به خلاف تعریفهای گسسته یا نرخهای ثابت، امکان تحلیل اثرات متفاوت حضور در ساعتها و فصلهای مختلف و تعمیم بهتر مدل را فراهم میکند. پس از طراحی شبکۀ عصبی مصنوعی با قابلیت پیشبینی میانگین ماهانۀ توان مصرفی ساختمان با دقت زیاد، تحلیل معیار شاپلی و نمودارهای وابستگی جزئی نشان دادند ساعتهای ظهر و بعدازظهر بیشترین تأثیر را بر بار مصرفی دارند و همچنین، آشکار کردند که تغییر میزان حضور ساکنان در ساعتهای مختلف روز، طی فصلهای زمستان و تابستان، اثراتی متفاوت و به طور محسوسی غیرخطی بر مصارف ساختمان به جا میگذارد. در نهایت، نشان داده شد جابهجایی زمان شروع حضور، بدون تغییرات فیزیکی در ساختمان، میتواند مصرف انرژی را بهینه کند و چارچوبی ساکنمحور برای مدیریت هوشمند انرژی ارائه دهد. در نهایت، نتایج نشان داد بهینهسازی زمانبندی حضور افراد طی سال، برای یک برنامۀ ساده، میتواند نرخ تقاضای انرژی در سیستم تهویۀ مطبوع را نسبت به خط مبنای بیشینۀ ماهانه تا حدود 15 درصد کاهش دهد. | ||
| کلیدواژهها | ||
| پیشبینی مصرف انرژی ساختمان؛ تحلیل ساکن محور انرژی ساختمان؛ حضور ساکنین؛ کدگذاری چرخهای زمان؛ انرژی پلاس | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 46 تعداد دریافت فایل اصل مقاله: 16 |
||