کنترل پیش بینی کننده برای مدیریت انرژی ساختمان I: مدلسازی انرژی و کنترل بهینه

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

کنترل پیش بینی کننده برای مدیریت انرژی ساختمان I: مدلسازی انرژی و کنترل بهینه

عنوان لاتین

Model-Based Predictive Control for Building Energy Management I: Energy Modeling and Optimal Control

انتقال گرما و رطوبت همزمان در کل ساختمان تأثیر مهمی بر محیط آب و هوا و عملکرد کلی ساختمان ها دارد. در این کار، توسعه یک مدل تحلیل انرژی ساختمانی (BEAM) برای پیش بینی حرارت کل ساختمان و رطوبت ارائه شده است. مدل انتقال گرما و رطوبت همراه با توجه به بیشتر اثرات هیدروترمال اصلی در ساختمان ها می باشد. مدل سیستم همراه در Matlab اجرا شده و با EnergyPlus تایید شده است. علاوه بر این، BEAM از طریق کاهش یک نظم مدل فیزیکی به یک مدل سیستم نظم (Re-BEAM) به راحتی با الگوریتم کنترل ادغام می شود. با استفاده از Re-BEAM، یک روش پیش بینی مبتنی بر مدل (MBPC) برای ایجاد اطلاعات بحرانی ساختمان در الگوریتم های کنترل طراحی شده است، به طوری که مصرف انرژی ساختمان به حداقل برسد در حالی که شرایط راحتی حفظ می شود. جدول مقدار مطلوب تعیین شده می تواند در هر سیستم HVAC استفاده شود. نتایج شبیه سازی یک ساختار ساختمانی برتری را از لحاظ کاهش انرژی و بار حداکثر در مقایسه با روش های کنترل ثابت سنتی و روش های کنترل استفاده می کنند که از برنامه درجه حرارت متغیر ساکنان استفاده می کنند.

The simultaneous heat and moisture transfer in the building envelope has an important influence on the indoor climate and the overall thermal performance of buildings. In this work, the development of a Building Energy Analysis Model (BEAM) predicting whole building heat and moisture transfer is presented. The coupled heat and moisture transfer model takes into account most of the main hygrothermal eects in buildings. The coupled system model is implemented in Matlab, and verified with EnergyPlus. Furthermore, BEAM is reduced via a physically based model order reduction to a lower order system model (Re-BEAM) to be easily integrated with a control algorithm. By utilizing Re-BEAM, a Model-Based Predictive Control (MBPC) method is developed to incorporate critical building information into control algorithms, such that the building energy consumption is minimized while comfort conditions are maintained. The resulting optimal setpoint schedule can be applied on any HVAC system. Simulation results of a building structure demonstrate the superiority in terms of energy and peak load reductions compared with traditional constant control methods and control methods that use a occupants-varying temperature schedule.