Nowa wersja platformy jest już dostępna.
Przejdź na https://bibliotekanauki.pl

PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2008 | z. 47 [252] | 513-520
Tytuł artykułu

Wykorzystanie metod sztucznej inteligencji do zarządzania energią w budynku

Autorzy
Warianty tytułu
EN
Artificial intelligent methods for energy managment in building
Konferencja
II Konferencja SOLINA 2008. Energia odnawialna. Innowacyjne rozwiązania. Materiały i Technologie dla Budownictwa. Solina, 28--31 maja 2008
Języki publikacji
PL
Abstrakty
PL
Przedstawiono wstępne, bardzo zachęcające, wyniki uczenia się inteligentnego termostatu strategii wykorzystania tańszej taryfy energii elektrycznej do ogrzewania budynku za pomocą elementów grzejnych umieszczonych w jego masywnej konstrukcji. Do adaptacyjnego sterowania wykorzystano metodę sztucznej inteligencji — uczenie się ze wzmocnieniem. Przeprowadzono dynamiczną symulację rozpływu energii w budynku opartą na metodach różnic skończonych. Uzyskano 5% poprawę w stosunku do typowo wykorzystywanego sterowania czasowego.
EN
This paper deals with the issue of achieving thermal comfort in buildings with minimal energy consumption. The novel approach to optimal control of building active thermal energy storage has been presented. The proposed building control approach is based on reinforcement learning algorithm. An experimental study was carried out with real meteorological data from a station located in Warszawa-Ursus. 5% improvement of consumed energy cost in comparison to typical ON/OFF strategy has been obtain.
Wydawca

Rocznik
Strony
513-520
Opis fizyczny
Bibliogr. 9 poz., il.
Twórcy
autor
Bibliografia
  • [1] Ben-Nakhi AE. Mahmoud MA. Energy conservation in buildings through efficient A/C control using neural networks. Applied Energy 2001; 73:5-23
  • [2] K. Dalamagkidis, D. Kolokotsa, K. Kalatitzakis, G.S. Stavarakakis, Reinforcement learning for energy conservation and comfort in buildings. Building and Environment 42 (2007) 2686-2698.
  • [3] Dounis AI, Manoklakis DE. Design of a fuzzy system for living space thermal-comfort regulation. Applied Energy 2001; 69(2): 119-44.
  • [4] Kolokotsa D, Tsiavos D, Strvrakakis GS, Kalaitzakis K, Antonidakis E. Advanced fuzzy logic controllers design and evaluation for buildings' occupants thermal - visual comfort and indoor air quality satisfaction. Energy and Building 2001; 33:531-43
  • [5] Morel N, Bauer M, El-Khoury M, Krauss J. Neurobat, a predictive and adaptive heating control system using artificial neural networks. International Journal of Solar Energy 2001; 21:161-201
  • [6] Simens Liu, Gregor P. Henze, Experimental analysis of simulated reinforcement learning control for active and passive building thermal storage uwentory Part I. Theoretical foundation. Energy and Buildings 38 (2006) 142-147
  • [7] Simens Liu, Gregor P. Henze, Experimental analysis of simulated reinforcement learning control for active and passive building thermal storage inventory Part II. Result and analysis. Energy and Buildings 38 (2006) 148-161
  • [8] Sutton RS, Barto AG. Reinforcement learning: an introduction. Cambridge, MA: MIT Press; 1998.
  • [9] JA Clarke, Energy Simulation in Building Design. Butterworth-Heinemann 2001
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-article-BTB2-0046-0120
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.