Wielokryterialna optymalizacja zużycia energii na chłodzenie w budynkach wielkopowierzchniowych

• Autorzy: Gawin D. , Woźniak P.

Identyfikatory

DOI

10.7862/rb.2017.1

Warianty tytułu

Multiobjective optimization of cooling energy usage in large-floor-area buildings

• Języki publikacji: PL

Abstrakty

PL

Poszukując optymalnego sposobu eksploatacji budynku, występują trudności w znalezieniu rozwiązania charakteryzującego się jak najmniejszym zużyciem energii, przy jednoczesnym zapewnieniu komfortu cieplnego ludziom w nim przebywającym, ponieważ kryteria te są sobie przeciwstawne. Sprowadza się to do rozwiązania problemu optymalizacji wielokryterialnej i wyznaczenia zbioru punktów optymalnych, stanowiących kombinację danych parametrów wejściowych do symulacji. Do takiej sytuacji dochodzi coraz częściej w okresie letnim, gdy temperatura operatywna w budynku na skutek działania wysokich wartości temperatur powietrza zewnętrznego i natężenia promieniowania słonecznego, przekracza dopuszczalne normy. Powszechnie stosowane instalacje chłodzenia w budynkach użyteczności publicznej powinny więc zostać poddane optymalizacji, zarówno na etapie projektowania, jak i eksploatacji, polegającej na doborze parametrów określających ich działanie. W niniejszym artykule pokazano zastosowanie algorytmów genetycznych do powyższego zagadnienia optymalizacji wielokryterialnej dla przypadku sklepu wielkopowierzchniowego, zakładając dostępność do prognozowanych danych pogodowych z wyprzedzeniem 24-godzinnym. Dodatkowo, harmonogramy pracy instalacji chłodzenia zostały dobrane w sposób uwzględniający zarządzanie stroną popytową w sposób minimalizujący pobieranie energii elektrycznej w okresie największego obciążenia sieci elektroenergetycznej. Z obliczeń otrzymano kombinacje parametrów wejściowych, pozwalających na zmniejszanie kosztów eksploatacyjnych przy zastosowaniu zmiennej taryfy energetycznej, jednocześnie zapewniając komfort termiczny przez cały okres pracy budynku i pobierając energię elektryczną w sposób bardziej równomierny w ciągu doby. Dowodzi to zasadności podjętych badań i możliwości zastosowania powyższej procedury w zarządzaniu rzeczywistych obiektów wielkopowierzchniowych przy użyciu skalibrowanych z nimi modeli komputerowych.

EN

While searching for an optimal way of building exploitation, the difficulty in finding a solution characterized by the lowest energy consumption with simultaneously assuring thermal comfort of the people inside arises. The solution aiming at meeting the two contrary criteria results in application of multi-objective optimization through determining the set of optimal points being a combination of simulation entry parameters. Assuring thermal comfort of the people inside a building is especially inconvenient in summer, when the building’s operative temperature exceeds allowable standards due to influence of high exterior air temperature and solar radiation intensity. Hence, commonly utilized air - conditioning systems should undergo optimization at the stage of both design and during exploitation based on the proper operating parameters choice. This paper analyzes the usage of genetic algorithms in the multi-objective optimization of a large – floor – area store assuming the access to weather conditions forecasted in 24 – hour advance. Furthermore, the HVAC system work schemes were set in a way including the minimization of electrical energy consumption in the peak hours of the power system demand. The performed calculations made it possible to obtain the combination of entry parameters allowing mitigation of exploitation costs through variable electrical energy tariff as well as assuring thermal comfort within the whole building’s operation period while consuming the electrical energy in a more sustainable way. The results prove validity of the undertaken research and possibility of application of the aforementioned procedure in a control system of real large – floor – area buildings, taking advantage of their calibrated computational models.

Słowa kluczowe

PL

algorytmy genetyczne; demand-side management; Model Predictive Control; precooling

EN

genetic algorithms; demand side management; Model Predictive Control; precooling

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture
• Rocznik: 2017
• Tom: z. 64, nr 1
• Strony: 7--14
• Opis fizyczny: Bibliogr. 10 poz., rys., wykr., tab.

Twórcy

autor

Gawin D.

• Politechnika Łódzka, Wydział Budownictwa, Architektury i Inżynierii Środowiska, Katedra Fizyki Budowli i Materiałów Budowlanych, al. Politechniki 6, 90-924 Łódź

autor

Woźniak P.

• Politechnika Łódzka, Wydział Budownictwa, Architektury i Inżynierii Środowiska, Katedra Fizyki Budowli i Materiałów Budowlanych, al. Politechniki 6, 90-924 Łódź

Bibliografia

• [1] Nguyen A-T, Reiter S., Rigo P.: A review on simulation-based optimization methods applied to building performance analysis, Applied Energy, vol. 113, 2014, pp. 1043-1058.
• [2] Afram A., Janabi-Sharifi F.: Theory and applications of HVAC control systems – A review of model predictive control (MPC), Building and Environment, vol. 72, 2014, pp. 343-355.
• [3] Avci M., Erkoc M., Rahmani A., Asfour S.: Model predictive HVAC load control in buildings using real-time electricity pricing, Energy and Buildings, vol. 60, 2013, pp. 199-209.
• [4] Adika C. O., Wang L.: Smart charging and appliance scheduling approaches to demand side management, Electrical Power and Energy Systems, vol. 57, 2014, pp.232-240.
• [5] http://www.pse.pl {dostęp 19.05.2016}.
• [6] Deb K., Pratap A., Agarwal S., Meyarivan T.: A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II., IEEE Transactions on Evolutionary Computation, vol. 6, no. 2, 2002.
• [7] Zitzler E.: Evolutionary Algorithms for Multiobjective Optimization: Methods and Applications, Swiss Federal Institute of Technology Zurich, Zurich, 1999.
• [8] ANSI/ASHRAE Standard 55-2013: Thermal environmental conditions for human occupancy, Atlanta: American Society of Heating, Ventilation and Air-conditioning Engineers Inc., 2013.
• [9] http://www.mib.gov.pl {dostęp 19.05.2016}.
• [10] http://www.energa.pl {dostęp 19.05.2016}.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017)