بهبود مدیریت انرژی و آسایش در ساختمان های هوشمند (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مدیریت بهینه مصرف انرژی در ساختمان ها پیامدهای مثبتی در اقتصاد خرد و کلان دارد. در مدیریت مصرف انرژی، علاوه بر کاهش مصرف راحتی ساکنان نیز باید مورد توجه باشد. مسئله مدیریت و زما بندی کارکرد وسایل الکتریکی خودکار و قابل برنامه ریزی در یک ساختمان هوشمند، یک مسئله بهینه سازی است که با توجه به تعداد وسایل الکتریکی و قابلیت های آن ها پیچیدگی بالایی دارد. در این پژوهش یک رویکرد مدیریت مصرف انرژی پیشنهاد شده است که شامل سه لایه از عامل های سوییچ، هماهنگ کننده و اجرا است که در یک ساختار شبکه ای با هم مرتبطند. عامل سویچ برای تعیین و پایش اولویت ها، سطح رضایت و راحتی کاربر استفاده می شود. عامل هماهنگ کننده درباره زمان بندی وسایل الکتریکی با هدف کمینه سازی هزینه برق مصرفی و بیشینه سازی راحتی کاربر تصمیم گیری می کند. عامل اجرا تصمیمات اخذ شده را با مجموعه ای از اعمال اجرا می کند. هدف اصلی این پژوهش ارائه الگوریتمی برای کاهش مصرف انرژی و اوج نرخ میانگین و درعین حال افزایش راحتی کاربر در لایه عامل هماهنگ کننده است. به این منظور روشی ترکیبی مبتنی بر الگوریتم ژنتیک و الگوریتم خفاش ارائه شده و عملکرد آن بر اساس توابع هدف ارزیابی شده اند. نتایج حاصل نشان می دهد که روش پیشنهادی نسبت به روش های ارائه شده اخیر، بر روی مجموعه داده های اسمارت هوم[1] و سی یوبیمز[2] نتایج بهتری داشته اند. [1]. SmartHome [2]. CU-BemsImproving Energy and Comfort Management in Smart Buildings
Managing energy consumption in smart buildings has become an increasingly important challenge. Efficient energy management can have a positive impact on both micro and macroeconomics. Moreover, it is essential to ensure that the comfort of smart building residents is maintained at an acceptable level. Optimization algorithms can be used to achieve user convenience while minimizing energy consumption. In this study, we propose an optimization approach that utilizes an agent-based architecture. This architecture comprises intelligent agents that communicate with each other via message exchange in a network structure consisting of three layers: (1) The switch layer monitors user preferences and comfort levels. (2) The coordination layer includes a coordinating agent that determines the optimal timing for electrical appliances to minimize electricity consumption costs and maximize user comfort. (3) The execution layer contains performer agents. Our focus in this research is on the coordination layer with the aim of reducing energy consumption costs and peak average rates, while increasing user comfort to the highest possible level. However, this optimization problem is highly complex due to the large number of electrical devices and their capabilities. To address this, we propose a hybrid method based on genetic and bat algorithms. We evaluated its performance based on objective functions and compared it with recent research on SmartHome and CU-Bems datasets. Our results demonstrate an improvement in performance
تبلیغات
