Makine Öğrenmesi Kullanarak Ticari Binalarda Enerji Tüketiminin Azaltılması

Abstract

Bu çalışmanın amacı, yüksek nüfuslu binalarda, ısıtma havalandırma ve iklimlendirme (HVAC) sisteminin plansız ve gereksiz çalışması nedeniyle enerji tüketimini azaltırken, aynı zamanda bina sakinlerinin termal konforunu da azaltan iç ortam termal konfor seviyesini arttırmaktır. Bilgisayar desteği sayesinde herkes için uyun ortam koşulları bulunarak enerji tüketimi azaltılmaktır. Bu amaca ulaşmak için de günümüzde yapay zeka uygulamalarında sıklıkla kullanılan yapay öğrenme yöntemlerine başvurulmuştur. Tezin temel katkısı, bina tipi, iklim bölgesi veya bir binanın ısıtma ve/veya havalandırma yönteminden bağımsız olarak yüksek derecede tutarlılıkla termal hissiyatı tahmin etmek için bir derin sinir ağı tasarlamak ve değerlendirmektir. Önerilen modelin eğitimde çeşitli üniversiteler tarafından derlenen 1995, 2015 yılları arasında gerçekleştirilmiş olan 66 çalışmadan toplanan verilerden oluşturulmuş olan American Society of Heating, Refrigerating and Air-Conditioning Engineers (ASHRAE)'nin Küresel Termal Konfor Veritabanı kullanılmıştır. Önerilen modelin üst değişken ayarlama süreci, Bayes stratejisi kullanılarak optimize edilmiştir. Yapılan deneyler önerilen yöntemin geleneksel ortalama ısıl duyum (PMV) %40 ve diğer sığ ve derin ağlara göre %4 daha yüksek tutarlıklıkla tahmin yürütebildiğini göstermiştir.