بهینه‌سازی مصرف انرژی ساختمان با درنظرگرفتن عدم قطعیت‌ها

اولین گام در راستای دستیابی به ساختمان‌های هوشمند، تحلیل مصرف و بهینه‌سازی انرژی است. از آنجا که بخشی از پارامترهای موثر بر این تحلیل‌ها غیرقطعی هستند، در این مقاله به تحلیل مصرف و بهینه‌سازی انرژی در ساختمان به‌صورت احتمالی ‌پرداخته می‌شود. بدین منظور، تابع چگالی احتمال پارامترهای غیرقطعی ساختمان با استفاده از روش empirical rule مدل شده و سپس به بهینه‌سازی مصرف انرژی ساختمان پرداخته می‌شود. برای محاسبۀ مصرف انرژی در ساختمان، از نرم‌افزار انرژی‌پلاس و برای بهینه‌سازی از نرم‌افزار متلب استفاده می‌شود. توابع هدف در بهینه‌سازی چندهدفۀ پیشنهادی، چگالی انرژی مصرفی ساختمان و شاخص راحتی حرارتی ساکنان می‌باشند. از یک ساختمان تجاری دوازده‌طبقه به‌منظور نمونۀ مورد مطالعه استفاده می‌شود. به‌منظور ارزیابی روش پیشنهادی، روش احتمالی تحلیل بازدهی مصرف انرژی با روش غیراحتمالی مرسوم مقایسه می‌شود. نتایج حاصل از این ارزیابی به‌خوبی نشان می‌دهد که درنظرنگرفتن پارامترهای غیرقطعی در ساختمان، خطای چشمگیری در تحلیل بازدهی انرژی آن سبب می‌شود به‌طوری‌که میانگین اختلاف بین مقادیر بهینه پارامترهای متغیر حاصل از هر دو روش به 34% می‌رسد و اختلاف نمودار پارتوی روش پیشنهادی احتمالی و روش غیراحتمالی هم ممکن است بیش از 10% شود. در انتها نیز حساسیت روش پیشنهادی نسبت به تغییر اقلیم و آب‌و‌هوا ارزیابی می‌شود.

Optimization of Building Energy Consumption Considering Uncertainties

Energy optimization and consumption analysis is the first step in realizing smart houses. This paper incorporates the uncertainty of the effective parameters and probabilistically optimizes the energy consumption in a building. To this end, probability density functions (PDFs) of building uncertain parameters are modeled by empirical rule method and the energy usage in buildings is optimized. EnergyPlus and MATLAB softwares are respectively used to compute energy consumption in a building and to optimize energy consumption. Energy consumption of the building and the thermal comfort are considered as objective functions of the proposed multiobjective optimization problem. A 12storey commercial building is used as a case study. The proposed probabilistic method is compared with the deterministic method to assess the proposed method,. The results show a significant difference between the deterministic and probabilistic cases. The maximum difference between the mean optimal values of variable parameters in these cases is about 34%. Finally, sensitivity of the results to the climate changes is also investigated in this paper.