| مدلسازی فیزیک‌مبنا-داده‌محور و بهینه‌سازی همزمان مصرف انرژی و آب تقطیر شده حاصل از رطوبت زدایی در سیستم‌های HVAC با استفاده از یادگیری ماشین |
| کد مقاله : 1128-IWWA (R1) |
| نویسندگان |
|
محمد جاویدنیا * هماهنگ کننده ی مکانیک و پایپینگ |
| چکیده مقاله |
| در این پژوهش، یک چارچوب ترکیبی فیزیک‌مبنا-داده‌محور به‌منظور مدلسازی و بررسی همزمان انرژی مصرفی و آب تقطیرشده در سیستم‌های تهویه مطبوع (HVAC) ارائه شده است. بدین منظور، ابتدا با استفاده از روابط ترمودینامیکی و داده‌های استخراج‌شده از نرم‌افزار HAP، یک مدل فیزیکی برای توصیف رفتار سیستم توسعه داده شد و سپس بر پایه این مدل، یک دیتاست توسعه‌یافته جهت آموزش مدل‌های یادگیری ماشین تولید گردید. در ادامه، مدل‌های (XGBoost) و شبکه عصبی مصنوعی (ANN) برای پیش‌بینی مصرف انرژی و میزان آب حاصل از فرآیند رطوبت‌زدایی آموزش داده شدند. ارزیابی عملکرد مدل‌ها نشان داد که مدل XGBoost با برخورداری از کمترین میزان خطا و بیشترین ضریب تعیین، دقت بالاتری در تقریب روابط غیرخطی سیستم دارد. همچنین، با استفاده از تحلیل چندهدفه و جبهه پارتو، رفتار همزمان میزان آب تقطیرشده ناشی از رطوبت‌زدایی و انرژی مورد بررسی قرار گرفت که نتایج بیانگر وجود همبستگی مثبت بین این دو شاخص می باشد. یافته‌های این پژوهش نشان می‌دهد که ترکیب مدلسازی فیزیکی و یادگیری ماشین می‌تواند به‌عنوان ابزاری مؤثر در تحلیل و بهینه‌سازی پیوند آب–انرژی در سیستم‌های HVAC مورد استفاده قرار گیرد. |
| کلیدواژه ها |
| HVAC، پیوند آب-انرژی، یادگیری ماشین، XGBoost، ، بهینه‌سازی چندهدفه |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
