An optimal predictive control strategy for radiant floor district heating systems: Simulation and experimental study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A study was conducted to assess the energy performance of an optimal predictive control strategy for radiant floor district heating systems. A four-zone radiant floor heating system model was developed. The simulated performance of the optimal predictive control strategy was studied. The results showed 10% energy savings compared to a Proportional-Integral (PI) control strategy. Experiments were conducted in a laboratory radiant floor district heating system test facility. The description of the test facility, its operating conditions, and the results obtained are described. Experimental results further confirm the findings from the simulation study. Being simple and energy efficient, the optimal predictive control strategy is a good candidate control strategy for radiant floor district heating systems. Practical application: Energy efficiency is a major issue of interest in the design and operation of sustainable heating systems. The radiant floor district heating systems have been successfully installed and operated in many countries resulting in significant energy savings. The optimal predictive control strategy proposed in this study further enhances the potential for higher energy savings from the district heating systems. The optimal control strategy is simple to implement as it relies on the predicted outdoor air temperature and computes future temperature set-points for the boiler water temperature. A suitably tuned Proportional-Integral (PI) controller can be used to track the optimal set-point thus realizing potential energy savings. A programmable logic controller or a supervisory control system would be appropriate to implement the designed optimal control strategy. The local control can be realized by using industrial PI feedback controllers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle