Operational optimization of residential HVAC system using model predictive control strategy planning
Notice bibliographique
Résumé
To date, the residential sector accounts for a major portion of consumption by consuming more than 40% of the entire world's energy and producing 33% of the carbon dioxide emissions. In North America, the residential sector energy consumptions are mainly related to heating, ventilation, and air conditioning (HVAC) systems, which are not operating in the most efficient ways due to existing on/off and conventional controllers. In Ontario, due to the variable price of electricity, variation in outdoor disturbances, and new Ontario Government sweeping mandate in overhauling the energy use in residential sector, there is an opportunity to develop intelligent control systems to employ energy conservation strategy planning model (ECSPM) in existing HVAC systems for reducing their operating cost, energy consumption, and GHG emission. In order to take advantage of these opportunities, two model-based predictive controllers (MPCs) were developed in this Ph.D. research. In the first MPC controller, a Matlab-TRNSYS co-simulator was developed to fill the lack of advanced controllers in building energy simulators. This cosimulator investigated the effectiveness of different novel ECSPMs on an HVAC system's energy cost saving during winter and summer seasons. This co-simulator offered 23.8% saving in the HVAC system's energy costs in the heating season. Regardless of the strong capabilities, employing this co-simulator for implementing comprehensive/complex optimization methods resulted in an unacceptably long optimization time due to the of TRNSYS simulation engine. Therefore, in the second PMC controller, simplified house thermal and HVAC system models were developed in Matlab. To design a grid-friendly house, this model was enhanced by integrating on-site renewable energy generation and storage systems. A novel algorithm was developed to reduce the MPC controller optimization time. The effectiveness of the novel MPC model in the HVAC system's energy cost saving was compared with a Simple Rule-based (SRB) controller, which itself is an efficient HVAC controller, while this controller offered 12.28% additional savings in the heating season.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».