© Кудряшов Андрей, Э-621, ЭФ МГУ
Глобальное потепление – одна из самых серьезных проблем, с которыми сталкивается современный мир. Увеличение население мира и принятие современного образа жизни резко увеличили спрос на энергию. За последнее десятилетие в зданиях высших учебных заведений значительно увеличилось энергопотребление за счет увеличения использования IT-оборудования, систем отопления, вентиляции и кондиционирования воздуха (HVAC). В данной работе представлена система, учитывающая поведение агентов для оптимизации энергопотребления HVAC в зданиях ВУЗов. Система использует методы искусственного интеллекта, чтобы предсказать спрос оптимизировать энергопотребление. Результаты экспериментов показали, что развертывание системы привело к снижению энергопотребления на нужды вентиляции и обогрева на 3%.
Архитектура системы
Общая архитектура системы показана на рисунке 1. Имеются три базы данных: данные по окружающей среде (температура и влажность, погодные данные, получаемые в режиме реального времени от метеослужбы Google), потребление электроэнергии и данные о событиях в университете (занятость конференц-залов, проведение лекций, и т. п.).
Агент прогнозирования (PA) использует эту информацию для прогнозирования времени подготовки к включению отопления или охлаждения классных комнат, чтобы обеспечить комфорт и оптимальное использование ресурсов.
В системе имеется ряд взаимодействующих адаптивных агентов, которые преследуют общую цель сохранения окружающей среды. Агент занятости ответственен за моделирование занятости комнат. Решения принимаются агентом с использованием нечёткой логики.
Для хранения данных используется база данных на MySQL.
Результаты экспериментов
На данный момент ведётся поиск программно-аппаратных решений для интеграции системы с системой отопления, вентиляции и кондиционирования воздуха, позволяющее системе автоматически регулировать работу системы отопления, вентиляции и кондиционирования воздуха.
Сенсорная сеть становится частью серверной базы данных, которая используется для обслуживания HTTP-запросов через браузер для обеспечения информацией, поступающей с различных датчиков.
Система была развернута в корпусе 31 Университета Короля Сауда. Это сложная среда с большой изменчивостью относительно времени суток и количества участников, и в то же время это дает большую возможность для экономии энергия и сокращение выбросов CO2.
Данные, используемые в этом документе, собираются в течение семи месяцев как в 2012 году, так и 2013, как показано на рисунке 2. На рисунке 3 можно наблюдать энергосбережение в результате развертывания системы. Первоначальная экономия на энергопотреблении составляет до 3%.
Снижение энергопотребления является результатом корректировки HVAC в соответствии с уровнем занятости, температуры и внешних погодных условий.
Заключение
В данной статье представлен новый подход к оптимизации энергопотребления в зданиях ВУЗов на основе адаптивного агента. Система использует внешние погодные условия и университетскую систему управления, чтобы предсказать циклы работы системы кондиционирования и вентиляции, поддерживая желаемый уровень комфорта. Новизна системы заключается в использовании системы учёта событий и поведения агентов. Экспериментальные результаты показывают снижение энергопотребления на 3%, что в реальном выражении это приводит к экономии 753074 кВтч за семь месяцев по сравнению с тем же периодом 2012 года.
Источник
Multi-agent system for energy consumption optimization in higher education institutions, Ahmad Al-Daraiseha, Eyas El-Qawasmeha, Nazaraf Shahb