27271

مدل سازي سيستم تهويه مطبوع تبريدي يك ساختمان به كمك شبكه هاي عصبي بهبود يافته والگوريتم PSO

كارشناسي ارشد

مهندس مكانيك-ساخت وتوليد-مكاترونيك

1/8/1401

سيد علي نيك نام

محمد شهبازي

مكانيك

چكيده انرژي در زندگي جوامع بشري نقش مهمي را ايفا مي‌كند و افزايش جمعيت و به دنبال آن افزايش ساختمان‌ها در سطح شهر باعث اتلاف انرژي بسياري مي‌شود. يكي از راه‌هايي كه براي اتلاف انرژي در نظر گرفته‌شده است بهينه‌سازي انرژي در سيستم‌هاي تهويه مطبوع است. هدف از استفاده سيستم‌هاي تهويه مطبوع بيان يك سطح بالا از آسودگي براي ساكنان به‌منظور حفظ نمودن كيفيت مناسب هواي داخل و كاهش هزينه‌هاي سيستم‌ها و انرژي موردنياز ساختمان‌ها است. يكي از عواملي كه بر روي سلامت و رضايت كاركنان ساختمان اداري اثرگذار است، ايجاد يك شرايط آسايش دمايي در ساختمان‌هاي اداري است. ازاين‌رو، در اين پايان‌نامه، مدل‌سازي سيستم تهويه مطبوع تبريدي به كمك شبكه‌هاي عصبي بهبوديافته و الگوريتم بهينه‌ساز ازدحام ذرات PSO و ارائه ‌شده است. در اين پايان‌نامه ورودي‌هاي شبكه به ترتيب سرعت كمپرسور، دماي محيط با تأخير 6 دقيقه و بار خنك‌كننده بوده و خروجي دماي داخلي اتاق و مقدار تخريب اكسرژي بوده و مقدار وزن و باياس شبكه با استفاده از الگوريتم بهينه‌ساز محاسبه و ارائه ‌شده است. با به‌كارگيري مدل پيشنهادي، خطاي پيش‌بيني اتلاف اكسرژي، به ترتيب 0.19 و 0.12 بودند كه نشان‌دهنده دقت بالاي مدل پيشنهادي است.

1401/08/10

Modeling of a building's Cooling air conditioning system with the help of improved neural networks and PSO algorithm

10/23/2023 12:00:00 AM

Abstract Energy plays an important role in the life of human societies, and the increase in population followed by the increase in buildings in the city causes a lot of energy loss. One of the ways that is considered for energy loss is energy optimization in air conditioning systems. The purpose of using air conditioning systems is to express a high level of comfort for the residents in order to maintain the proper quality of the indoor air and reduce the costs of the systems and the energy required by the buildings. One of the factors that affects the health and satisfaction of office building employees is creating a comfortable temperature condition in office buildings. Therefore, in this thesis, the modeling of refrigeration air conditioning system with the help of improved neural networks and PSO particle swarm optimization algorithm is used. In this thesis, the inputs of the network are compressor speed, ambient temperature with a delay of 6 minutes, and cooling load, and the output is the internal temperature of the room and the amount of exergy destruction, and the amount of weight and bias of the network is calculated and presented using the optimizer algorithm. Using the proposed model, the exergy loss prediction error was 0.19 and 0.12, respectively, which indicates the high accuracy of the proposed model.

كلمات كليدي: بهينه‌سازي انرژي مصرفي، سيستم تهويه مطبوع، الگوريتم فرا ابتكاري بهينه‌ساز ذرات، شبكه عصبي بهبوديافته

Keywords: optimization of energy consumption, air conditioning system, meta-heuristic algorithm of particle optimizer, improved neural network

ali hammood

Seyyed Ali Niknam