Demand response-enabled model predictive HVAC load control in buildings using real-time electricity pricing
Başlık çevirisi mevcut değil.
- Tez No: 401300
- Danışmanlar: PROF. SHIHAB S. ASFOUR
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Unıversıty Of Mıamı
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Özet yok.
Özet (Çeviri)
A practical cost and energy efficient model predictive control (MPC) strategy is proposed for HVAC load control under dynamic real-time electricity pricing. The MPC strategy is built based on a proposed model that jointly minimizes the total energy consumption and hence, cost of electricity for the user, and the deviation of the inside temperature from the consumer's preference. An algorithm that assigns temperature setpoints (reference temperatures) to price ranges based on the consumer's discomfort tolerance index is developed. A practical parameter prediction model is also designed for mapping between the HVAC load and the inside temperature. The prediction model and the produced temperature set-points are integrated as inputs into the MPC controller, which is then used to generate signal actions for the AC unit. To investigate and demonstrate the effectiveness of the proposed approach, a simulation based experimental analysis is presented using real-life pricing data. An actual prototype for the proposed HVAC load control strategy is then built and a series of prototype experiments are conducted similar to the simulation studies. The experiments reveal that the MPC strategy can lead to significant reductions in overall energy consumption and cost savings for the consumer. Results suggest that by providing an efficient response strategy for the consumers, the proposed MPC strategy can enable the utility providers to adopt efficient demand management policies using real-time pricing. Finally, a cost-benefit analysis is performed to display the economic feasibility of implementing such a controller as part of a building energy management system, and the payback period is identified considering cost of prototype build and cost savings to help the adoption of this controller in the building HVAC control industry.
Benzer Tezler
- Güç transformatörleri sfra tarama frekans cevabı analizi sonuçlarının yapay zeka uygulamaları ile karşılaştırılması
Comparison of power transformer sfra sweep frequency response analysis results with artificial intelligence applications
HAKAN ÇUHADAROĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Energy management strategies for residential buildings under demand response
Talep katılımı altındaki mesken binaları için enerji yönetim stratejileri
OĞUZKAĞAN ALIÇ
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMMÜHAN BAŞARAN FİLİK
- Köpük enjeksiyon prosesinde gri Taguchi ve yapay sinir ağları yöntemleri ile parametre optimizasyonu
Parameter optimization in foam injection process using grey Taguchi and artificial neural network methods
NİLAY ERKAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- Residential energy consumption analysis through datadriven energy forecasting with environmental andbehavioural factors
Çevresel ve davranışsal faktörlerleveri odaklı enerji tahmini aracılığıylakonut enerji tüketiminin analizi
MİRAÇ DURHAN
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LALE ERDEM ATILGAN
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
DOÇ. DR. OĞUZHAN CEYLAN
- Konut projelerinde ön tasarım aşamasında kaba inşaat maliyetlerinin yapay sinir ağları ile tahmin edilmesi
Estimation of rough construction costs in the preliminary design phase of residential projects using artificial neural networks
BOĞAÇHAN ŞERBETCİOĞLU
Yüksek Lisans
Türkçe
2026
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK