Geri Dön

Makine öğrenmesi kullanarak ticari binalarda enerji tüketiminin azaltılması

Reducing energy consumption in commercial buildings using machine learning

  1. Tez No: 708764
  2. Yazar: MUSTAFA ÇAKIR
  3. Danışmanlar: DOÇ. DR. AKHAN AKBULUT
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Kültür Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Proje Yönetimi Bilim Dalı
  13. Sayfa Sayısı: 115

Özet

Bu çalışmanın amacı, yüksek nüfuslu binalarda, ısıtma havalandırma ve iklimlendirme (HVAC) sisteminin plansız ve gereksiz çalışması nedeniyle enerji tüketimini azaltırken, aynı zamanda bina sakinlerinin termal konforunu da azaltan iç ortam termal konfor seviyesini arttırmaktır. Bilgisayar desteği sayesinde herkes için uyun ortam koşulları bulunarak enerji tüketimi azaltılmaktır. Bu amaca ulaşmak için de günümüzde yapay zeka uygulamalarında sıklıkla kullanılan yapay öğrenme yöntemlerine başvurulmuştur. Tezin temel katkısı, bina tipi, iklim bölgesi veya bir binanın ısıtma ve/veya havalandırma yönteminden bağımsız olarak yüksek derecede tutarlılıkla termal hissiyatı tahmin etmek için bir derin sinir ağı tasarlamak ve değerlendirmektir. Önerilen modelin eğitimde çeşitli üniversiteler tarafından derlenen 1995, 2015 yılları arasında gerçekleştirilmiş olan 66 çalışmadan toplanan verilerden oluşturulmuş olan American Society of Heating, Refrigerating and Air-Conditioning Engineers (ASHRAE)'nin Küresel Termal Konfor Veritabanı kullanılmıştır. Önerilen modelin üst değişken ayarlama süreci, Bayes stratejisi kullanılarak optimize edilmiştir. Yapılan deneyler önerilen yöntemin geleneksel ortalama ısıl duyum (PMV) %40 ve diğer sığ ve derin ağlara göre %4 daha yüksek tutarlıklıkla tahmin yürütebildiğini göstermiştir.

Özet (Çeviri)

The purpose of this study is to increase the indoor thermal comfort level while reducing the energy consumption in high-population buildings due to unplanned and unneeded operation of heating ventilation and air-conditioning (HVAC) system which also decreases the thermal comfort of the occupants. Energy consumption can be reduced by finding suitable environmental conditions for everyone by taking advantage of computer support. In order to achieve this goal, machine learning methods, which are frequently used in decision making process these days, have been used. The main contribution of the thesis is to design and evaluate a deep neural network for predicting thermal sensations with a high degree of accuracy regardless of building type, climate zone, or a building's heating and/or ventilation method. The Global Comfort Database of American Society of Heating, Refrigerating and Air-Conditioning Engineers (ASHRAE) which the data was collected from 66 different studies conducted by different universities starting from 1995 till 2015 was used for the training of the model. The hyperparameter-tuning process of the proposed model is optimized using the Bayesian strategy. Experiments showed that the proposed method can predict with 40% higher accuracy than conventional Predicted Mean Vote (PMV) method and 4% higher than other shallow and deep networks.

Benzer Tezler

  1. Estimation of commercial building energy consumption with machine learning

    Makine öğrenimi ile ticari bina enerji tüketimi tahmini

    YOUSIF MURSHID MUHEALDDIN MUHEALDDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SELİM BUYRUKOĞLU

    DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER

  2. A new approach to increase energy efficiency of luxury high-rise residential blocks in complex buildings by utilizing advanced HVAC systems

    Karma yapılardaki yüksek katlı lüks konut binalarının enerji verimliliğinin gelişmiş mekanik sistemlerden faydalanarak arttırılması için yeni bir yaklaşım önerisi

    ALPAY AKGÜÇ

    Doktora

    İngilizce

    İngilizce

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. AYŞE ZERRİN YILMAZ

    PROF. DR. MARCO PERINO

  3. Business card as a bank product and establishment of a new business card tendency model

    Bir banka ürünü olarak işletme kart ve yeni bir işletme kart eğilim modelinin oluşturulması

    ONUR BOZKURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. Effective software bug localization using information retrieval and machine learning algorithms

    Bilgi geri getirimi ve makine öğrenmesi algoritmalarını kullanarak yazılımda hata konumlandırılması

    MUSTAFA ERŞAHİN

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEMİH UTKU

  5. Prediction of flow rates from different entries using PLT p-T measurements in a horizontal well by machine learning methods

    Makine öğrenmesi teknikleri ile bir yatay kuyunun farklı girişlerin debilerinin PLT p-T ölçümlerinden tahmini

    MUHARREM HİLMİ ÇEVİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT ÇINAR