Raport de cercetare
Yüklə 81,72 Kb.
|
- Bu səhifədəki naviqasiya:
- CONTRACTOR: UNIVERSITATEA TEHNICĂ DIN CLUJ NAPOCA CUPRINS Obiective generale 3 Obiectivele fazei de execuţie 4
- CAP 2. Rolul modelării şi simulării în utilizarea eficientă a energiei în locuinţe 9 CAP 3. Modelul termic al locuinţei 11 3.1 Introducere 11
- 3.6 Implementarea modelului termic 21 3.7 Condiţiile de mediu 22 3.8 Energia internă generată 23
- 4.3 Identificarea on-line în cazul modelului parametric de tip black-box 27 CAP 5. Modelul parametric de tip grey-box 30 CAP 6. Comfortul termic 35
- 7.1 Modele de curgere a aerului 39 7.2 Modelul calităţii aerului interior 41 7.3 Modelul umidităţii relative 41
- 7.6 Simularea prezenţei şi comportamentului ocupanţilor 48 7.7 Consumul electric 49 CAP 8. Sistemul de control 50 8.1 Introducere 50
- 8.5 Utilizarea aparaturii electrice şi electronice 56 8.6 Confortul termic 58 8.7 Confortul vizual 59
- Anexa 2 –Procedura de identificare a unui sistem liniar –Cod Delphi-Pascal 75 Anexa 3 –Procedura de calcul PMV –cod Delphi-Pascal 76
- Obiectivele fazei de execuţie
- Cap. 1. Aspecte generale privind necesitatea utilizării eficiente a energiei în locuinţe
- Cap. 2. Rolul modelării şi simulării în utilizarea eficientă a energiei în locuinţe
RAPORT DE CERCETARE Digital Environment Home Energy Management System - DEHEMS CONTRACT 33EU/ 16.04.2009 FAZA 1 / 2009: MODELARE, SIMULARE ŞI CONTROL – MODEL SIMPLIFICAT REZUMAT AUTORITATEA CONTRACTANTĂ: AUTORITATEA NAŢIONLĂ PENTRU CERCETARE ŞTIINŢIFICĂ CONTRACTOR: UNIVERSITATEA TEHNICĂ DIN CLUJ NAPOCA CUPRINS Obiective generale 3 Obiectivele fazei de execuţie 4 Rezumatul fazei 5 CAP 1. Aspecte generale privind utilizarea eficientă a energiei în locuinţe 7 CAP 2. Rolul modelării şi simulării în utilizarea eficientă a energiei în locuinţe 9 CAP 3. Modelul termic al locuinţei 11 3.1 Introducere 11 3.2 Modelul peretelui exterior 11 3.3 Modelul podelei 15 3.4 Modelul acoperişului 16 3.5 Modelul ferestrei 19 3.6 Implementarea modelului termic 21 3.7 Condiţiile de mediu 22 3.8 Energia internă generată 23 CAP 4. Modelul parametric de tip black-box 26 4.1 Introducere 26 4.2 Modelul parametric liniar 26 4.3 Identificarea on-line în cazul modelului parametric de tip black-box 27 CAP 5. Modelul parametric de tip grey-box 30 CAP 6. Comfortul termic 35 6.1 Introducere 35 6.2 Modelul Fanger 35 6.3 Exemple 37 CAP 7. Alte aspecte privind modelul locuinţei 39 7.1 Modele de curgere a aerului 39 7.2 Modelul calităţii aerului interior 41 7.3 Modelul umidităţii relative 41 7.4 Modele de radiaţie solară 43 7.5 Aspecte privind utilizarea aparaturii electrice şi electronice 46 7.6 Simularea prezenţei şi comportamentului ocupanţilor 48 7.7 Consumul electric 49 CAP 8. Sistemul de control 50 8.1 Introducere 50 8.2 Utilizarea controlului predictiv bazat pe model şi identificare 51 8.3 Utilizarea modelului simplificat 52 8.4 Estimarea consumului de energie termică 53 8.5 Utilizarea aparaturii electrice şi electronice 56 8.6 Confortul termic 58 8.7 Confortul vizual 59 8.8 Optimizarea consumului de energie 60 8.9 Algoritm de control predictiv bazat pe model 61 Anexa 1 – Modelul termic locuinţă – cod Matlab 65 Anexa 2 –Procedura de identificare a unui sistem liniar –Cod Delphi-Pascal 75 Anexa 3 –Procedura de calcul PMV –cod Delphi-Pascal 76 Anexa 4 –Implementare algoritm de control predictiv – cod Matlab 78 Concluzii 80 Bibliografie 81 Obiective generale Proiectul „Digital Environment Home Energy Management System – DEHEMS” („Mediu digital pentru managementul energiei într-o locuinţă”-DEHEMS) este finanţat de Uniunea Europeană şi are în vedere modul în care tehnologia poate îmbunătăţi eficienţa utilizării energiei casnice. Parteneriatul proiectului include autorităţi locale, firme private şi universităţi din Europa. Acest proiect reprezintă prima iniţiativă a „UK Greenshift Government Taskforce” şi reuneşte organizaţii publice, private şi non-profit, într-un program comun de maximizare a realizărilor IT, cu scopul atingerii obiectivelor pentru anul 2020 în ceea ce priveşte reducerea emisiilor de carbon. Proiectul, condus de Consiliul Oraşului Manchester, dezvoltă noua generaţie de sisteme inteligente de contorizare pentru locuinţe. În prezent se derulează primele etape de implementare în Manchester, urmărindu-se reducerea facturii de energie prin utilizarea de noi soluţii de urmărire on-line a consumului energetic. Centrul de monitorizare asigură informaţii privind utilizarea energiei prin intermediul TV, PC şi telefonie mobilă. Aceste informaţii includ:
• consumul de energie (cost, CO2, kWh) în timp real comparativ cu consumul mediu al vecinilor; • structura energiei utilizate în locuinţă pe parcursul zilei (cost, CO2, kWh) comparativ cu structura medie a energiei utilizate de către vecini;
O constrângere importantă în implementarea proiectului este faptul că se urmăresc soluţii ieftine de măsurare a consumurilor electrice şi în acelaşi timp cât mai puţin invazive. De asemenea, din aceleaşi motive, nu se are în vedere controlul direct al actuatorilor existenţi sau necesari pentru controlul temperaturii, iluminatului, jaluzelelor, aparaturii electrice şi electronice etc. Acesta este motivul pentru care are în vedere realizarea unui simulator şi nu a unui sistem de control complet. Pe de altă parte, o altă cerinţă este ca simulatorul să ofere soluţii pentru depăşirea unor dificultăţi în faza de implementare a proiectului. Obiectivele fazei de execuţie
Rezumatul fazei Proiectul „DEHEMS” are ca scop principal culegerea datelor privind consumul de energie în locuinţe, atât la nivelul întregii locuinţe cât şi pentru fiecare consumator în parte. Se are în vedere atât consumul de energie electrică (aparatura electrică, iluminare, maşini de gătit, încălzire electrică, sisteme HVAC, etc.), cât şi consumul altor forme de energie (de exemplu energia obţinută din gaz metan sau agent termic). Datele obţinute sunt stocate, prelucrate şi apoi, prin intermediul unei intefeţe utilizator pot fi consultate de utilizator. Scopul final este oferirea de informaţii şi sugestii utilizatorului astfel încât acesta să işi schimbe comportamentul în vederea reducerii consumului energetic şi implicit a emisiilor de CO2. Proiectul este structurat pe trei cicluri şi opt pachete de lucru, astfel: -Pachetul WP1 va gestiona consorţiul proiectului; -Pachetul WP2 se adresează cerinţelor utilizatorului; Sarcinile iniţiale se vor stabili pentru ciclul 1. Cea mai mare parte a sarcinilor din pachetul de lucru se vor desfăşura pe trei cicluri; -Pachetul WP3 va fi desfăşurat pe parcursul a trei cicluri de servicii de dezvoltare şi se adresează dezvoltării serviciilor semantice; -Pachetul WP4, condus de Universitatea Tehnică din Cluj-Napoca, are următoarele obiective:
-Pachetul WP5 se adresează serviciului de măsurare, monitorizarea energiei şi analiza consumului de energie -Pachetul WP 6 integrează subsistemele şi construieşte componentele comune pentru utilizare în cadrul straturilor semantice, cum ar fi managementul nucleului, managerul de comunicare, dirijarea serviciilor; -Pachetul WP 7 include următoarele obiective: stabilirea unei set de Living Labs în Europa, investigarea impactului utilizării sistemului de control digital a energiei în mediul casnic prin intermediul a trei cicluri iterative, participarea activă a rezidenţilor europeni din diferite locuri în Living Labs, construirea bazei de date generată de către acţiunile utilizatorului pentru a obţine date privind dezvoltarea sistemului, evaluarea sistemului; -Pachetul WP 8 are două obiective: o evaluare a programului si a obiectivelor sale precum şi diseminarea rezultatelor. Principalul obiectiv al WP4 – Control System este realizarea unui simulator care să înglobeze cât mai multe aspecte privind posibilităţile de reducere a consumului de energie în condiţiile menţinerii confortului termic şi vizual, a unei bune calităţi a aerului şi având în vedere şi aspectele economice. În ciclul 1 simulatorul are în vedere în primul rând modelarea din punct de vedere termic a locuinţei şi de asemenea controlul temperaturii interioare. Modelul termic se obţine pe baza considerării caracteristicilor principale ale locuinţei (dimensiuni, pereţi, podea, tavan, ferestre, pereţi interiori etc.), a temperaturii mediului exterior precum şi a altor elemente ce influenţează temperatura interioară. Un astfel de model detaliat este util în simulare însă din punct de vedere practic pot apare unele dificultăţi. Astfel, datele necesare realizării unui astfel de model pot fi greu de obţinut în cazul clădirilor gata construite. De aceea, în ciclul 2 s-au implementat şi soluţii simple de modelare, soluţii bazate pe identificarea experimentală (modele de tip black-box şi gray-box). S-a pornit de la presupunerea ca cel puţin pentru un număr redus de locuinte „Living Labs” (set martor) se vor culege datele de intrare/ieşire (temperatura interioară, temperatura exterioară, puterea consumată şi eventual alte date), date care vor fi prelucrate în vederea obţinerii parametrilor modelului. Alegând corespunzător un număr de astfel de locuinţe (locuinţele se aleg astfel încât din punct de vedere termic să fie cât mai diferite între ele, eventual câteva vor fi identice sau cel puţin similare astfel încât să poată fi verificată corectitudinea metodei ) se va obţine un set de modele reprezentative. Setul astfel obţinut va putea fi utilizat şi în cazul unei locuinţe ce nu a făcut parte din setul martor. Pe baza unui indicator de performanţă se va alege acel model ce corespunde cel mai bine locuinţei respective. Modelul obţinut poate fi util în mai multe scopuri. În primul rând, el poate fi utilizat de simulator. Un exemplu: utilizatorul poate compara scenarii posibile de alegere a temperaturii de referinţă pe perioada în care membrii familiei nu sunt acasă şi efectul alegerii acestor scenarii din punct de vedere a consumului energetic. În al doilea rând el poate fi utilizat pentru predicţia unor variabile din sistem ceea ce permite transmiterea unor informaţii utile utilizatorului sau, dacă acest lucru este posibil, sistemului de control existent. În al treilea rând, în anumite condiţii, modelul ar putea fi utilizat pentru estimarea on-line a consumului de energie termică (este o soluţie posibilă pentru cazul în care măsurarea energiei termice consumate este dificilă sau prea costisitoare). În al patrulea rând, modelul poate fi utilizat de algoritmul de control predictiv pentru optimizarea consumului energetic. Pe baza datelor de intrare/ieşire modelul termic poate fi îmbunăţăţit. Dacă datele sunt disponibile on-line, modelul poate fi actualizat on-line. S-a optat pentru utilizarea controlului predictiv bazat pe model. S-a utilizat un tip de algoritm ce permite utilizarea directă a modelului neliniar al procesului şi a constrângerilor (liniare sau neliniare). În plus se pot integra relativ uşor informaţiile privind evoluţia prezisă a vremii şi asupra timpului local, datele statistice privind comportarea utilizatorilor, etc. Pentru calculul semnalului de control, algoritmul utilizează un set de reguli. S-au testat şi soluţii ce utilizează un bank de modele ceea ce conduce la posibilităţi extinse de optimizare şi la creşterea stabilităţii sistemului. Uzual, prin multiple model predictive control se înţelege utilizarea unui număr de modele distincte pentru câteva puncte de funcţionare alese corespunzător şi stabilirea unor proceduri pentru cazul trecerii de la un punct de funcţionare la altul. Deoarece modelul poate fi influenţat de o multitudine de factori perturbatori (temperatura externă, radiaţia solară, locuitori, schimbul de aer cu exteriorul etc.) se preferă utilizarea bankului de modele. Se alege un număr maxim de modele ce pot fi introduse în bank şi se utilizează algoritmi bazaţi pe reguli pentru introducerea sau eliminarea unui model din bank. Modelele nou introduse sunt obţinute prin identificare on-line bazată pe algoritmul celor mai mici pătrate (modele de tip black-box) sau prin corecţia unor parametrii ai modelului (modele de tip gray-box). Un aspect important avut în vedere este introducerea în model şi în algoritmul de control a informaţiilor privind confortul termic. Comfortul termic are o pondere important asupra eficienţei energetic şi în acelaşi timp asupra satisfacţiei persoanelor din locuinţă. Confortul termic depinde de patru variabile de mediu (temperatura aerului, umiditatea relativă, temperatura medie radiantă, şi viteza aerului) precum şi doi parametri individuali (rata metabolică şi indexul îmbrăcăminte). Uzual, utilizatorul prescrie temperatura locuinţei însă această temperatură ar trebui să rezulte prin stabilirea confortului termic dorit. Procedând astfel consumul energetic poate fi optimizat. Se are în vedere nu numai cazul în care energia este consumată pentru încălzire ci şi cazul în care energia este consumată pentru răcire. În special în cazul ţărilor mediteraneene energia utilizată pentru răcire este semnificativă. În acest context utilizarea sistemelor de umbrire, în principal a celor exterioare încăperii poate fi benefică. Desigur, acest lucru limitează utilizarea luminii naturale, insă se poate stabili un compromis între cele două aspecte contradictorii. Simulatorul poate oferi şi în acest caz utilizatorului soluţii de compromis. Cap. 1. Aspecte generale privind necesitatea utilizării eficiente a energiei în locuinţe Europa are un angajament asumat de a reduce emisiile de CO2 cu până la 20% până în anul 2020 cu o opțiune de a creşte ținta la 30% dacă SUA, India şi China ar fi şi ele de acord cu reducerea emisiilor de CO2 [1]. Realizarea proiectului DEHEMS va ajuta Europa sa îndeplinească acest obiectiv sprijinind consumatorii casnici pentru a reduce utilizarea energiei printr-o mai buna analiză şi gestionare a consumului de energie. Până la 25-30% din emisiile de carbon sunt emanate în gospodării, iar din acest procent 80% sunt emisiile rezultate din încălzirea locuințelor [2]. Până în anul 2020 timpul este relativ scurt pentru ca acest nivel de schimbare să fie realizat pe baza unor alte metode (de exemplu construirea unor noi centrale nucleare). Este de asemenea un timp scurt pentru industrializarea la un cost sustenabil, pentru renovarea clădirilor şi a caselor, şi pentru a realiza trecerea la utilizarea automobilelor electrice. Conform unei analize recente făcute de Cap Gemini mai mult de 80% din frigiderele cumpărate în anul 2007 vor fi folosite şi în 2020, mai puțin de o treime din infrastructura utilă şi industrială vor fi înlocuite până în 2020 şi mai mult de 20% din automobilele cumpărate în 2007 vor fi folosite şi în 2020. In acest context analiza a concluzionat: “Recomandările UE sunt elaborarea foii de parcurs corecte pentru a se evita consecințele dezastruoase ale schimbărilor climatice dar obiectivele detaliate propuse par foarte ambițioase şi nu pot fi îndeplinite. Conservarea energiei este factorul-cheie care va conduce automat la reducerea emisiilor de CO2 şi punerea în aplicare a energiilor regenerabile descentralizate”. Cap Gemini august 2007. In principal, pentru realizarea reducerii consumului de energie se urmăreşte schimbarea comportamentului în gospodării cu un management intern mult mai eficient al energiei. Acest lucru a fost evidențiat într-o gamă de cercetări cu privire la conservarea energiei [3], [4]. Aceste declarații au fost bine documentate. Prin automatizarea controlului temperaturii din locuinţă se estimează că se obţine un potențial de economisire de 20 la 30 kWh /m2 cu o rată de economisire cuprinsă între 15% şi 30% [5]. In prezent, o importantă barieră a reducerii consumului de energie este faptul că individual nu se poate realiza o contribuție semnificativă în reducerea consumului de energie din propriile locuințe [6]. Măsurările directe ale impactului consumului de energie dintr-o gospodărie individuală în prezent sunt foarte dificil de executat, de aceea nu se cunoaște exact impactul pe care îl poate avea o persoană asupra consumului. Problema consumului este importanta pentru toate guvernele Europene cu perspective referitoare la politica “Personal Carbon Allowances” [7]. Chiar dacă ar exista o mai bună informare cu privire la acțiunile necesare în gospodării, în prezent sunt multe dificultăţi. Puține dintre aparatele şi sistemele care utilizează energia sunt monitorizate sau automatizate. Cerințele de energie pentru diferite aparate şi dispozitive sunt variate şi ajustarea setărilor pentru a optimiza performanţele de mediu necesită un efort major, de exemplu: setări ale termostatului pentru încălzire, setări ale produselor de uz casnic cum ar fi mașini de spălat, uscătoare de păr etc. Costul unei automatizări complete a unei gospodării se ridică până la suma de 75.000 Euro arată un studiu recent realizat de Deutsche Bank [8]. Apariția conceputului de “internet of things” deschide o nouă oportunitate pentru a gasi şi dezvolta soluţii care sunt mai accesibile şi mai flexibile decât automatizările clasice electro-mecanice pentru a monitoriza aparatele de uz casnic printr-un IP activat. Mediul digital de management a energiei casei (DEHEMS) se va adresa direct acestor chestiuni. Este un parteneriat European Est-Vest care a fost initiat de UK Government’s Digital Challenge. Aceasta iniţiativă a propus autorităţilor locale din Marea Britanie dezvoltarea practică a unor soluţii implementabile privind modul în care noile evoluții ITC pot avea un impact eficient asupra comunităţilor din care fac parte. În Marea Britanie autorităţile centrale sunt angajate puternic într-un parteneriat cu autorităţile locale şi joacă un rol activ în a transmite o viziune pozitivă privind domeniul ITC şi al mediului. Pentru acest proiect colaborează mai multe instituții europene precum şi instituții academice, IMM-uri şi autorităţi publice. DEHEMS este una dintre componentele ce a rezultat din acest nou parteneriat. DEHEMS va realiza mai mult decât contorizarea „inteligentă” a energiei într-o locuinţă, contorizare ce implică utilizarea unor “modelele de intrare”; se doreste ca datele furnizate ale consumului, ale pierderilor să poată fi accesate online de către utilizator, aceste date fiind furnizate prin intermediul senzorilor montaţi în gospodăriile respective. Monitorizarea avută în vedere va include:
Sistemul va permite modificări ale profilelor de la distanţă şi va permite oamenilor să modifice setarile privind emisiile relevante ale serviciilor şi aparatelor. Serviciile vor fi disponibile şi accesate prin multiple conexiuni de banda largă şi actualizate în timp real. Accesul va putea fi făcut chiar şi cu ajutorul unui tv sau orice alt dispozitiv conectat la internet. DEHEMS va extinde o tehnică inteligentă pentru monitorizarea nivelului de energie. Toate datele despre consum, pierderi şi despre aparatele de uz casnic vor fi preluate de către senzori şi monitorizate în timp real, care va permite să se facă modificări de la telefonul mobil sau PC şi să ofere recomandările specifice necesare pentru a utiliza energia într-un mod cât mai corect urmărindu-se strict scăderea emisiilor de carbon. DEHEMS va permite colectarea centralizată a datelor de la senzori în domenii cum ar fi pierderile de căldură în gospodării, precum şi monitorizarea utilizării energiei pentru a oferi în timp real informațiile cu privire la emisiile şi performanţa energetică a aparatelor electrice şi servicii. Va permite activarea schimbărilor necesare ce trebuie aplicate aparatelor electrice/serviciilor direct de la telefonul mobil sau PC şi va asigura recomandări de eficientizarea energiei, pentru o clădire. Impactul va fi reprezentat de personalizarea acțiunilor asupra schimbărilor climatice şi de contribuţii la activarea de noi politici cum ar fi Personal Carbon Allowances precum şi sprijinul pentru creșterea distribuției de energie. Cap. 2. Rolul modelării şi simulării în utilizarea eficientă a energiei în locuinţe Reducerea şi optimizarea consumului de energie în sectorul rezidenţial este o problemă importantă în contextul efectului încălzirii globale. Un pas esenţial în această direcţie este implementarea unui sistem de măsurare şi monitorizare a consumului de energie electrică. Acest lucru poate conduce la o mai eficientă utilizare a diferiţilor consumatori electrici. In acelasi timp sunt necesare strategii ce au în vedere schimbarea (optimizarea din punct de vedere a consumului electric) comportamentului utilizatorilor. In acest context, şi a obiectivelor proiectului DEHEMS, este necesară realizarea unui simulator care să permită studierea unor strategii de reducere a consumului de energie electrică. Simularea este procesul ce permite studiul unui sistem prin utilizarea unui model matematic al sistemului fizic. Uzual, simularea este utilizată pentru analiza sistemelor şi luarea deciziilor necesare în scopul realizării unor produse cât mai eficiente. Câteva argumente privind necesitatea etapelor de simulare în diversele faze ale dezvoltării unui produs sunt: -unele sisteme sunt extrem de complexe şi înţelegerea modului în care diferitele subsisteme interacţionează între ele sau cu exteriorul, nu este posibilă fără utilizarea unui model dinamic; -dacă sistemul supus analizei încă nu a fost construit, utilizarea modelării şi simulării permite obţinerea unor informaţii cu privire la comportarea în realitate a sistemului; -simularea permite realizarea de experimente fără ca sistemul real să fie perturbat, aspect important în cazul unor aplicaţii; -deoarece modelul este simulat pe calculator, experimentele pot fi realizate în timp compresat sau dilatat. Ca urmare, se pot studia unele procese ce necesită un timp lung sau procese a căror desfăşurare este foarte rapidă; -simularea unui sistem ce urmează a fi realizat dar şi a unui sistem existent este utilă şi prin faptul că poate conduce la obţinerea unor noi soluţii mai eficiente. Deşi utilizarea simulării oferă numeroase avantaje, există şi o serie de dezavantaje ce derivă în bună măsură din aşteptarea unor rezultate exagerate: -simularea nu oferă rezultate utile dacă datele de intrare nu sunt suficient de precise. Chiar dacă modelul utilizat este foarte precis, utilizarea unor date de intrare incorecte conduce la obţinerea unor rezultate incorecte; -simularea nu poate da soluţii simple problemelor complexe. Dacă sistemul analizat conţine multe componente care interacţionează, uzual se ia în considerare fiecare element separat şi implicit sunt realizate unele simplificări. Fără aceste simplificări, modelul poate fi extrem de complex, cu aceste simplificări modelul poate reprezenta greşit realitatea. Ca urmare nu trebuie ignorate elementele critice ale unui sistem şi trebuie realizat un compromis adecvat între precizie şi complexitatea modelului; -simularea nu rezolvă problema propriu zisă. Simularea poate contribui doar la înţelegerea mai bună a modului de funcţionare a unui sistem. După cum se ştie, ponderea principală în consumul de energie a unei locuinţe este reprezentată de încălzire. Proiectul DEHEMS îşi propune măsurarea consumului de energie într-o locuinţă într-un mod cât mai puţin invaziv. Sunt situaţii în care acest aspect este mai dificil de realizat, în special în ceea ce priveşte măsurarea consumului de energie termică. Din acest motiv se va avea în vedere şi posibilitatea estimării acestui consum pe baza datelor referitoare la temperatura în locuinţă, temperatura exterioară, modelului termic al locuinţei. Un prim pas este realizarea unui model termic al unei locuinţe, model ce are în vedere încălzirea centrală. Modelul termic poate fi utilizat şi pentru studiul unor sisteme de tip HVAC (Heating, Ventilation and Air Conditioning) cu încălzire electrică. De asemenea, simulatorul este necesar şi pentru a furniza soluţii în faza de implementare a proiectului (living house) şi va putea fi utilizat şi de către utilizatorii finali. Un simulator poate fi utilizat în toate fazele dezvoltării unui produs. Poate fi utilizat atat pentru studiul unor strategii de control (clasice, fuzzy, algoritmi genetici, reţele neuronale, controlul adaptiv predictiv bazat pe model) cât şi pentru găsirea unor soluţii de reducere a consumului de energie electrică sau pentru realizarea unor condiţii acceptabile de comfort termic şi calitate corespunzătoare a aerului în locuinţă. Atât reducerea consumului de energie electrică cât şi aspectele ce ţin de comfortul termic pot fi incluse în legea de control, scopul final fiind menţinerea comfortului termic în limite acceptabile. Testarea unui sistem prin utilizarea unui simulator implică o serie de întrebări: - care sunt variabilele măsurabile şi care sunt variabilele controlate (temperatura, umiditate, calitatea aerului, lumina naturală / artificială, poziţia jaluzelelor, etc.); - controlerul este considerat ca fiind o componenta independentă sau o combinaţie ce include senzorul, actuatorul sau alte elemente; - unde şi cum poate fi divizată bucla de control; - unde se plasează senzorii utilizaţi de controller. Un simulator asigură utilizatorului flexibilitate în testare. Sunt numeroase aplicaţiile ce pot fi realizate prin intermediul simulării: noi strategii de control şi algoritmi pentru diferite clădiri, optimizarea parametrilor unui controller utilizat pentru optimizare şi control într-o clădire, etc. Sunt câteva criterii majore pentru alegerea şi utilizarea unor unelte de simulare: existenţa unor modele de simulare, parametrizarea simplă, modularitate, posibilitatea efectuării unor modificări, posibilitatea interconectării cu alte module, simularea hibridă prin mixarea modelelor continue cu modelele discrete, etc. În acelaşi timp simularea prezintă şi o serie de riscuri: testarea controlerului în condiţii nerealiste, erori introduse prin “ruperea” buclei de control de interfaţa de intrare/ieşire, insuficienţa nivelului de modelare a componentelor de sistem din bucla de control (actuatori, modelul locuinţei, senzori etc.), riscul interpretării false datorită numărului mare de date accesibile. Modelul locuinţei poate avea diferite nivele de complexitate, de la modelele simple în care se utilizează un singur nod (ce reprezintă întreg aerul din încăpere şi se consideră că aerul din încăpere este bine amestecat) până la modelele complexe de tip CFD (computational fluid dynamic) modele ce au în vedere ecuaţiile de conservare a energiei şi a masei. Din punct de vedere al sistemului de control, uzual se folosesc modele simplificate bazate şi pe utilizarea unor procedee suplimentare de identificare (off line sau on line) şi analiză de corelaţie.
Simulatorul realizat are în vedere în primul rând modelarea din punct de vedere termic a locuinţei şi de asemenea controlul temperaturii interioare. Modelul termic se poate obţine pe baza considerării caracteristicilor principale ale locuinţei (dimensiuni, pereţi, podea, tavan, ferestre, pereţi interiori etc.), a temperaturii mediului exterior precum şi a altor elemente ce influenţează temperatura interioară. Un astfel de model detaliat este util în simulare însă din punct de vedere practic pot apare unele dificultăţi. Astfel, datele necesare realizării unui astfel de model pot fi greu de obţinut în cazul clădirilor gata construite. De aceea, s-au implementat şi soluţii simple de modelare, soluţii bazate pe identificarea experimentală (modele de tip black-box şi gray-box). S-a pornit de la presupunerea ca cel puţin pentru un număr redus de locuinte „Living Labs” (set martor) se vor culege datele de intrare/ieşire (temperatura interioară, temperatura exterioară, puterea consumată şi eventual alte date), date care vor fi prelucrate în vederea obţinerii parametrilor modelului. Alegând corespunzător un număr de astfel de locuinţe (locuinţele se aleg astfel încât din punct de vedere termic să fie cât mai diferite între ele, eventual câteva vor fi identice sau cel puţin similare astfel încât să poată fi verificată corectitudinea metodei ) se va obţine un set de modele reprezentative. Setul astfel obţinut va putea fi utilizat şi în cazul unei locuinţe ce nu a făcut parte din setul martor. Pe baza unui indicator de performanţă se va alege acel model ce corespunde cel mai bine locuinţei respective. Un aspect important avut în vedere este introducerea în model şi în algoritmul de control a informaţiilor privind confortul termic. Comfortul termic are o pondere important asupra eficienţei energetic şi în acelaşi timp asupra satisfacţiei persoanelor din locuinţă. Confortul termic depinde de patru variabile de mediu (temperatura aerului, umiditatea relativă, temperatura medie radiantă, şi viteza aerului) precum şi doi parametri individuali (rata metabolică şi indexul îmbrăcăminte). Uzual, utilizatorul prescrie temperatura locuinţei însă această temperatură ar trebui să rezulte prin stabilirea confortului termic dorit. Procedând astfel consumul energetic poate fi optimizat. Se are în vedere nu numai cazul în care energia este consumată pentru încălzire ci şi cazul în care energia este consumată pentru răcire. În special în cazul ţărilor mediteraneene energia utilizată pentru răcire este semnificativă. În acest context utilizarea sistemelor de umbrire, în principal a celor exterioare încăperii poate fi benefică. Desigur, acest lucru limitează utilizarea luminii naturale, insă se poate stabili un compromis între cele două aspecte contradictorii. Simulatorul poate oferi şi în acest caz utilizatorului soluţii de compromis. S-au publicat şi două lucrări la Conferinţe Internaţionale: 1. Balan, Radu Stan, Sergiu-Dan Lapusan, Ciprian „A Model Based Predictive Control Algorithm for Building Temperature Control”, DEST '09. 3rd IEEE International Conference on Digital Ecosystems and Technologies 1-3 Iunie 2009, pp 540-545, Istanbul, Turkey, ISBN: 978-1-4244-2345-3, Digital Object Identifier: 10.1109/DEST.2009.5276699 2. Radu Balan, Olimpiu Hancu, Sergiu Stan, Ciprian Lapusan, Radu Donca, „Application of a Model Based Predictive Control Algorithm for Building Temperature Control”, „Energy Problems and Environmental Engineering”, Proceedings of the 3rd WSEAS International Conference on Energy Planning, Energy Saving, Environmental Education (EPESE `09), ISSN 1790-5095, ISBN 978-960-474-093-2, Tenerife, Spain, july 1-3 2009, pp 97-101
[] European Commission Press Office, 09/03/07 [2] Climate Change Programme Review, Sustainable Development Commission, UK, 2005 [3] Jackson, T., (2005) Motivating Sustainable Consumption. A Report to the Sustainable Development Research Network [4] Mobilising individual behaviour change through community initiatives, Centre for Sustainable Energy, Community Development Exchange, 2007 [5] Systematisierung der Potenziale und Optionen für den Gebäudebereich., Kleemann, M., Birnbaum, U. et al. (2001), Fraunhofer Institute [6] Jackson, T., (2005) Motivating Sustainable Consumption. A Report to the Sustainable Development Research Network. [7] A Rough Guide to Individual Carbon Trading, Simon Roberts and Joshua Thumim, Centre for Sustainable Energy, Department for Environment and Rural Affairs, 2006 [8] Home Networking, Deutsche Bank Research, Deutsche Bank, October 2006 [9] J. Gustafsson, J. Delsing, J. van Deventer, Thermodynamic Simulation of a Detached House with District Heating Subcentral, SysCon 2008 - IEEE International Systems Conference Montreal, Canada, April 7-10, 2008 10] Mendes N, Oliveira G H C, Araújo H X and Coelho L S, A Matlab-based simulation tool for building thermal performance analysis, Eighth International IBPSA Conference, Eindhoven, Netherlands, August 11-14, 2003 [11] D. Jreijiry, A. Husaunndee and J.G. Villenave, Evaluation of hybrid ventilation control strategies in residential buildings, International Conference “Passive and Low Energy Cooling for the Built Environment”, May 2005, Santorini, Greece [12] Sami El-Ferik, Syed Ameenuddin Hussain and Fouad M. Al-Sunni, Identification of Physically Based Models of Residential Air-Conditioners for Direct Load Control Management [13] Sami El-Ferik, Syed Ameenuddin Hussain and Fouad M. Al-Sunni, Identification and weather sensitivity of physically based model of residential air-conditioners for direct load control: A case study, Energy and Buildings 38 (2006) 997–1005 [14] Manohar R. Kulkarni, Feng Hong, Energy optimal control of a residential space-conditioning system based on sensible heat transfer modeling, Building and Environment 39 (2004) 31 – 38 [15] D. Kolokotsa, K. Niachou, V. Geros, K. Kalaitzakis, G.S. Stavrakakis, M. Santamouris: Implementation of an integrated indoor environment and energy management system, Energy and Buildings 37 (2005) 93–99 [16] D. Kolokotsa, G.S. Stavrakakis, K. Kalaitzakis, D. Agoris: Genetic algorithms optimized fuzzy controller for the indoor environmental management in buildings implemented using PLC and local operating networks, Engineering Applications of Artificial Intelligence 15 (2002) 417–428 [17] Jonathan A. Wright, Heather A. Loosemore, Raziyeh Farmani, „Optimization of building thermal design and control by multi-criterion genetic algorithm”, Energy and Buildings 34 (2002) 959–972 [18] CĂLIN,S., 1988, Conducerea adaptivă şi flexibilă a proceselor industriale, Editura Tehnică Bucureşti [19] TERTIŞCO,M.,STOICA,P., 1980, “Identificarea şi estimarea parametrilor sistemelor”, Editura Academiei Bucureşti [20] TERTIŞCO,M.,STOICA,P., 1987, “Identificarea asistată de calculator a sistemelor”, Ed. Tehnică Bucureşti. [21] Crabb, J. A., Murdoch, N. and Penman, J. M. 1987, A Simplified Thermal Response Model, Building Services Engineering Research and Technology, 8(1):13-19. [22] Y Zhang,V I Hanby,” Model-based control of renewable energy systems in Buildings”, Ninth International IBPSA Conference, Montreal 2005, pp 1425..1432 [23] Roberto Z. Freire, Gustavo H. C. Oliveira, Nathan Mendes, „Predictive controllers for thermal comfort optimization and energy savings”, ABCM Symposium Series in Mechatronics - Vol. 3 - pp.839-848, 2008 [24] Fanger, P. O., 1970, “Thermal Comfort”, McGraw-Hill Inc., New York, USA. [25] Gagge, A. P., Fobelets, A. P., and Berlund, L. G., 1986, A standard predictive index of human response to the thermal environment, “ASHRAE Transactions”, Vol. 92, pp. 709–731. [26] Smith, C., 1991, “A Transient Three-Dimensional Model of the Human Thermal System”, PhD thesis, Department of Mechanical Engineering, Kansas State University, Manhattan, KS, USA. [27] Dasheng Lee, Development of Light Powered Sensor Networks for Thermal Comfort Measurement, Sensors 2008, 8, 6417-6432; DOI: 10.3390/s8106417 [28] Salsbury, T., 2005, A Survey of Control Technologies in the Building Automation Industry, “Proc. of the 16th IFACWorld Congress”, pp. 331–341, Prague, Czech Republic. [29] Guan Y., Hosni M., Jones B.W., and Gielda T.P., 2003, “Literature review of the advances in thermal comfort modelling,” ASHRAE Transactions, 109 (2), pp. 908-916. [30] Peter Riederer, Thermal room modelling adapted to the test of HVAC control systems, PhD Thesis 2002 [31] D. Jreijiry, A. Husaunndee and J.G. Villenave, Evaluation of hybrid ventilation control strategies in residential buildings, International Conference “Passive and Low Energy Cooling for the Built Environment”, May 2005, Santorini, Greece. [32] M.S. Hatamipour, H. Mahiyar, M. Taheri, Evaluation of existing cooling systems for reducing cooling power consumption, Energy and Buildings 39 (2007) 105–112. [33] Rasmus L. Jensen, Karl Grau, and Per K. Heiselberg, Integration of a multizone airflow model into a thermal simulation program, Proceedings: Building Simulation 2007 [34] D. Kolokotsaa, G.S. Stavrakakis, K. Kalaitzakis, D. Agoris, Genetic algorithms optimizedfuzzy controller for the indoor environmental management in buildings implemented using PLC and local operating networks, Engineering Applications of Artificial Intelligence 15 (2002) 417–428 local operating networks. [35] S. Atthajariyakul, T. Leephakpreeda, Real-time determination of optimal indoor-air condition for thermal comfort, air quality and efficient energy usage, Energy and Buildings 36 (2004) 720–733 [36] Seckin Ari, Ian A. Cosden, H. Ezzat Khalifa, John F. Dannenhoffer, Peter Wilcoxen and Can Isik, Individual Thermal Comfort and Energy Optimization, Proceedings of Clima 2007 WellBeing Indoors [37] ASHRAE, 1997, ASHRAE Handbook of Fundamentals, American Society of Heating, Refrigerating and Air Conditioning Engineers, Inc., Atlanta, Georgia. [38] S. Atthajariyakul, T. Leephakpreeda, Neural computing thermal comfort index for HVAC systems [39] S. M. Cornick and M. K. Kumaran, A Comparison of Empirical Indoor Relative Humidity Models with Measured Data, Journal of Building Physics 2008 31: 243-268, January 2008 [40] ASHRAE SPC 160P, Working Draft Mar. 2006, pp. 6-7. [41] Roberto Z. Freire, Gustavo H. C. Oliveira, Nathan Mendes, „Predictive controllers for thermal comfort optimization and energy savings”, ABCM Symposium Series in Mechatronics - Vol. 3 - pp.839-848, 2008 [42] DELTA : A blind controller using fuzzy logic, FINAL REPORT - OFEN/BEW Funding No. 50 943 Laboratoire d'énergie solaire et de physique du bâtiment - DA/ITB November 1996 [43] Rong Li and Adrian Pitts, Thermal Comfort and Environmental Modelling in Atrium Buildings, PLEA2006 - The 23rd Conference on Passive and Low Energy Architecture, Geneva, Switzerland, 6-8 September 2006 [44] La Gennusa, M. et al (2005) "The calculation of the mean radiant temperature of a subject exposed to the solar radiation." Building and Environment(40). [45] S. M. Cornick and M. K. Kumaran, A Comparison of Empirical Indoor Relative Humidity Models with Measured Data, Journal of Building Physics 2008 31: 243-268, January 2008 [46] F. Felgner, S. Agustina, R. Cladera Bohigas, R. Merz, L. Litz, Simulation of Thermal Building Behaviour in Modelica [47] Manohar R. Kulkarni, Feng Hong, Energy optimal control of a residential space-conditioning system based on sensible heat transfer modeling, Building and Environment 39 (2004) 31 – 38. [48] Michael Wetter, Simulation-Based Building Energy Optimization, Phd thesis, 2004, University of California, Berkeley. [49] Hamilton, D.C. and Morgan, W.R., 1952, "Radiant-interchange configuration factors," NASA TN 2836 [50] Jukka V. Paatero and Peter D. Lund, A model for generating household electricity load profiles, International Journal of Energy Research Vol. 30:5, p 273-290. doi:10.1002/er.1136 [51] Jean-Nicolas Paquin, Dave Turcotte, House model implementation for power quality studies, Report – CETC 2008-007 (TR) 411-IMPACT November 23rd, 2007 [52] N Cross and C. T. Gaunt, Application of Rural Residential Hourly Load Curves in Energy Modelling, IEEE Bologna PowerTech Conference, June 23-26,2003, Bologna, Italy [53] Pacific Northwest National Laboratory: Advanced Sensors and Controls for Building Applications: Market Assessment and Potential R&D Pathways, 2005 [54] Tsuyoshi Ueno, Fuminori Sano, Osamu Saeki, Kiichiro Tsuji: Effectiveness of an energy-consumption information system on energy savings in residential houses based on monitored data. Applied Energy 83 (2006) 166–183 [55] D. Robinson. Some trends and research needs in energy and comfort prediction. In Comfort and energy use in buildings, Windsor, United Kingdom (2006). [56] Jessen Page, Simulating Occupant Presence and Behaviour in Buildings, Phd Thesis, Ecole Polytechnique Federale de Lausanne, Suisse, 2007 [57] D. Robinson, S. Stankovic, J. Page, N. Morel, F. Deque, M. Rylatt, K. Kabele, E. Manolakaki, and N. Jyri. Integrated resource flow modelling of urban neighbourhoods: Project SUNtool. In Buiding Simulation, Eindhoven, The Netherlands (2003). [58] K.H. Ting, Mark Lucente, George S.K. Fung, W.K. Lee and S.Y.R. Hui, „A Taxonomy of Load Signatures for Single-Phase Electric Appliances”, 2005 IEEE PESC (Power Electronics Specialist Conference), 12-18 Jun 2005, Brazil [59] F.Sultanem, Using appliance signatures for monitoring residential loads at meter panel level, IEEE Transactions on Power Delivery. Vol. 6, No. 4, October 1991, pp 1380-1385 [60] Michaël Kummert,Philippe André, Simulation of a model-based optimal controller for heating systems under realistic hypotheses, IBPSA Conference, Montréal, Canada, August 15-18, 2005 [61] A. Galatà, F. Proietto Batturi, R. Viadana, A smart control strategy for shading devices to improve the thermal and visual comfort, 4th European Conference on SolarEnergy and UrbanPlanning, Berlin, 1996 [62] Roberto Z. Freire, Gustavo H. C. Oliveira, Nathan Mendes, Energy savings using predictive controllers applied to Hvac systems, International Energy Agency, Annex 41 Working Meeting Florianópolis, April 15-18, 2007, Florianópolis, SC [63] Caroline M. Clevenger, John Haymaker, The impact of the building occupant on energy modeling simulations [64] Christoph F. Reinhart, LIGHTSWITCH-2002: A Model for Manual and Automated Control of Electric Lighting and Blinds, Solar Energy, 77:1 pp. 15-28, 2004. [65] Vorapat Inkarojrit: Multivariate predictive window blind control models for intelligent building façade systems, Proceedings: Building Simulation 2007 [66] Jessen Page, Simulating Occupant Presence and Behaviour in Buildings, phd thesis, 2007, Laussane, Suisse [67] D. Kolokotsa, G. Saridakis, A. Pouliezos, G.S. Stavrakakis, Design and installation of an advanced EIBTM fuzzy indoor comfort controller using MatlabTM, Energy and Buildings 38 (2006) 1084–1092 [68] Crabb, J. A., Murdoch, N. and Penman, J. M. 1987, A Simplified Thermal Response Model, Building Services Engineering Research and Technology, 8(1):13-19. [69] Y Zhang,V I Hanby,” Model-based control of renewable energy systems in Buildings”, Ninth International IBPSA Conference, Montreal 2005, pp 1425..1432 [70] G. Wood, M. Newborough, „Dynamic energy-consumption indicators for domestic appliances: environment, behaviour and design”, Energy and Buildings 35 (2003) 821–841 [71] Jukka V. Paatero and Peter D. Lund, A model for generating household electricity load profiles, International Journal of Energy Research Vol. 30:5, p 273-290. doi:10.1002/er.1136 [72] http://en.wikipedia.org/wiki/Nonintrusive_load_monitoring [73] D. Kolokotsa, G.Stavrakakis , K.Kalaitzakis, D.Tsiavos, „Fuzzy control for improved buildings energy management systems” [74] D. Kolokotsa, G.S. Stavrakakis, K. Kalaitzakis, D. Agoris, „Genetic algorithms optimizedfuzzy controller for the indoor environmental management in buildings implemented using PLC and local operating networks” Engineering Applications of Artificial Intelligence 15 (2002) 417–428 [75] DELTA : A blind controller using fuzzy logic, FINAL REPORT - OFEN/BEW Funding No. 50 943 Laboratoire d'énergie solaire et de physique du bâtiment - DA/ITB November 1996 [76] Franco Gugliermetti, Fabio Bisegna, „Static and dynamic daylight control systems: Shading devices and electrochromic windows”, Ninth International IBPSA Conference, Montréal, Canada, August 15-18, 2005 [77] Camacho E. Bordons, C. (1999) “Model Predictive Control” Spriger-Verlag, ISBN 3-540-76241-8, 1999 [78] Hangos, K.M.; Bokor J., Szederkeny G. (2004), “Analysis and control of nonlinear process systems”, Springer Verlag ISBN 1-85233-600-5, 2004 [79] Bălan R., Mătieş V., Hancu O. (2004) “Model predictive control of nonlinear processes using on-line simulation” in Proceedings of International Conference on Automation, Quality and Testing, Robotics, AQTR 2004-Theta 14, Cluj-Napoca, Romania, 13-15 May 2004, pp. 201-207 [80] Bălan R., Mătieş V., Hodor V., Zamfira I. (2002) “Some issues in the design of adaptive-predictive controllers based on on-line simulation”, International Conference OPTIM 2002, Brasov, Romania, pp. 447-452 ISBN 973-635-012-6. 
Yüklə 81,72 Kb. Dostları ilə paylaş:
|