Моделирование теплового режима и управление теплоснабжением помещений умного здания

Вестник ТюмГУ. Физико-математическое моделирование. Нефть, газ, энергетика.


Выпуск:

2018. Том 4. №2

Название: 
Моделирование теплового режима и управление теплоснабжением помещений умного здания


Для цитирования: Захаров А. А. Моделирование теплового режима и управление теплоснабжением помещений умного здания / А. А. Захаров, И. Г. Захарова, А. Р. Ромазанов, А. В. Широких // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2018. Том 4. № 2. С. 105-119. DOI: 10.21684/2411-7978-2018-4-2-105-119

Об авторах:

Захаров Александр Анатольевич, доктор технических наук, заведующий базовой кафедрой «Безопасные ИТ умного города», Тюменский государственный университет; a.a.zakharov@utmn.ru

Захарова Ирина Гелиевна, кандидат физико-математических наук, профессор кафедры программного обеспечения, Тюменский государственный университет; i.g.zakharova@utmn.ru

Ромазанов Артур Ринатович, магистрант кафедры программного обеспечения, Тюменский государственный университет; qwsr11@gmail.com

Широких Андрей Валерьевич, кандидат технических наук, доцент кафедры информационной безопасности, Тюменский государственный университет; a.v.shirokih@utmn.ru

Аннотация:

Высокие затраты на отопление и недостаточная эффективность управления температурным режимом крупных зданий определяют необходимость разработки инновационных методов оптимизации теплоснабжения, использующих преимущества технологий «Умный дом». В статье предложен подход к автоматизации процесса управления теплоснабжением помещений в режиме умного здания с целью снижения финансовых затрат при сохранении комфортного теплового режима. Основная идея предлагаемого подхода основана на возможности получения детализированной информации с датчиков температуры, ее интерпретации, мониторинга изменений и продуцирования адекватных решений по управлению теплоснабжением в режиме реального времени. Построена объектно-ориентированная модель температурного режима здания, включающая описание атрибутов объектов (отдельных помещений), геометрических и физических связей между ними. Геометрические связи определяются реальным поэтажным планом здания. Физические связи основаны на модели теплообмена внутри здания и с внешней средой. Рассмотрены особенности использования методов машинного обучения для уточнения значений параметров, обуславливающих особенности теплообмена в здании. Предложены способы классификации помещений с точки зрения характерного для каждого температурного режима при различных внешних условиях. На основе предложенного подхода спроектирована и разработана информационная система для моделирования теплового режима и управления теплоснабжением помещений. Функционал системы позволяет использовать ее как для проведения вычислительных экспериментов, основанных на сгенерированных температурных данных, так и для работы с реальными данными, периодически запрашиваемыми с датчиков, установленных в здании и во внешней среде. Модули машинного обучения обеспечивают постоянную корректировку модели здания в процессе получения новой информации о реальных температурных режимах.

Список литературы:

  1. Башмаков И. А. Анализ основных тенденций развития систем теплоснабжения в России и за рубежом / И. А. Башмаков // Новости теплоснабжения. 2008. № 2. С. 6-10.
  2. Башмаков И. А. Энергопотребление зданий сферы услуг: мировой опыт / И. А. Башмаков // Энергосбережение. 2015. № 5. С. 24-29.
  3. Башмаков И. А. Энергоэффективность зданий в России и в зарубежных странах / И. А. Башмаков // Энергосбережение. 2015. № 3. С. 24-29.
  4. Ковальногов Н. Н. Автоматизированная система оптимального управления отоплением учебного заведения / Н. Н. Ковальногов, А. С. Ртищева, Е. А. Цынаева // Известия высших учебных заведений. Проблемы энергетики. 2007. № 3-4. С. 100-107.
  5. Кошель С. М. Методы цифрового моделирования: кригинг и радиальная интерполяция / С. М. Кошель, О. Р. Мусин // Информационный бюллетень ГИС-Ассоциации. 2000. № 4. С. 26-30.
  6. Матяс А. Ю. Алгоритмическое обеспечение систем температурного контроля / А. Ю. Матяс // Ползуновский альманах. 2009. № 2. С. 11-15.
  7. Моисейкина Л. Г. Анализ структурных изменений внутреннего потребления ТЭР г. Москвы / Л. Г. Моисейкина, Е. С. Дарда // Статистика и экономика. 2017. № 6. С. 22-31.
  8. Пуговкин А.В. Математическая модель теплоснабжения помещений для АСУ энергосбережения / А. В. Пуговкин, С. В. Купреков, Д. В. Абушкин, И. А. Заречная, Н. И. Муслимова // Доклады ТУСУР. Управление, вычислительная техника и информатика. 2010. № 2 (22). Ч. 1. С. 293-298.
  9. Сучкова Л. И. Интеллектуальные контроллеры систем температурного контроля и регулирования / Л. И. Сучкова, Т. В. Якименко, О. И. Хомутов // Ползуновский альманах. 2007. № 3. С. 96-98. 
  10. Федеральный закон № 261-ФЗ «Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации». URL: http://base.consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=93978 (дата обращения: 24.04.2018).
  11. Фрумкин А. М. Упрощенная имитационная модель отапливаемого помещения как объекта управления / А. М. Фрумкин, Е. Н. Громова, В. А. Яцевич // Auditorium. 2016. № 2 (10). С. 93-103.
  12. Anvari-Moghaddam A. Cost-Effective and Comfort-Aware Residential Energy Management under Different Pricing Schemes and Weather Conditions / A. Anvari-Moghaddam, H. Monsef, A. Rahimi-Kian // Energy and Buildings. 2015. Vol. 86. Pp. 782-793. DOI: 10.1016/j.enbuild.2014.10.017
  13. Ascione F. Simulation-Based Model Predictive Control by the Multi-Objective Optimization of Building Energy Performance and Thermal Comfort / F. Ascione, N. Bianco, C. De Stasio, G. M. Mauro, G. P. Vanoli // Energy and Buildings. 2016. Vol. 111. Pp. 131-144. DOI: 10.1016/j.enbuild.2015.11.033
  14. Figueiredo J. A SCADA System for Energy Management in Intelligent Buildings / J. Figueiredo, J. S. da Costa // Energy and Buildings. 2012. Vol. 49. Pp. 85-98. DOI: 10.1016/j.enbuild.2012.01.041
  15. FIWARE: A Standard Open Platform for Smart Cities. URL: https://www.fiware.org/2015/03/25/fiware-a-standard-open-platform-for-smart-cities/ (Accessed on 24 April 2018).
  16. Gwerder M. Potential Assessment of Rule-Based Control for Integrated Room Automation / M. Gwerder, D. Gyalistras, F. Oldewurtel, B. Lehmann., K. Wirth, V. Stauch, C. J. Tödtli // Proceedings of the 10th REHVA World Congress. Clima, 2010. Antalya, 2010. Pp. 9-12.
  17. Ock J. Smart building energy management systems (BEMS) simulation conceptual framework / J. Ock, R. R. A. Issa, I. Flood // Proceedings of the 2016 Winter Simulation Conference. IEEE Press, 2016. Pp. 3237-3245. DOI: 10.1109/WSC.2016.7822355
  18. Privara S. Building modeling as a crucial part for building predictive control / S. Privara, J. Cigler, Z. Váňa, F. Oldewurtel, C. Sagerschnig, E. Žáčeková // Energy and Buildings. 2013. Vol. 56. Pp. 8-22. DOI: 10.1016/j.enbuild.2012.10.024
  19. Senave M. A simulation exercise to improve building energy performance characterization via on-board monitoring / M. Senave, G. Reynders, S. Verbeke, D. Saelens // Energy Procedia. 2017. Vol. 132. Pp. 969-974. DOI: 10.1016/j.egypro.2017.09.687
  20. Tashtoush B. Dynamic model of an HVAC system for control analysis / B. Tashtoush, M. Molhim, M. Al-Rousan // Energy. 2005. Vol. 30. No 10. Pp. 1729-1745. DOI: 10.1016/j.energy.2004.10.004