به گزارش سیتنا، ایرنا در گزارشی آورده است،این سیستم که با سرپرستی بهرنگ سجادی، است، با افزایش سهم ساختمان‌ها از مصرف انرژی جهانی و نقش پررنگ سیستم‌های گرمایش، تهویه و تهویه مطبوع در این مصرف، مدیریت هوشمند انرژی به یکی از اولویت‌های اصلی توسعه پایدار تبدیل شده است؛ موضوعی که در ساختمان‌های آموزشی، به‌دلیل ارتباط مستقیم کیفیت محیط داخلی با سلامت و عملکرد شناختی دانش‌آموزان و دانشجویان، اهمیت دوچندان می‌یابد.

در همین راستا، یک تیم پژوهشی در دانشگاه تهران با سرپرستی بهرنگ سجادی، چارچوبی نوآورانه مبتنی بر شبیه‌سازی پیشرفته و هوش مصنوعی طراحی کرده است که می‌تواند به‌طور هم‌زمان مصرف انرژی، آسایش حرارتی و کیفیت هوای داخل ساختمان‌های آموزشی را بهینه‌سازی کند؛ دستاوردی که گامی مهم در مسیر توسعه ساختمان‌های هوشمند و پایدار در کشور به‌شمار می‌رود.هیأت علمی دانشکدگان فنی و با استفاده از هوش مصنوعی طراحی شده است، می‌تواند تحول چشمگیری در مدیریت انرژی ساختمان‌های آموزشی ایجاد کند. این چارچوب نوآورانه که حاصل تحقیقات گسترده در حوزه ساختمان‌های هوشمند است، همچنین می‌تواند ساعات فقدان آسایش حرارتی را تا ۶۳ درصد و غلظت دی‌اکسیدکربن را تا ۱۰ درصد کاهش داده و کارایی انرژی ساختمان را در سطح مطلوب حفظ کند.

سجادی، سرپرست تیم تحقیقات و طراحی این سیستم درباره ضرورت و اهمیت این پژوهش گفت: حدود ۴۰ درصد از مصرف انرژی جهانی در بخش ساختمانی است و سیستم‌های گرمایش، تهویه و تهویه مطبوع (اچ‌وی‌ای‌سی) سهم عمده‌ای در این مصرف انرژی دارند. در ساختمان‌های آموزشی، این چالش ابعاد پیچیده‌تری پیدا می‌کند، چرا که کیفیت محیط داخلی مستقیماً بر سلامت و عملکرد شناختی دانش‌آموزان و دانشجویان تأثیر می‌گذارد. مطالعات نشان می‌دهد که غلظت بالای دی‌اکسیدکربن و فقدان آسایش حرارتی می‌تواند تا ۱۵ درصد از کارایی آموزشی بکاهد.

وی افزود: در ایران این مسئله از حساسیت بیشتری برخوردار است، چرا که بر اساس آمار، مصرف انرژی در بخش ساختمان در کشور بیشتر از میانگین مصرف جهانی است. این امر لزوم توسعه راه‌حل‌های بومی برای بهینه‌سازی مصرف انرژی را بیش از پیش آشکار می‌سازد.

عضو هیأت علمی دانشکدگان فنی دانشگاه تهران، درباره نحوه عملکرد این سیستم گفت: این سیستم بر پایه ترکیبی از شبیه‌سازی پیشرفته و هوش مصنوعی استوار است. در این سیستم، یک مدل ساختمان در نرم‌افزار EnergyPlus توسعه داده شده که قادر به شبیه‌سازی دقیق رفتار حرارتی ساختمان تحت شرایط مختلف است. سپس یک مدل شبکه عصبی مصنوعی از نوع پرسپترون چندلایه (MLP) آموزش داده شده که با دقت قابل توجه ۹۹.۷ درصد می‌تواند عملکرد سیستم اچ‌وی‌ای‌سی را پیش‌بینی کند.

سجادی افزود: این سیستم سه پارامتر اصلی (دمای تنظیم شده بر اساس شاخص آسایش حرارتی (PMV)، برنامه‌های عملیاتی سیستم اچ‌وی‌ای‌سی و نرخ تهویه هوای تازه) را به طور پویا تنظیم می‌کند و این تنظیمات پویا باعث می‌شود سیستم بتواند خود را با شرایط متغیر ساختمان و نیازهای ساکنان تطبیق دهد.

وی گفت: نتایج حاصل از پیاده‌سازی این سیستم بر اساس داده‌های منتشر شده، نشان می‌دهد که این سیستم توانسته است، ساعات فقدان آسایش حرارتی را تا ۶۳.۲ درصد و غلظت دی‌اکسیدکربن را تا ۹.۶ درصد کاهش دهد و همچنین کارایی انرژی را در سطح بهینه حفظ کند و این دستاوردها در حالی محقق شده که سیستم‌های متعارف قادر به بهینه‌سازی هم‌زمان این سه هدف نبوده و معمولاً تنها بر دو هدف تمرکز می‌کنند.

سجادی افزود: این چارچوب به عنوان یک ابزار پشتیبان تصمیم‌گیری برای مدیران تأسیسات ساختمان‌های آموزشی عمل می‌کند و به آنان امکان می‌دهد بدون قربانی کردن سلامت و آسایش ساکنان، به اهداف بهینه‌سازی انرژی دست یابند. اهمیت این موضوع در ساختمان‌های آموزشی که سلامت و عملکرد شناختی دانش‌آموزان و دانشجویان در اولویت قرار دارد، دوچندان است.

وی در پایان ابراز امیدواری کرد که با توسعه بیشتر این فناوری، زمینه برای گسترش آن در سایر انواع ساختمان‌ها از جمله اداری و مسکونی نیز فراهم شود و تصریح کرد: این تحقیق گام مهمی در جهت تحقق ساختمان‌های هوشمند و پایدار در کشور است که می‌تواند هم‌زمان به بهبود مصرف انرژی و ارتقای کیفیت زندگی ساکنان بینجامد.

انتهای پیام