Mašininio mokymosi modelio taikymas pastato vėdinimo sistemos valdymo efektyvumui didinti

Abstract

Disertacijoje nagrinėjamos vėdinimo sistemos energijos suvartojimo problemos, kurios tiesiogiai susijusios su vartotojų elgsena. Pagrindiniai tyrimo objektai – atvirojo tipo biurai ir jų vėdinimo sistemos. Disertacijos tikslas – sukurti dirbtiniu intelektu grįstą vėdinimo sistemos valdymo modelį vadovaujantis vartotojų elgsenos prognozavimu. Darbe sprendžiami šie pagrindiniai uždaviniai: Pirmasis uždavinys – vartotojų elgsenos parametrų identifikavimas ir jų įtakos pastato energijos suvartojimui vertinimas. Antrasis uždavinys – atlikti realių pastatų ilgalaikę stebėseną, išanalizuoti pastatų užimtumo ir mikroklimato parametrų duomenis ir paruošti duomenų imtį, reikalingą matematiniam prognozavimo modeliui kurti. Trečiasis uždavinys – adaptuoti mašininiu mokymusi grįstų modelių taikymo galimybes pagal patalpų vartotojų užimtumą ir atlikti modelio validavimą. Disertaciją sudaro įvadas, trys skyriai, bendrosios išvados, naudotos literatūros ir autoriaus publikacijų disertacijos tema sąrašai. Įvadiniame skyriuje aptariama tiriamoji problema, darbo aktualumas, aprašomas tyrimų objektas, formuluojamas darbo tikslas bei uždaviniai, aprašoma tyrimų metodika, darbo temos naujumas, darbo rezultatų praktinė reikšmė, ginamieji teiginiai. Įvado pabaigoje pristatomos disertacijos tema autoriaus paskelbtos publikacijos ir pranešimai konferencijose bei disertacijos struktūra. Pirmasis skyrius skirtas literatūros apžvalgai. Jame aptariami veiksniai, darantys įtaką vartotojų elgsenai, ir vartotojų elgsenos prognozavimo modeliai. Antrajame skyriuje aptariami tyrimo objektai ir jų dalyvių elgsena, taip pat pasyviosios vartotojų elgsenos prognozavimo modeliai ir jų integravimo į pastato vėdinimo sistemą veikimo koncepcija. Trečiajame skyriuje atliekama mašininio mokymosi modelių prognozavimo jautrumo analizė. Pasiūlytas atvirojo tipo biurų vėdinimo sistemos modeliuojantis algoritmas, parodantis sistemos veikimo efektyvumą prog-nozuojant pasyviąją vartotojų elgseną. Kiekvieno skyriaus pabaigoje ir atlikus galutinius tyrimus pateikiamos bendros darbo išvados. Disertacijos pabaigoje yra atskiras skyrius, kuriame pateikiamos benrosios tyrimo išvados. Disertacijos tema paskelbti šeši straipsniai: du recenzuojamuose mokslo žurnaluose, turinčiuose cituojamumo rodiklį Clarivate Analytics Web of Science duomenų bazėse; vienas tarptautinių konferencijų leidiniuose, referuojamuose Clarivate Analytics Web of Science duomenų bazėje Conference Proceedings, trys kituose recenzuojamuose mokslo žurnaluose. Disertacijoje atliktų tyrimų rezultatai buvo paskelbti dviejose mokslinėse konferencijose Lietuvoje ir užsienyje.

This dissertation addresses the energy consumption problems of ventilation systems, which are directly related to user behaviour. The main objects of the research are open-plan office spaces and their ventilation systems This dissertation aims to develop an artificial intelligence-based model for ventilation system control based on the prediction of user behaviour. The dissertation addresses several main challenges: first, to identify user behaviour parameters and assess their impact on building energy consumption; second, to carry out long-term monitoring of real buildings, to analyse data on occupancy and microclimate parameters and to prepare a data sample for the development of a mathematical prediction model; and finally, to adapt to machine learning-based models based on occupancy rates of premises and to validate the model. The dissertation consists of an introduction, three chapters, general conclusions, a list of literature, and a list of publications on the dissertation’s subject. The introduction discusses the research problem and the relevance of the work, describes the research object, formulates the aim and objectives of the dissertation, describes the research methodology, the novelty of the topic, the practical significance of the results, and the defended statements. The introduction closes with lists of the author’s publications and conference presentations on the subject of the dissertation and the presented structure of the dissertation. The First Chapter is devoted to a literature review. It discusses the factors influencing user behaviour and models for predicting user behaviour. The Second Chapter discusses the research objects and the behaviour of their participants, as well as the methods for predicting passive user behaviour and the concept of how to integrate them into the building ventilation system. The Third Chapter provides a sensitivity analysis of the prediction of machine learning models. A modelling algorithm for an open-type office ventilation system is proposed to show the performance of the system in predicting passive user behaviour. Each chapter closes with an outline of the general conclusions for the work covered in it. There is a separate chapter, of general conclusions of the research at the end of the dissertation. Six articles were published on the topic of the dissertation: two in peer-reviewed scientific journals with a citation index in Clarivate Analytics Web of Science databases, one in international conference publications referenced in the Clarivate Analytics Web of Science database Conference Proceedings, and three in other peer-reviewed journals. The results of the research were published in two scientific conferences in Lithuania and abroad.