автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Супервизорное управление системами контроля климата в зданиях

тюков

Антон Павлович

На правах рукописи

0\уЩ ■

Супервизорное управление системами контроля климата в зданиях

05.13. 01 — «Системный анализ, управление и обработка информации

(промышленность)» 05.13.10 - «Управление в социальных и экономических системах»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

2 В МАР 2013

Волгоград - 2013

005051093

Работа выполнена на кафедре «Системы автоматизированного проектирования и поискового конструирования» Волгоградского государственного технического университета (ВолгГТУ)

Научный руководитель

Научный консультант

Официальные оппоненты:

Ведущая организация

доктор технических наук, профессор, Камаев Валерий Анатольевич

кандидат технических наук, доцент Щербаков Максим Владимирович

Квятковская Ирина Юрьевна

доктор технических наук, профессор, Астраханский государственный технический университет, директор института информационных технологий и коммуникаций;

Крушель Елена Георгиевна

кандидат технических наук, профессор, Камышинский технологический институт филиал Волгоградского государственного технического университета, кафедра "Автоматизированные системы обработки информации и управления", профессор.

Астраханский государственный Университет.

Защита диссертации состоится «15» марта 2013 в 13.00 часов на заседании диссертационного совета Д 212.028.04 при Волгоградском государственном техническом университете по адресу: 400005, г. Волгоград, проспект Ленина, 28.

С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.

Автореферат разослан «15» февраля 2013 г.

Учёный секретарь диссертационного совета

Водопьянов Валентин Иванович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Рост цен на энергоносители, перспективы истощения месторождений и проблемы экологии вынуждают цивилизацию обратиться к более рациональному использованию энергоресурсов. Одной из приоритетных задач энергоэффективности является раскрытие потенциала энергосбережения. Сокращение огромных потерь энергии при эксплуатации зданий является стратегической задачей, которая может быть решена в рамках сокращения энергии на поддержание уровня температурного комфорта в зданиях с помощью модификации существующих алгоритмов управления системой контроля климата (далее СКК, от англ. heating ventilation air-condition cooling, HVAC) (Winner, 2012). Так, по данным международных исследований, энергопотребление зданий занимает до 30 % от производства энергии всей страны. Около 40 % энергии каждого здания расходуется на поддержание уровня температурного комфорта в СКК. Как правило, алгоритмы управления СКК не обновляются после установки системы в здании. Именно в этом аспекте заложен высокий потенциал повышения энергоэффективности.

По данным исследований Европейской комиссии (Green Paper on Energy Efficiency, 2005) и профессора В. Веттера (W. Wetter, Калифорнийский университет Беркли, 2004), эффективность работы СКК может быть повышена от 20 до 40% за счет модификации существующих алгоритмов управления. В работах исследовательской группы Опти-контрол (Opticontrol, ,2010) предлагаются подходы для создания новых эффективных СКК. Однако результаты данных исследований носят теоретический характер, ориентированы на использование в новых моделях СКК и в связи с этим трудно применимы к уже установленным системам.

Одним из подходов, позволяющих модифицировать алгоритмы управления, является супервизорное управление СКК. В работе под су-первизорном управлением понимается процесс управления системами управления с использованием дополнительной информации. Фактически, супервизорную систему управления можно рассматривать как надсистему. Кроме того, согласно исследованиям Олдевултела (Oldewurtel, 2004) и Камачо (Camacho, 2004), использование упреждающих значений переменных, характеризующих погоду, позволит снизить

расход энергии в СКК при сохранении допустимого уровня температурного комфорта. Использование упреждающих факторов в системах управлении сформировало новое научное направление, получившее название «Управление с прогнозирующими моделями» (от англ. Model Predicted Control, МРС) (см. работы К. Фонга (K.Fong, 2009), Хаизгок (Hazyuk, 2010), Олдевултела (F. Oldewurtel, 2010), Яшио Ютсимы (Y. Utsumi,2012), исследовательской группы Оптиконтрол (Opticontrol, 2010)).

В рамках данной диссертации предлагается решение проблемы неоптимального расхода энергии в существующих СКК за счет разработки метода супервизорного управления СКК на основе прогнозирующих моделей.

Объектом исследования является СКК, установленная в здании.

Предметом исследования являются алгоритмы оптимального управления СКК.

Предполагаемая гипотеза: супервизорное управление СКК на основе прогнозирующих моделей позволит повысить энергетическую эффективность СКК.

Цель работы. Целью работы является повышение экономической эффективности управления зданием за счет супервизорного управления СКК. Для достижения цели в диссертационного исследования решаются задачи:

1) анализ здания как социально-экономической системы и определение факторов, влияющих на потребление энергии в СКК;

2) анализ алгоритмов функционирования СКК;

3) разработка метода супервизорного управления СКК на основе прогнозирующих моделей;

4) проверка предложенного метода на практике и оценка экономической эффективности метода;

5) разработка автоматизированной системы супервизорного управления СКК (масштабируемой, клиент-серверной).

Методы исследований. Для решения поставленных задач использовались методы: системного анализа, теории автоматического управления, управления с прогнозирующими моделями, машинного обучения, математической статистики, оптимизации, проектирования автоматизированных систем.

Научная новизна работы. Разработан новый метод супервизор-ного управления системой контроля климата (СКК) на основе прогнозирующих моделей, позволивший повысить эффективность управления микроклиматом и включающий в себя:

1) формальную модель изменения температуры как характеристику комфорта внутри здания с СКК, основанную на данных с датчиков СКК, упреждающих погодных факторов;

2) оригинальный метод формирования управляющих воздействий на СКК, основанный на генетическом алгоритме, позволяющий оптимизировать потребление энергии в СКК при поддержании целевого уровня температурного комфорта.

Достоверность и обоснованность научных положений и результатов, приведённых в диссертационной работе, подтверждается совпадением результатов моделирования и экспериментальной проверки, внедрением и опытной эксплуатацией разработанной автоматизированной системы.

Практическая значимость. Диссертационные исследования выполнены в рамках приоритетного направления «Информационно-телекоммуникационные системы» и способствуют развитию критических технологий: созданию энергосберегающих систем транспортировки, распределения и потребления тепла и электроэнергии, обработки, хранения и передачи информации. Разработана архитектура и прототип клиент-серверной веб-ориентированной автоматизированной системой супервизорного управления СКК.

Соответствие паспорту специальности. Работа выполнена в соответствии с паспортом специальности ВАК РФ: 05.13.01 - «Системный анализ, управление и обработка информации (в промышленности)», пункт 6,5,4,7,9,11; и 05.13.10 - «Управление в социальных и экономических системах», пункт 6, 7, 5.

Апробация работы. Материалы работы докладывались на мероприятиях: 14-я международная конференция по информационной интеграции и веб-ориентированным технологиям п\УА8-2012 (Индонезия, 2012); финал конкурса «Зворыкинская Премия-2012» (г.Сколково, 2012) (выигран приз 300 т. рублей), международная инвестиционная встреча ЗееёРогит (Москва, 2012), Финал конкурса ИТ-Старт (Москва, 2012), финал конкурса «Кубок Техноваций» (МФТИ, 2012), «3-я международная конференция по технологиям разработки информационных систем ТРИС-2012» (Геленджик, 2012), «13-ая международная конференция по

информационным и веб-ориентированным технологиям» (Вьетнам, 2011), школе-семинаре «Новые информационные технологии» (Украина, 2011), международная конференция «Применение искусственного интеллекта в инженерии и бизнесе» (Польша, 2011), школа-семинар молодых новаторов НИЦ «Саров» (п.Сатис, 2011), «Информационные технологии в образовании, технике и медицине» (Волгоград, 2010), «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (ГГ+SE'IO), «Инновационные технологии в управлении, образовании, промышленности АСТИНТЕХ-2010» (Астрахань, 2010), конгресс по интеллектуальным системам и информационным технологиями "IS&IT 11" (Дивноморское, 2011 г.), «Ресурсо-энергосбережение и эколого-энергетическая безопасность промышленных городов» (г. Волжский, 2010 г.).

Автор награжден грантом У.М.Н.И.К. (2010) и стипендией Президента РФ 12013).

Публикации. По теме диссертации опубликовано 22 печатных работы, в том числе б статей в журналах, входящих в перечень ВАК, 3 статьи в трудах международных конференций (две из которых проиндексированы в SCOPUS), и 13 тезисов докладов на конференциях.

Личный вклад автора. Личный вклад автора заключается в разработке оригинального метода, постановке целей и формулировке задач исследований, обосновании выбора теоретических и расчётных методов решения поставленных задач, анализе полученных данных и их интерпретации. Автор принимал непосредственное участие в разработке теоретических моделей, проведении исследований и обработке данных экспериментов, составлении отчётной документации, подготовке материалов докладов и публикаций, выводов и заключений по работе, выдаче рекомендаций для практического использования.

Структура и объём работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы из 75 наименований. Объём диссертации - 130 е., включая 69 рис., 20 таблиц.

Автор выражает признательность Адриану Бребельсу, преподава-

-----телю-Высшей-Католичеекой-Школе- Томаса-Мура^-за- предоставление-

данных для исследования.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Введение. Во введении излагается актуальность темы, цель работы, методы исследования. Кратко описано содержание по главам.

В первой главе обоснована актуальность исследования, дана характеристика здания, определены стандарты уровня комфорта в помещении, даны характеристики внешних воздействий, описана система сбора данных.

1.1 Характеристика здания. Здания представляет собой сложную систему энергетически взаимосвязанных элементов: окна, ограждения, нагревательные приборы, внутренняя воздушная среда, оборудование помещений, производственные и бытовые теплосооружения, наружная окружающая среда. В зависимости от типа материалов, здания обладают разной скоростью реагирования на изменение окружающей среды (Малявина, 2007).

Под характеристиками окружающей среды понимается наружная температура хехі, давление Рех1 и влажность Нєхі наружного воздуха, направление Шй и скорость Ж5 ветра, интенсивность солнечной радиации 5г. К характеристикам здания относятся конструктивные и тепло-физические свойства сплошных стен и светопрозрачных ограждений, теплоемкость массивов оборудования, мощность отопительных приборов, а так же бытовых и производственных тепловыделений. Задача обеспечения поддержания уровня температурного комфорта Хіпі в здании представляет собой организацию баланса характеристик здания и окружающей среды с помощью СКК. Показатель энергетической эффективности может быть выражен через значение потребления газа £с.

Кроме этого, здание можно рассматривать как социально-экономическую систему ( СЭС), управление которой можно оценивать, как с точки зрения экономической эффективности ( стоимость отопления), так и с точки зрения социальной эффективности ( уровень комфорта).

1.2 Системы сбора данных. Для сбора и анализа данных о процессах, происходящих в здании, используются автоматизированные системы коммерческого учета электроэнергии (АСКУЭ/ИИСКУЭ). В здании устанавливается устройство сбора и передачи данных (УСПД), которое подключается к датчикам СКК и отправляет замеры с датчиков по

расписанию на АСКУЭ. Для получения фактических погодных значений используются данные с внешних источников, таких, как метеорологические станции МеІеоБлуівз, >ЮАА и другие. Факторы, влияющие на уровень температурного комфорта, отображены в таблице 1.

Таблица 1 - Факторы, влияющие на уровень температурного комфорта в здании

Название фактора Источники I Про- 1 гноз Описание

Целевой

Целевая температура, Пользователь, СКК Да Стандарты качества: ISO 7730, ASHRAE 55, СНиП 23-02-2003, ГОСТ 30494-96

Контролируемые

Статус работы системы отопления, Сб СКК Нет Принимает значение 0/1

Фактическая температура внутри помещения, хш Датчики РТ100 в комнатах здания, подключенные к СКК Нет Интервал между измерениями: 15 мин

Потребление газа Сс Датчик Р100, установленный на ССК Нет

Расписание работы здания Пользователь сохраняет данные в виде трехуровневого календаря, содержащего общие правила, общие и частные исключения. Да Альтернативные получения информации: датчики движения, видеокамеры

Неконтролируемые

Температура па улице хехЬ Датчики, подключенные к СКК; метеостанции \УеаЛегипс1ег£гоипс1 (ті), ЛОААД^еоЗ^ №) Да Для прогноза используются модели: С08М0-2, С08М0-7, СОЗМО-ЬерБ

Направление ветра У/Л Метеостанции АУЦ, ИОЛА, 8 Да

Скорость Ветра ХУб Метеостанции ШЛА, Б Да

Солнечная радиация, Sr Пиранометр, метеостанция Soda-IS Нет Солнечная радиация с учетом облачности

Ясность, ClrSky Метеостанция Soda-IS Да Усредненное количество энергии, получаемое на м2 при ясном небе

Облачность Метеостанция Да

Для поддержания уровня комфорта в зданиях используются системы контроля климата (СКК).

Во второй главе классифицированы и описаны типы систем контроля климата, описан алгоритм управления типовой СКК, описана концепция супервизорного управления.

2.1 Характеристика систем контроля климата. СКК используются для улучшения качества воздуха и поддержания температурного комфорта (US ЕРА, 2008). По данным международным исследований (Buys, 2002) 65% мировой энергии в коммерческом секторе используется в зданиях, а энергопотребление ССК составляет 40%. Повышение эффективности СКК основано на понимании процессов, происходящих в здании. Крарти (Krarti, 2003) определил состав компонент СКК: 1) воздухозаборник, контролирующий поступление воздуха, 2) термостаты, обогревающие здание, 3) фильтры, очищающие воздух, 4) система кондиционеров, охлаждающих и увлажняющих воздух, 5) сеть воздуховодов. Архитектура типовой СКК отображена на рисунке 2.

СКК могут быть классифицированы на следующие типы: 1) комнатные, 2) системы водяного охлаждения помещения, 3) системы подогрева пола, 4) централизованные системы отопления, 5) системы комбинированного нагрева и охлаждения и д.р.

В зависимости от конфигурации, СКК может одновременно управлять разными зонами комфорта и типами нагревательных систем.

2.2 Алгоритмы функционирования систем контроля климата. Эффективная работа ССК зависит от правильного проектирования нагрузки системы внутри здания. Для повышения эффективности проектирования СКК используется программное обеспечение, моделирующее здание: Energy Plus, TRNSYS, SPARK, HVACS2M, BRIS, Pow-erDomus, Thermis.

СКК содержит блок управления, управляющий подключенным к нему оборудованием, основанный на группе правил «если-то». Алгоритм учитывает расписание работы здания, определяет время оптимального включения и выключения, цикл пид-регулирования и предохраняет здание от замерзания. Типовой алгоритм работы СКК изображен на рисунке 2 (Siemens, 2002).

Рисунок 1 - Архитектура типовой СКК

Рисунок 2 - Алгоритм управления СКК

Крарти (КгагИ, 2000) выделает несколько способов повышения эффективности: 1) ограничение работы ССК только на время использования здания, 2) выявление мест повышенной температуры в здании и локальная оптимизация работы СКК, 3) оптимизация термодинамической системы и 4) сокращение подачи воздуха в холодное время года.

2.3 Использование прогнозирующих моделей в СКК. По данным исследований группы из Швейцарии Оптиконтрол (ОрйСоп1то1, 2010), эффективность управления СКК может быть повышена за счет управления на основе прогнозирующих моделей, включающих погодные факторы. Использование дополнительных факторов погоды при построении моделей позволяют сократить потребление газа до 30% (Egain, 2008).

Однако, модификация алгоритмов управления является дорогостоящей, требует аппаратной замены блока контроля микроклимата и оптимизации. Автором предлагается использование супервизорного управления для повышения энергоэффективности существующих ССК. В таблице 2 отображены возможные варианты применения супервизорного управления к существующим СКК.

Таблица 2 - Обзор вариантов супервизорного управления

Название алгоритма 3

Данные о погоде Построение Модели Использован упреждаю щи значений

Супервизорное управ- Нет Нет Нет

ление на основе правил

Супервизорное управ- Да Нет Да

ление с использова-

нием прогноза погоды

Супервизорное управ- Ґтрс(Яіаг> 9С> Да Да Да

ление на основе про-

гнозирующих моделей

Большинство исследований ученых носит теоретический характер, исследование производится на основе виртуальной модели и трудно применимы на практике.

В третьей главе описан метод супервизорного управления СКК, модели прогнозирования температуры в здании, метод формирования управляющих воздействий, а также алгоритм оптимизации управления на основе прогнозирующих моделей.

3.1 Общее описание метода. Назначение метода является формирование управляющих воздействий в виде включения / выключения СКК. Набор управляющих воздействий определяется с помощью оригинального метода супервизорного управления на основе прогнозирующих моделей. Метод состоит из следующих шагов: 1) подготовка данных, 2) настройка параметров модели, 3) формирование управляющих воздействий, 4) оценка полученного результата. Схема метода супервизорного управления ССК отображена на рисунке 3.

Рисунок 3 - Схема метода супервизорного управления СКК

Критерием оценки качества метода является определение комбинации изменения температуры в здании и набора управляющих воздействий, удовлетворяющих следующему условшо:

IT n

Z6TT'

-^>еггтаХ1егт1 =

tTI í

0,(x[ar-x¡ntj <1 (1)

= {{и^ЛиЗРДи}«},^ < ь < ¡3

Где Ь - горизонт оценки прогноза, х\аг - целевая температура в здании , х-пС - фактическая температура в здании, Щ - управляющее воздействие па включение и выключение системы контроля микроклимата.

3.1.1. Подготовка данных. На этапе подготовки данных система супервизорного управления получает информацию о температуре в здании и его энергопотреблении, также система получает упреждающие параметры погоды с метеорологических станций: прогноз температуры на улице, прогноз влажности, точки росы и солнечной радиации. Пользователь задает целевую температуру с помощью расписания работы здания и температуры комфорта в часы, когда здание открыто и закрыто.

На этапе подготовки данных система приводит данные к одному формату, убирает пропуски, фильтрует аномалии данных.

3.1.2. Настройка параметров модели. На этапе настройки параметров модели происходит нормализация данных и передаются начальные настройки модели. Создаются начальные управляющие воздействия.

3.1.3 Прогнозирование температуры в здании. При составлении прогноза нейронная сеть использует следующие параметры: 1) целевая температура в здании, 2) фактическая температура в здании, 3) управляющие сигналы на включение и выключение СКК в здании, 4) прогноз погоды, включающий в себя: температуру снаружи, влажность, направление и скорость ветра, облачность и солнечную радиацию. Подробное описание параметров отображено в таблице 1.

Оценка точности прогноза производится по формуле, предложенной Хиндманом (Нупёшап, 2006) для оценки прогнозов:

ЕГ^Г'-хГЧ (2)

MASE =

п yn \vmt _ v£n11 п — £-11

3.1.4. Формирование управляющих воздействий. После прогнозирования уровня комфорта внутри помещения система проверяет созданные комбинации прогноза температуры и уровня комфорта внутри помещения на соответствие условиям, описанным в формуле 2. Если найденная комбинация уровня температурного комфорта и времени работы системы контроля климата соответствует условию, тогда системой создается новая популяция управляющих воздействий на основе предыдущих и процесс повторяется заново.

3.1.5. Определение эффективности системы. Прирост эффективности, достигаемый с помощью применения метода супервизорного управления определяется с помощью формулы:

J = J sup (3)

J base

Где - Jsup - значения целевой функции с использованием метода супервизорного управления правления,/йа5е - значения целевой без использования метода.

tfc+h (4)

] = k1- comfort¡+h + k2 ^ (Gc¡ - Gc^)2

i=tk

Где кг - коэффициент уровня комфорта, к2 - коэффициент значимости энергоэффективности, comfort¡+h - уровень комфорта, описанный в формуле (1), Gc¡ - энергопотребление в момент времени t.

В четвертой главе описана методика и результаты экспериментов, интеграция с СКК, архитектура системы, экономическое обоснование.

4.1. Методика проведения эксперимента. Эксперименты были проведены на основе пятнадцатиминутных данных о температуре и энергопотреблении, полученных от СКК, установленной в реальном здании в городе Эйндховен. Площадь здания 3 060 м2, со средним ежегодным потреблением газа в системе отопления 79 440 м3.

Экспериментальные данные собирались в течение двух лет (май 2011 — декабрь 2012) из следующих источников: 1) здание площадью 3 080 м2, 2) сервис прогноза погоды WU, 3) сервис с информацией о солнечной активности soda-is.

Целью проведения экспериментов является подтверждение эффективности предложенного автором метода. Перед анализом данные

были агрегированы по часу, выброшены аномальные значения, проведена минимаксная нормализация. Для определения значащих параметров для прогноза температуры внутри здания использовался метод Пирсона. Прогнозирование было проведено на с помощью искусственных нейронных сетей на платформе Епіхщ.

4.2. Результаты экспериментов. Результаты симуляции отображены на рисунках 4-8.

и _—.—--------------------------

"Г

ііи.;

1 I I 2

Лииам» I Л0»|И4!»ЯЧК1Ш1

вО«И1В1

МА« „Оія.«МІ, Ш8В

Рисунок 4 - Зависимость точности прогноза от функции активации и количества слоев нейронной сети.

Рисунок 5 - Зависимость точности прогноза от функции активации и количества нейронов на внутреннем слое (Для нейронной сети с одним внутреннем слоем).

Рисунок 6 - Зависимость точности прогноза в зависимости от функции и горизонта прогноза

На основании полученных данных, автором было решено использовать линейную функцию активации с одним внутреннем слоем с количеством нейронов в 1.5 раза больше, чем количество факторов и горизонтом прогнозирования 12 часов. Фильтрация незначимых факторов была произведена с помощью коэффициента Пирсона.

Таблица 3 - План эксперимента с включением факторов погоды в модель

N Исторические факторы Упреждающие факторы

0 xint> xtar: ClrSky, Cs, Xex( xtar, ClrSky, Cs, Xexi

1 xintixtar> ClrSky, Cs, Xext:Hexi xint,xtar,ClrSky,Cs, Xeyt,Rext

2 xint> xtar> ClrSky, Cs, XextHext> Pext Xint>xtar>ClrSl<y,Cs, Xext, В ext: Pext

3 xinti xtar> ClrSky, Cs, XextHext, Pext> Ws xint'xtar>ClfSky,Cs, xext, Hext, Pext> Ws

4 xinti xtar> ClrSky, Cs, ХеХ(НеХ(, Pext> Ws, Wd xint> xtar> ClrSky, Cs, Xext, Hext, Pext' Ws, Wd

Рисунок 7 - Точность построенной модели в зависимости от включения параметров. (линейная функция активизации)

Время, часы Вреызг.'аш

Рисунок 8 - Сравнения результатов прогнозирования температуры внутри помещения с фактической для 20.11.2012 и 20.01.2013

Для определения управляющих воздействий, автором использовался генетический алгоритм. Для обоснования выбора, автором был реализован алгоритм полного перебора. Результаты сравнения отображены в таблице 4.

Таблица 4 - Сравнение алгоритмов оптимизации

Тип модели Горизонт прогнозирования, мин Время построения одной модели, сек Ошибка уровня комфорта

Встроенная в НУАС Недоступно 140 133

Полный перебор 720 99,15 58 66

Генетический алгоритм 720 30 59 64

Использование генетического алгоритма вместо полного перебора позволило сократить время на формирование управляющих воздействий. Генетический алгоритм реализован на платформе АРоще.

Ежедневный прирост энергоэффективности составил до 50%, оценка прироста ежегодно эффективности - 30%.

4.2. Интеграция с СКК. Для реализации описанного алгоритма на практике используется оригинальная клиент-серверная система, функциональная схема которой отображена на рисунке 9.

Рисунок 9 - Функциональная схема супервизорного управления СКК

Система супервизорного управления состоит из клиентской и серверной частей. Клиентская часть устанавливается в здание и подключается к СКК. Ее задача - получать информацию с датчиков в помещении и отправлять на сервер. Сервер получает данные с клиента, прогноз погоды и настройки пользователя, веденные через веб-интерфейс, определяет оптимальное время включения и выключения работы СКК. Результаты оптимизации сохраняются в файл и отправляются на клиент и исполняются.

4.3. Архитектура системы. Архитектура автоматизированной системы состоит из сервера и клиентских систем, устанавливаемых в каждом здании с СКК. Клиентской частью является встроенный компьютер на базе Windows ХР, собирающий данные с блока управления СКК, система-наблюдатель и приложение для подключения к облачному хранилищу данных DropBox.

ЗДАНИЕ: 1

ХРИЧИЛПК^ЛАпНЬ». ^OWWiAi ; ~ 1

n^Ct-r; Щ

атажонттсллЕР

птогнсз погойы

Рисунок 10 - Архитектура супервизорного управления СКК

На сервере установлен Windows Server 2012, MS SQL Server 2012, программа, связанная с облачным хранилищем данных DropBox, приложение загрузки данных в БД, система импорта погодных данных, блок супервизорного управления СКК. Архитектура системы отображена на рисунке 10.

" ........—........—-*I~C---——-——-—---

aa»«moj-{bm ßC«nfcol»^-at gjCcohl«öuio^teiirJ

Рисунок 11 - Интерфейс системы супервизорного управления СКК

Интерфейс системы реализован с помощью MVC 4 (С#), на платформе Microsoft Visual Studio 2012. Интерфейс системы отображен на рисунке 11.

4.4. Экономическое обоснование. Владельцы крупных коммерческих зданий в странах Европы тратят от $60 ООО до $800 ООО ежегодно на отопление 1-го здания. При анализе 30-ти зданий в Бельгии и Голландии средней площадью в 3000 м2 и ежегодным энергопотреблением в 60215 кВт в час был выявлен высокий потенциал повышения эффективности зданий ( до 50%) только за счет принужденного отключения СКК во время часов закрытия здания. Данные получены от энергоаудиторской компании, занимающейся ручной оптимизаций СКК отопления в здании. На рисунке 12 отображено ежегодное энергопотребление 30 исследуемых зданий.

Коммерциализация проекта основана на модели разделения прибыли (от англ. Revenue Sharing) от экономии газа в системах отопления здания. Разница между плановыми расходами на газовое отопление и фактическим потреблением делится пополам между поставщиком системы и арендатором здания. Оплата взимается в виде абонентской платы ежеквартально. Конкурентный анализ показал наличие трех конкурентов на рынке на рынка Европы: Rigin, Wisepro OY, MediaViva. Конкурентов на Российском рынке найдено не было.

кВт-ч 2800» в гад

МОИ»

№ здание звнрыго в здание ошрмто

Рисунок 12 - Ежегодное энергопотребление исследуемых зданий

В заключении приводится обобщение и систематизация результатов.

В приложении приведены:

- экономическое обоснование использования результатов исследования, включающего в себя описание: проблемы, основных рыночных трендов в рассматриваемой области, основание актуальности проекта;

- конкурентный анализ, продуктов-заменителей;

- емкость рынка, схема коммерциализации результатов исследования;

- грамоты и награды в конкурсах;

- описание экспериментальной установки;

- акты внедрения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Главным результатом работы является создание метода суперви-зорного управления СКК на основе прогнозирующих моделей, применение которого позволяет повысить экономическую эффективность до 30% в процессе управления зданиями как социально-экономическими системами.

1. Определены факторы, влияющие на экономическую эффективность в процессе управления зданием (в частности микроклиматом), рассматриваемым как СЭС.

2. Проанализированы алгоритмы функционирования СКК, рассмотрены существующие подходы к решению задачи повышения энергетической эффективности СКК.

3. Разработана модель изменения температуры в здании на основе нейронных сетей с переменными, характеризующими упреждающие значения температуры воздуха, влажности, давления, точки росы, скорости, направления ветра и солнечной радиации.

4. Разработан оригинальный метод формирования управляющих воздействий на СКК с использованием генетического алгоритма.

5. Разработана автоматизированная система супервизорного управления СКК, внедрение которой позволяет сократить затраты на отопление.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Список основных публикаций по теме в журналах, индексируемых ВАК

1. Тюков, А.П. Разработка методики управления микроклиматом в коммерческих зданиях / А.П. Тюков, В.А. Камаев // Информатизация и связь. - 2012. - № 5. -С. 41-44.

2. Тюков, А.П. Подходы к синхронизации данных при централизованном контроле систем управления микроклиматом в коммерческих зданиях [Электронный ресурс] / А.П. Тюков // Современные проблемы науки и образования : электрон, науч. журнал. - 2012. - № 6. - С. Режим доступа : hltp://science-cducation.ru/106-7954.

3. Тюков, А.П. Концепция супервизорного управления отоплением в коммерческих зданиях с использованием прогнозирующих моделей / А.П. Тюков, В.А. Камаев, М.В. Щербаков // Прикаспийский журнал: управление и высокие технологии. - 2012. - № 3. - С. 71-76.

4. Тюков, А.П. Архитектура централизованной системы управления системами контроля микроклимата в коммерческих зданиях / А.П. Тюков, В.А. Камаев, А. Бребельс // Известия ВолгГТУ. Серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах». Вып. 14 : межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2012. - № 10 (97). - С. 101-105.

5. Обзор подходов к идентификации видов деятельности человека в задачах оптимизации потребления электроэнергии / Нгок Тханг Май, В.А. Камаев, М.В. Щербаков, А.П. Тюков // Известия ВолгГТУ. Серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах». Вып. 14 : межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2012. - № 10 (97). -С. 97-101.

6. Специфика применения интеллектуальных моделей анализа данных для повышения энергетической эффективности / М.В. Щербаков, Н.Л. Щербакова, Д.П. Панченко, А. Бребельс, А.П. Тюков, М.А. Аль-Гунаид // Изв. ВолгГТУ. Серия "Актуальные проблемы управления, вычислительной техники и информатики в технических системах". Вып. 9 : межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2010.-№ 11.-С. 72-76.

Список публикаций по теме в зарубежных изданиях

1. A concept of web-based energy data quality assurance and control system / А.П. Тюков, А. Бребельс, М.В. Щербаков, В.А. Камаев // ÜWAS2012 : The 14th International Conference on Information Integration and Web-based Applications & Services (Bali, Indonesia, December 3-5, 2012) : proc. / Association for Computing

Machinery, Inc (ACM). - [N. Y.]. - P. 267-271Eng.

8. Тюков, А.П. Automatic two way synchronization between server and multiple clients for HVAC system / А.П. Тюков, М.В. Щербаков, А. Бребельс // The 13th International Conference on Information Integration and Web-based Applications &

Services (ÜWAS2011), Ho Chi Minh City, Vietnam, December 5-7,2011 : proceeding / Association for Computing Machinery. - Ho Chi Minh, 2011. - P. 467-470. -Англ.

9. Intelligent controller for hybrid renewable energy system based on multi-agent and embedded technology / А.П. Тюков, A.IO. Ужва, M.B. Щербаков, A. Dobrowol-ski, А. Бребельс // Artificial Intelligence Applications to Business and Engineering Domains / ed. by G. Setlak, K. Markov. - Rzeszow ; Sofia : ITHEA, 2011. - P. 4652. - Англ.

Статьи, опубликованные в материалах конференций и других журналах

10. Тюков, А.П. Автоматизированный комплекс для повышения энергоэффективности / А.П. Тюков, А.В. Петрухин, А. Бребельс // Информационные технологии в образовании, технике и медицине : матер, междунар. конф., 21-24 сент. 2009 / ВолгГТУ [и др.]. - Волгоград, 2009. - С. 76.

11. Mathematical and statistical framework for comparison of neural network models with other algorithms for prediction of energy consumption in shopping centres / A. Бребельс, В.А. Камаев, M.B. Щербаков, Д.П. Панченко, А.П. Тюков // Информационные технологии в науке, образовании, телекоммуникации и бизнесе (IT+SE'10). Майская сессия (Украина, Крым, Ялта-Гурзуф, 20-30 мая 2010 г.) : матер. XXXVII междунар. конф. и дискуссионного науч. клуба : прилож. к журн. "Открытое образование" / РАН [и др.]. - Б/м, 2010. - С. 96-97,- Англ.

12. Тюков, А.П. Программно-аппаратное решение для учёта статистики и контроля потребления электроэнергии / А.П. Тюков // Инновационные технологии в управлении, образовании, промышленности "АСТИНТЕХ-2010" : матер, междунар. науч. конф. (11-14 мая 2010 г.). В 3 т. Т. 1 / Астраханский гос. ун-т [и др.]. - Астрахань, 2010. - С. 181-184.

13. Сбор и интеллектуальный анализ данных о потреблении элеетроэнергии / В.А. Камаев, М.В. Щербаков, А.П. Тюков, А.С. Набиуллин // Ресурсо-энергосбере-жение и эколого-энергетическая безопасность промышленных городов : сб. матер, третьей всерос. науч.-практ. конф. (г. Волжский, 28-30 сент. 2010 г.) / Филиал МЭИ (ТУ) в г. Волжском [и др.]. - Волжский, 2010. - С. 38-42.

14. Бребельс, A. Developing energy data management system = Разработка системы управления энергопотреблением / А. Бребельс, А. Блазовски, А.П. Тюков // Инновационный потенциал модернизации и диверсификации кооперативного сектора экономики : сб. науч. ст. проф.-препод, состава по итогам междунар. науч.-практ. конф. (г. Волгоград, 24 марта 2011 г.) / Центросоюз РФ, Рос. ун-т кооперации, Волгогр. кооперативный ин-т (филиал). - Волгоград, 2011. - С. 274-279 (279-284). - Парал.: англ., рус.

15. Multiagent smart-grid management system / А.П. Тюков, В.А. Камаев, М.В. Щербаков, А. Бребельс, A.IO. Ужва // Proceedings of the Congress on intelligent systems and information technologies "IS&IT'll", Vol. 4 : [аннот. докл.] / SFU [et al.]. - Moscow, 20И. - C. 90-91. - Англ.

16. Мультиагентная система интеллектуального управления гетерогенной энергосетью / А.П. Тюков, В.А. Камаев, М.В. Щербаков, А. Бребельс, A.IO. Ужва //

Труды Конгресса по интеллектуальным системам и информационным технологиям "1S&IT 11" (Дивноморское, 2-9 сент. 2011 г.). В 4 т. Т. 1 : докл. секций междунар. науч.-техн. конференций "AIS'11" и "CAD-2011" / ФГОУ ВПО "Южный федеральный ун-т" [и др.]. - М., 2011. - С. 221-227.

17. Щербаков, М.В. Опыт международного взаимодействия в инновационных проектах в энергетике / М.В. Щербаков, А. Бребельс, А.П. Тюков // TOUR-XXI: модернизация образования в туризме и академическая мобильность -международный опыт : матер, междунар. науч.-практ. конф. с элементами науч. школы для молодёжи (г. Астрахань, 1-2 ноября 2011 г.) / Программа Tempus Европейского союза, Астраханский гос. ун-т [и др.]. - Астрахань, 2011. -С. 217-219.

18. Система торговли электроэнергией в энергосетях будущего / А.П. Тюков, М.В. Щербаков, А. Бребельс, А. Добровольски, А.Ю. Ужва // Новые информационные технологии : тез. докл. XIX междунар. студ. конф.-школы-семинара, май 2011 г. / Моск. гос. ин-т электроники и математики (техн. ун-т) [и др.]. - М., 2011.-С. 284-285.

19. Multiagent smart-grid management system / А.П. Тюков, В.А. Камаев, М.В. Щербаков, А. Бребельс, А.Ю. Ужва // Proceedings of the Congress on intelligent systems and information technologies "IS&IT'12". Vol. 4 : [аннот. докл.] / SFU [et al.]. - Moscow, 2012. - C. 46.

Подписано в печать 13.02.2013. Заказ № 93. Тираж 100 экз. Печ. л. 1.0 Формат 60 х 84 1/16. Бумага офсетная. Печать офсетная.

Отпечатано в типографии ИУНЛ Волгоградского государственного технического университета. 400005, Волгоград, просп. им. В.И.Ленина, 28, корп. №7.

Волгоградский государственный технический университет

На правах рукописи

Тюков Антон Павлович

УДК 681.5

СУИЕРВИЗОРНОЕ УПРАВЛЕНИЕ СИСТЕМАМИ КОНТРОЛЯ

КЛИМАТА В ЗДАНИЯХ

05.13.01 — Системный анализ, управление и обработка информации

(промышленность) 05.13.10 — «Управление в социальных и экономических системах»

на соискание ученой степени кандидата технических наук

Диссертация

00 00

Научный руководитель: д. т. н., профессор Камаев Валерий Анатольевич

Научный консультант: к.т.н., доцент Щербаков Максим Владимирович

Волгоград - 2013

СОДЕРЖАНИЕ

Введение 7

ГЛАВА 1. ВВЕДЕНИЕ В ПРОБЛЕМУ ЭФФЕКТИВНОГО

ИСПОЛЬЗОВАНИЯ ЭНЕРГИИ В ЗДАНИЯХ 12

1.1 .Задача повышения энергоэффективности зданий 12

1.2.Формализация здания как социально-экономической системы 14

1.3 .Методы измерения факторов, определяющих потребление 18

1.3.1 .Погодные условия 20

1.4.Сбор и обработка данных 23

1.5.Подходы к повышению энергетической эффективности зданий 27 1 .б.Результаты и выводы по главе 1 31

ГЛАВА 2. ПОНЯТИЕ И КЛАССИФИКАЦИЯ СИСТЕМ КОНТРОЛЯ КЛИМАТА 32

2.1 .Понятие и состав систем контроля климата 32

2.1.1 .Формализация работы системы 3 5

2.2.Методы управления системами контроля климата 35 2.2.1 .Метод управления, основанный на правилах 36 2.2.2.Метод оптимального старта 36 2.2.3 .Метод управления с прогнозирующими моделями 39 2.2.4.Анализ методов управления 44

2.3.Концепция супервизорного управления системой контроля климата 46 2.6 Результаты и выводы по главе 2 48

ГЛАВА 3. РЕАЛИЗАЦИЯ МЕТОДА СУПЕРВИЗОРНОГО

УПРАВЛЕНИЯ 49

3.1 .Общее описание метода 49

3.1.1 .Определение эффективности метода 51

3.1.2.Подготовка данных 52

3.1.3.Настройка начальных параметров 53 3.1 АПостроение прогнозирующих моделей 54 3.1.5 .Формирование управляющих воздействий 64 3.3 Выводы по главе 3 65

ГЛАВА 4. ИССЛЕДОВАНИЕ МЕТОДА СУПЕРВИЗОРНОГО

УПРВЛЕНИЯ 66

4.1 .Архитектура автоматизированной системы 66

4.1.1 .Общая архитектура системы 66

4.1.2.Интеграция с системой контроля климата 68

4.1.3 .Серверная часть 70

4.1.4 .Клиентская часть 72

4.1.5. Система обмена данными 7 5

4.1.6.Архитектура базы данных 81

4.1.7.Диаграммы классов 86 4.1 .Результаты экспериментов 90 4.2.Экономическое обоснование 98 4.2.1 .Экономический эффект от установки в здании 98 4.2.2.Анализ потенциала энергосбережения в зданиях 100

4.2.3.Потенциал коммерциализации результатов исследования 108

4.3 .Основные результаты и выводы по главе 4 111

Заключение 112

Список использованных источников 114

ПРИЛОЖЕНИЕ А - ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ

КОММЕРЦИАЛИЗАЦИИ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ 122

ПРИЛОЖЕНИЕ Б - АНАЛИЗ КОНКУРЕНТОВ И ПРОДУКТОВ-

ЗАМЕНИТЕЛЕЙ 123

ПРИЛОЖЕНИЕ В - ОПИСАНИЕ ЭКСПЕРИМЕНТАЛЬНОЙ

УСТАНОВКИ 124

ПРИЛОЖЕНИЕ Г - ГРАМОТЫ И НАГРАДЫ 127

ПРИЛОЖЕНИЕ Д - АКТЫ ВНЕДРЕНИЯ 128

ПРИЛОЖЕНИЕ Е - ПРИМЕРЫ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ 129

Аннотация

Документ представляет собой диссертацию на соискание степени кандидата технических наук по специальностям «Системный анализ, управление и обработка информации» (промышленность) и «Управление в социальных и экономических системах». Работа посвящена разработке метода супервизорного управления системами контроля климата в здании на основе прогнозирующих моделей.

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИИ, СИМВОЛОВ И ТЕРМИНОВ СУ Система управления

ОУ Объект управления

СКК Система контроля климата

ССУ Система супервизорного управления

УСПД Устройство сбора и передачи данных

АСКУЭ Автоматизированная система коммерческого учёта

электроэнергии PMV Средняя ожидаемая оценка уровня комфорта

(Predicted Mean Vote) RBC Метод управления, основанный на правилах

(Rule Based Control) DMPC Метод управления с прогнозирующими моделями

(Deterministic Model Predicted Control) SMPC Метод управления с прогнозирующими моделями (с учетом

неопределённости прогноза погоды) (Stochastic Model Predictive Control МАРЕ Средняя абсолютная процентная ошибка

(Mean Average Percentage Error) RMSE Среднеквадратичная ошибка

(Root mean square error) sMape Симметричная средняя абсолютная процентная ошибка

(Symmetric mean average percentage error) MASE Средняя абсолютная масштабируемая ошибка

(Mean avererage squared error) InRSE Интегральная среднеквадратичная ошибка

(Integral root mean squared error)

ВВЕДЕНИЕ

Рост цен на энергоносители, перспективы истощения месторождений и проблемы экологии вынуждают цивилизацию обратиться к более рациональному использованию энергоресурсов. Одной из приоритетных задач энергоэффективности является раскрытие потенциала энергосбережения. Сокращение огромных потерь энергии при эксплуатации зданий является стратегической задачей, которая может быть решена в рамках сокращения энергии на поддержание уровня температурного комфорта в зданиях с помощью модификации существующих алгоритмов управления системой контроля климата (СКК, от англ. heating ventilation air-condition cooling, HVAC)[1]. Так, по данным международных исследований, затраты на отопление составляют существенную долю энергозатрат России и ряда европейских стран: от 30% (в России) до 58% (в Польше)[2]. Капиталовложения в утепление конструкции зданий или замену оборудования обладают сроком окупаемости от 4 до 15 лет, что в сочетании с высокой ценой является существенной преградой к выполнению энегоэффективных проектов[3].

Около 40 % энергии каждого здания расходуется на поддержание уровня температурного комфорта в СКК[4]. Как правило, алгоритмы управления СКК не обновляются после установки системы в здании. Системы контроля климата управляется встроенным алгоритмом, учитывающим внутреннее строение и архитектурные особенности данной системы (количество котлов, режимы разморозки, дезинфекции и т.д.). При этом данные алгоритмы не учитывают влияние внешних относительно нее факторов, таких как количество людей в помещении, а также изменения окружающей среды[5].

По данным исследований Европейской комиссии [2] и профессора В. Веттера, эффективность работы СКК может быть повышена от 20 до 40% за счет модификации существующих алгоритмов управления[1]. В работах исследовательской группы Оптиконтрол предлагаются подходы для создания новых эффективных СКК[6]. Однако результаты данных исследований носят фундаментальный характер, ориентированы на использование в новых моделях СКК и трудно применимы к уже установленным системам.

Одним из подходов, позволяющих модифицировать алгоритмы управления, является супервизорное управление СКК. В работе под супервизорным управлением понимается процесс управления системами управления с использованием дополнительной информации. Фактически, супервизорную систему управления можно рассматривать как надсистему. Кроме того, согласно исследованиям Олдевултела[7], Камачо[8], использование упреждающих значений переменных, характеризующих погоду, позволит снизить расход энергии в СКК при сохранении допустимого уровня температурного комфорта. Использование упреждающих параметров в системах управления сформировало новое научное направление, получившее название «Управление с прогнозирующими моделями» (от англ. Model Predicted Control, МРС) (см. работы К. Фонга[9], Хаизюк [10], Олдевултела [7], Яшио Ютсимы [11] и исследовательской группы Оптиконтрол[12]).

В рамках данной диссертации предлагается решение проблемы неоптимального расхода энергии в существующих СКК за счет разработки метода супервизорного управления СКК на основе прогнозирующих моделей.

Объектом исследования является СКК, установленная в здании.

Предметом исследования являются алгоритмы оптимального управления СКК.

Принятая гипотеза: супервизорное управление СКК на основе прогнозирующих моделей позволит повысить энергетическую эффективность СКК.

Цель работы. Целью работы является повышение экономической эффективности управления зданием за счет супервизорного управления СКК. Для достижения цели в диссертационном исследовании решаются задачи:

1) анализ здания как социально-экономической системы и определение факторов, влияющих на потребление энергии в СКК;

2) анализ алгоритмов функционирования СКК;

3) разработка модели здания как объекта управления;

4) разработка метода супервизорного управления СКК на основе прогнозирующих моделей;

5) проверка предложенного метода на практике и оценка экономической эффективности метода;

6) разработка автоматизированной системы супервизорного управления СКК (масштабируемой, клиент-серверной).

Методы исследований. Для решения поставленных задач использовались методы: системного анализа, теории автоматического управления, управления с прогнозирующими моделями, машинного обучения, математической статистики, оптимизации, проектирования автоматизированных систем.

Научная новизна работы. Разработан метод супервизорного управления системой контроля климата (СКК) на основе прогнозирующих моделей, позволяющий повысить эффективность управления микроклиматом и включающий в себя:

1) формальную модель изменения температуры как характеристику комфорта внутри здания с СКК, основанную на данных с датчиков СКК, упреждающих погодных факторов;

2) оригинальный метод формирования управляющих воздействий на СКК, основанный на генетическом алгоритме, позволяющий оптимизировать потребление энергии в СКК при поддержании целевого уровня температурного комфорта.

Достоверность и обоснованность научных положений и результатов, приведённых в диссертационной работе, подтверждается совпадением результатов моделирования и экспериментальной проверки, внедрением и опытной эксплуатацией разработанной автоматизированной системы.

Практическая значимость. Диссертационные исследования выполнены в рамках приоритетного направления «Информационно-телекоммуникационные системы» и способствуют развитию критических технологий: созданию энергосберегающих систем транспортировки, распределения и потребления тепла и электроэнергии, обработки, хранения и передачи информации. Разработана архитектура и прототип клиент-серверной веб-ориентированной автоматизированной системы супервизорного управления СКК.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы из 75 наименований. Объём диссертации - 130 е., включая 69 рис., 20 таблиц.

Основные положения, выносимые на защиту:

1) Оригинальный метод супервизорного управления системой контроля климата (СКК) на основе прогнозирующих моделей, позволяющий повысить эффективность управления микроклиматом и включающий в себя: формальную модель

изменения температуры, основанная на нейронных сетях, и оригинальный метод формирования управляющих воздействий.

2) Архитектура и функционирование автоматизированной системы супервизорного управления системами контроля климата.

В первой главе была рассмотрена проблема эффективного использования энергии в зданиях, рассмотрены процессы, влияющие на энергобаланс в здании, методы и средства измерения данных, определены методы оценки повышения энергоэффективности в зданиях.

Во второй главе определены характеристики системы контроля климата, рассмотрены методы управления системами контроля климата и состояние исследований, предложен метод супервизорного управления системы контроля климата.

Третья глава посвящена разработке метода супервизорного управления системами контроля климата на основе прогнозирующих моделей.

В четвертой главе описан эксперимент, результаты тестирования предложенного метода, архитектура автоматизированной системы супервизорного управления системами контроля климата, определена практическая значимость результатов исследования.

Автор выражает признательность Адриану Бребельсу, преподавателю Высшей Католической Школе Томаса Мура (Бельгия), за предоставление данных для исследования.

ГЛАВА 1. ВВЕДЕНИЕ В ПРОБЛЕМУ ЭФФЕКТИВНОГО

ИСПОЛЬЗОВАНИЯ ЭНЕРГИИ В ЗДАНИЯХ 1.1. Задача повышения энергоэффективности зданий

Здание можно рассматривать как социально-экономическую систему, так как эта система используется людьми. Одним из важных параметров в системе является уровень теплового комфорта в помещении, а также стоимость эксплуатации здания. Уровень температурного комфорта влияет на экологическую атмосферу в здании и производительность работающих в нем людей[13].

Ученые из университета Хельсинки оценивали изменение производительности людей в помещении за счет изменения уровня теплового комфорта в здании [14]. Результаты исследований изображены на рисунке 1.

^ 16

-•-Bergiurxi 1990

* Peptef 1968, combined Johansson 1975» combined ~*~M©raeia2QQ2 -♦~^Sem©ta2001 -Hh-FectefSpW2002

-Link &Pepter 1970

——Meesfc Hands -Fisk

Темперщура, С

Рисунок 1 - Зависимость понижения эффективности труда людей от уровня теплового комфорта в здании[14]

Фангер предложил ввести коэффициент ожидаемой средней оценки степени комфорта (англ. Predicted Mean Vote, PMV), который определяется

«как состояние человека, удовлетворённого условиями окружающей среды, при котором он не знает, хочет ли он изменить условия среды, сделав её более тёплой или холодной» [15]. PMV определяется температурой, влажностью, скоростью движения воздуха, тепловой характеристикой окружающей конструкции здания и качеством комнатного воздуха. СКК с помощью котлов и термостатов восстанавливает уровень теплового комфорта в помещении [16].

Стоимость эксплуатации здания зависит от стоимости поддержания уровня теплового комфорта в помещении и характеризуется количеством потраченного газа или электричества на поддержание уровня теплового комфорта.

СКК могут использовать алгоритмы, основанные на наборе правил, методы оптимального включения систем отопления, методы с прогнозирующими моделями на основе информации, полученной от датчиков внутри и вне здания [17-19].

Такие погодные факторы в высокой степени влияют на уровень теплового комфорта в здании, а использования упреждающих значений факторов погоды помогает избежать перегрева здания, а, следовательно, и избыточных расходов на отопление [20,21].

Для повышения эффективности СКК за счет использования упреждающих значений факторов погоды был адаптирован широко используемый в химической промышленности метод управления с прогнозирующими моделями (Model Predicted Control МРС) [10,22-26]. Данный метод ориентирован на использование в новых, энергоэффективных СКК.

Настоящее исследование посвящено повышению эффективности существующих СКК за счет использования упреждающих значений факторов погоды.

1.2. Формализация здания как социально-экономической системы

Здание можно классифицировать по многим основаниям классификации, но самыми важными для настоящего исследования является классификация по назначению и классам конструктивных элементов [27]. По назначению здания делятся на:

1) гражданские (жилые дома, больницы, школы, театры, дворцы культуры и прочие общественные здания);

2) промышленные;

3) сельскохозяйственные.

В зависимости от принадлежности здания к тому или другому классу, каждому зданию соответствует определенный график работы здания и уровень теплового комфорта. Уровень теплового комфорта регламентирован ГОСТ Р ИСО 7730-2009 Группа Э65 (ASHRAE 2004, ISO 2005) и в международном протоколе измерений и верификации [28], где определены 4 класса помещений по уровню теплового комфорта (класс А -высокий уровень комфорта, В - средний уровень, С - низкий, D - без требований к комфорту), а также глобальные индикаторы теплового комфорта PMV (Predicted Mean Vote) и PPD (Predicted Percentage of Dissatisfied), учитывающие риски возникновения сквозняков, асимметрию излучения теплообменников систем отопления, градиенты температур, скорость воздухообмена и температуры поверхностей ограждающих конструкций.

Оптимальные (опт.) и допустимые (доп.) параметры микроклимата по ГОСТ 30494-96 описаны в таблице 1.

Таблица 1

Оптимальные и допустимые значения параметров микроклимата по ГОСТ-

30494-96

Период года Помещение Температура воздуха, °С Относительная влажность, % Скорость движения воздуха, м/с

Опт. Доп. Опт. Доп.. опт Доп.

Холодный Жилая комната 20-22 18-24 (2024) 45-30 60 0,15 0,2

Помещения для отдыха и учебных занятий 20-22 18-24 45-30 60 0,15 0,2

Межквартирный коридор 18-20 16-22 45-30 60 0,15 0,2

Вестибюль, лестничная клетка 16-18 14-20 недосту пно недос тупно 0,2 0,3

Кладовые 16-18 12-22 недосту пно недос тупно нед осту пно недост упно

Теплый Жилая комната 22-25 20-28 60-30 65 0,2 0,3

Целевое значение теплового комфорта необходимо поддерживать для обеспечения продуктивной работы людей, когда они находятся в здании.

График работы может быть описан с помощью трехуровневого календаря, содержащего расписание работы здания, частные и общие исключения. К общим исключениям относятся государственные праздники, к частным исключениям - изменение расписания работы одного здания.

По классам конструктивных элементов здания делятся на каркасные, стеновые, стволовые, оболочные. Конструкция здания и качество утепления стен влияет на скорость изменения температуры внутри здания под действием погодных факторов. Также на уровень теплового комфорта влияет: тип и количество окон, огражд�