Kiểm soát điều hòa không khí từng phòng trong tòa nhà cách nhiệt cao vào mùa đông: Mô hình điều khiển dựa trên học tăng cường sâu để giảm tiêu thụ năng lượng
Individual room air-conditioning control in high-insulation residential building during winter: A deep reinforcement learning-based control model for reducing energy consumption
Tác giả | Luning Sun
Zehuan Hu Masayuki Mae Taiji Imaizumi |
Ngày đăng tải | 16/09/2024 |
DOI | https://doi.org/10.1016/j.enbuild.2024.114799 |
Nguồn bài nghiên cứu | Science Direct |
Từ khóa | Học tăng cường sâu
Điều hòa không khí Tòa nhà dân cư Quá nhiệt |
1 – GIỚI THIỆU
Bài nghiên cứu phát triển mô hình điều khiển điều hòa không khí sử dụng học tăng cường sâu (DRL) nhằm giảm tiêu thụ năng lượng trong tòa nhà cách nhiệt cao. Mô hình này tận dụng dự báo thời tiết để giảm hiện tượng quá nhiệt do bức xạ mặt trời và cải thiện hiệu suất điều hòa trong điều kiện tải thấp. Thử nghiệm cho thấy mô hình giúp giảm tiêu thụ năng lượng khoảng 40% vào mùa đông.
2 – MÔ TẢ HỆ THỐNG
Hệ thống điều hòa được điều khiển thông qua mô hình học tăng cường sâu, kết nối với hệ thống quản lý năng lượng gia đình (HEMS) để tối ưu hóa lượng nhiệt đầu vào cho điều hòa từng phòng trong tòa nhà dân cư. Hệ thống tích hợp dữ liệu dự báo thời tiết, sử dụng thuật toán mạng thần kinh (DQN) để điều chỉnh lượng nhiệt phù hợp.
3 – PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp nghiên cứu bao gồm việc thiết lập mô hình mô phỏng và đào tạo mạng DQN, sử dụng mô hình hộp xám RC để mô phỏng phản ứng nhiệt trong nhà. Mạng đầu ra dùng học giám sát để xác định nhiệt đầu vào của điều hòa, tối ưu hóa hiệu suất COP (Coefficient of Performance).
4 – KẾT QUẢ NGHIÊN CỨU
Kết quả kiểm tra cho thấy mô hình DRL có khả năng điều chỉnh điều hòa trước khi xảy ra quá nhiệt, giúp giảm nhiệt đầu vào và năng lượng tiêu thụ. So với các phương pháp truyền thống, mô hình này duy trì hiệu suất COP cao hơn và giảm tần suất bật/tắt máy nén.