بهینهسازی مصرف انرژی ساختمانها با الگوریتم هوشمند پژوهشگران دانشگاه علم و فرهنگ
مقاله جناب آقای دکتر علی قرقی و جناب آقای دکتر یوسف شهبازی رازلیقی اعضای هیئت علمی دانشکده فنی و مهندسی با همکاری مشترک با جناب آقای رضا اکرمی دانشجوی دکتری مهندسی کامپیوتر و چند پژوهشگر بینالمللی با عنوان: Hybrid Metaheuristic Optimization of HVAC Energy Consumption and Thermal Comfort in an Office Building Using EnergyPlus در مجله بینالمللی با عنوان: Buildings https://www.mdpi.com/2075-5309/15/14/2568 از انتشارات MDPI با نمایه Web of Science (ISI) با ضریب تاثیر 4.4 و چارک Q1 به چاپ رسید.
در این مقاله، یک الگوریتم ترکیبی بهینهسازی جستجوی کلاغ (CSA) و الگوریتم بهینهسازی جستجوی پنگوئن (PeSOA)، موسوم به (HCRPN)، معرفی شده است که برای بهینهسازی همزمان مصرف انرژی ساختمان و دستیابی به سطوح MRT مناسب برای راحتی حرارتی از طریق تنظیم پارامترهای سیستم HVAC طراحی شده است. ابتدا الگوریتم HCRPN با استفاده از معیارهای چندمنظوره ZDT-1 و Shaffer N1 اعتبارسنجی شده است. سپس، با استفاده از شبیهسازیهای EnergyPlus و بهکارگیری بهینهسازی تکهدفه Particle Swarm Optimization (PSO) برای تحلیل اولیه پارامترها، مجموعه دادهای تولید شده است. پس از تحلیلهای همبستگی برای درک روابط بین پارامترها، رویکرد ترکیبی چندمنظوره پیادهسازی شده است. ارزیابیهای مقایسهای در برابر الگوریتمهای پیشرفته، از جمله MoPso، NSGA-II، Nsga2/MOEAD و Mo-CSA، اثربخشی HCRPN را تایید میکند. یافتههای این پژوهش نشاندهنده کاهش متوسط 7 درصدی در مصرف انرژی و بهبود 3 درصدی در راحتی مبتنی بر MRT نسبت به روشهای موجود است. اگرچه این بهبودها ممکن است کوچک به نظر برسند، حتی پیشرفتهای جزئی در MRT میتوانند تأثیر قابلتوجهی بر آسایش ساکنان، بهویژه در ساختمانهای بزرگ با تعداد ساکنان زیاد، داشته باشند.
شایان ذکر است، در راستای تقویت همکاریهای بینالمللی، آقای رضا اکرمی دانشجوی دکتری دانشگاه علم و فرهنگ در قالب فرصت مطالعاتی فراهم شده در این پروژه پژوهشی که توسط توسط دانشگاه فناوری دالیان (DUT) چین پشتیبانی شد، نیز حضور داشت. دانشگاه فناوری دالیان چین با انجام پروژههای میانرشتهای در مؤسسه انرژی ساختمان (iBE) به دلیل یکپارچهسازی هوش مصنوعی در سیستمهای ساختمانی پایدار شهرت دارد.