خبر کامل
سیستم هوشمند دانشگاه تهران با هوش مصنوعی، تحولی در مدیریت انرژی ساختمان‌ها
تحول در مدیریت انرژی: سیستم هوشمند دانشگاه تهران با هوش مصنوعی
دانشگاه تهران از طراحی و توسعه یک سیستم پیشرفته با استفاده از هوش مصنوعی خبر داد که نویدبخش تحولی چشمگیر در مدیریت انرژی ساختمان‌های آموزشی است. این ابتکار که توسط تیمی به سرپرستی دکتر بهرنگ سجادی، عضو هیأت علمی دانشکدگان فنی، صورت گرفته، نه تنها به بهینه‌سازی مصرف انرژی کمک می‌کند بلکه به طور قابل توجهی آسایش حرارتی و کیفیت هوای داخلی را بهبود می‌بخشد.
این چارچوب نوآورانه که حاصل تحقیقات گسترده در حوزه ساختمان‌های هوشمند است، پتانسیل کاهش ساعات عدم آسایش حرارتی تا ۶۳ درصد و غلظت دی‌اکسیدکربن را تا ۱۰ درصد دارد، در حالی که کارایی انرژی ساختمان را در سطح مطلوب حفظ می‌کند. این دستاورد می‌تواند تأثیر عمیقی بر سلامت و عملکرد شناختی دانش‌آموزان و دانشجویان داشته باشد.
چالش جهانی و بومی مصرف انرژی در ساختمان‌ها
دکتر سجادی در تشریح ضرورت این پژوهش اظهار داشت که حدود ۴۰ درصد از مصرف انرژی جهانی به بخش ساختمانی اختصاص دارد و سیستم‌های گرمایش، تهویه و تهویه مطبوع (HVAC) سهم عمده‌ای در این مصرف دارند. وی تأکید کرد که در ساختمان‌های آموزشی، این چالش پیچیده‌تر است، زیرا کیفیت محیط داخلی مستقیماً بر سلامت و عملکرد شناختی دانش‌آموزان و دانشجویان تأثیر می‌گذارد. مطالعات نشان می‌دهد که غلظت بالای دی‌اکسیدکربن و عدم آسایش حرارتی می‌تواند تا ۱۵ درصد از کارایی آموزشی بکاهد.
این مسئله در ایران حساسیت بیشتری دارد، چرا که بر اساس آمار، مصرف انرژی در بخش ساختمان در کشور بیشتر از میانگین مصرف جهانی است. این وضعیت، لزوم توسعه راه‌حل‌های بومی برای بهینه‌سازی مصرف انرژی را بیش از پیش آشکار می‌سازد.
عملکرد سیستم هوشمند: ترکیبی از شبیه‌سازی و هوش مصنوعی
عضو هیأت علمی دانشکدگان فنی دانشگاه تهران درباره نحوه عملکرد این سیستم توضیح داد که این فناوری 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.
- یک مدل شبکه عصبی مصنوعی از نوع پرسپترون چندلایه (MLP) آموزش داده شده که با دقت قابل توجه ۹۹.۷ درصد می‌تواند عملکرد سیستم HVAC را پیش‌بینی کند.
این سیستم سه پارامتر اصلی را به طور پویا تنظیم می‌کند:
- دمای تنظیم شده بر اساس شاخص آسایش حرارتی (PMV)
- برنامه‌های عملیاتی سیستم HVAC
- نرخ تهویه هوای تازه
این تنظیمات پویا به سیستم امکان می‌دهد تا خود را با شرایط متغیر ساختمان و نیازهای ساکنان تطبیق دهد.
دستاوردها و چشم‌انداز آینده
نتایج حاصل از پیاده‌سازی این سیستم نشان می‌دهد که توانسته است ساعات عدم آسایش حرارتی را تا ۶۳.۲ درصد و غلظت دی‌اکسیدکربن را تا ۹.۶ درصد کاهش دهد و در عین حال کارایی انرژی را در سطح بهینه حفظ کند. 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.
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.
دکتر سجادی 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. 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.
درباره هوش‌مصنوعی دست‌اول:
تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
