Fonctionnement neuro-optimal d'un système de chauffage, de ventilation, de conditionnement d'air et du froid à débit d'air variable.
Neuro-optimal operation of a variable air volume HVAC&R system.
Auteurs : NING M., ZAHEERUDDIN M.
Type d'article : Article
Résumé
Low operational efficiency especially under partial load conditions and poor control are some reasons for high energy consumption of heating, ventilation, air-conditioning and refrigeration (HVAC&R) systems. To improve energy efficiency, HVAC&R systems should be efficiently operated to maintain a desired indoor environment under dynamic ambient and indoor conditions. This study proposes a neural network based optimal supervisory operation strategy to find the optimal set points for chilled water supply temperature, discharge air temperature and VAV system fan static pressure such that the indoor environment is maintained with the least chiller and fan energy consumption. To achieve this objective, a dynamic system model is developed first to simulate the system behaviour under different control schemes and operating conditions. A multi-layer feed forward neural network is constructed and trained in unsupervised mode to minimize the cost function which is comprised of overall energy cost and penalty cost when one or more constraints are violated. After training, the network is implemented as a supervisory controller to compute the optimal settings for the system. Simulation results show that compared to the conventional night reset operation scheme, the optimal operation scheme saves around 10% energy under full load condition and 19% energy under partial load conditions. [Reprinted with permission from Elsevier. Copyright, 2009].
Détails
- Titre original : Neuro-optimal operation of a variable air volume HVAC&R system.
- Identifiant de la fiche : 2011-0125
- Langues : Anglais
- Source : Applied Thermal Engineering - vol. 30 - n. 5
- Date d'édition : 05/2010
- DOI : http://dx.doi.org/10.1016/j.applthermaleng.2009.10.009
Liens
Voir d'autres articles du même numéro (4)
Voir la source
Indexation
-
Thèmes :
Systèmes à compression;
Circulation du fluide : tuyauterie, régulation, automatisme, sécurité;
Refroidisseurs d'eau - Mots-clés : Débit variable; Système frigorifique; Réseau neuronal artificiel; Régulation; Refroidisseur; Optimisation; Modélisation; Efficacité énergétique; Conditionnement d'air
-
Application of artificial neural networks for g...
- Auteurs : LEDESMA S., BELMAN-FLORES J. M.
- Date : 08/2014
- Langues : Anglais
- Source : Applied Thermal Engineering - vol. 69 - n. 1-2
Voir la fiche
-
A hybrid deep forest approach for outlier detec...
- Auteurs : ZENG Y., CHEN H., XU C., CHENG Y., GONG Q.
- Date : 12/2020
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 120
- Formats : PDF
Voir la fiche
-
Development of dynamic modeling framework using...
- Auteurs : WAN H., CAO T., HWANG Y., CHIN S.
- Date : 05/2021
- Langues : Anglais
- Source : 2021 Purdue Conferences. 18th International Refrigeration and Air-Conditioning Conference at Purdue.
- Formats : PDF
Voir la fiche
-
Model-based neural network correlation for refr...
- Auteurs : ZHANG C. L., ZHAO L. X.
- Date : 06/2007
- Langues : Anglais
- Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 30 - n. 4
- Formats : PDF
Voir la fiche
-
Refrigerant charge fault diagnosis in the VRF s...
- Auteurs : SHI S., LI G., CHEN H., et al.
- Date : 05/02/2017
- Langues : Anglais
- Source : Applied Thermal Engineering - vol. 112
Voir la fiche