سیستم هوشمند مبتنی بر هوش مصنوعی دانشگاه تهران مصرف انرژی و آلایندگی را در ساختمانها بهینه میکند
دکتر سجادی با اشاره به حساسیت موضوع، بهویژه در ایران که مصرف انرژی ساختمانها از میانگین جهانی بالاتر است، تأکید کرد که سیستمهای گرمایش، تهویه و تهویه مطبوع (اچویایسی) سهم بزرگی در این مصرف دارند. وی افزود که در محیطهای آموزشی، عدم آسایش حرارتی و غلظت بالای دیاکسیدکربن میتواند تا ۱۵ درصد کارایی آموزشی را تحت تأثیر قرار دهد.
این چارچوب نوآورانه بر پایه ترکیب مدلسازی پیشرفته با هوش مصنوعی کار میکند. محققان ابتدا یک مدل دقیق از رفتار حرارتی ساختمان در نرمافزار EnergyPlus ساختند و سپس یک شبکه عصبی مصنوعی از نوع پرسپترون چندلایه (MLP) را آموزش دادند که با دقت ۹۹.۷ درصد عملکرد سیستم اچویایسی را پیشبینی میکند.
این سیستم به صورت پویا سه پارامتر کلیدی شامل دمای تنظیمشده بر اساس شاخص آسایش حرارتی (PMV)، برنامههای عملیاتی اچویایسی و نرخ تهویه هوای تازه را تنظیم میکند. نتایج پیادهسازی این مدل نشان داد که سیستم موفق شده است ساعات عدم آسایش حرارتی را تا ۶۳.۲ درصد و غلظت دیاکسیدکربن را تا ۹.۶ درصد کاهش دهد، ضمن آنکه کارایی انرژی را در سطح مطلوب حفظ کرده است. این دستاورد در حالی محقق شد که سیستمهای معمول معمولاً تنها بر دو مورد از این اهداف تمرکز میکنند.
دکتر سجادی این ابزار را پشتیبان تصمیمگیری مدیران تأسیسات ساختمانهای آموزشی دانست که امکان دستیابی به اهداف بهینهسازی انرژی را بدون به خطر انداختن سلامت و آسایش ساکنان فراهم میآورد. امید است که با توسعه این فناوری، گستره کاربرد آن به سایر ساختمانهای اداری و مسکونی نیز سرایت کند و گامی اساسی در جهت تحقق ساختمانهای هوشمند و پایدار در کشور باشد.