A predictive controller for efficient operations of HVAC systems in commercial buildings: Algorithm development and field application / Ticari binalarda HVAC sistemlerinin verimli çalışması için öngörülü bir kontrolör tasarlanması: Algoritma geliştirme ve saha uygulaması

Abstract

Küresel ısınma ve enerji güvenliği konuları enerjiyi dönüştürme, iletme ve kullanma yöntemlerimizde değişiklik yapmayı zorunlu kılmaktadır. Binalar, genel enerji kullanımı açısından üst sıralardadır. İnsanlar zamanlarının çoğunu binaların içinde geçirmekte; bu sebeple, binaların doğru bir şekilde yönetilmesi konfor, sağlık ve üretkenlik açısından kritik önem taşımaktadır. Isıtma-havalandırma-iklimlendirme sistemlerinin yükü (HVAC) binalarda kullanılan enerjinin yaklaşık %40'ına tekabül etmektedir. Bu sebeple, HVAC sistemlerinin doğru ve etkili yönetimi enerji verimliliği ve ısıl konfor açısından büyük önem taşımaktadır. Daha yeni ve gelişmiş ekipmanların kurulumu ile bu konuda iyileştirme yapmak Teknik veya ekoomic sebeplerden ötürü her zaman mümkün olmayabilir. Bu surumda, gelişmiş control tekniklerinden yararlanarak mevcut altyapı daha iyi işletilmelidir. Bu tezde, bir HVAC sisteminin en iyi şekilde işletilmesi için öngörülü bir kontrol (MPC) tekniği geliştirilmiş, sahada uygulanmış ve test edilmiştir. Geliştirilen kontrol algoritması Python dilinde yazılarak sahada HVAC kontrolünü sağlayan gömülü sistem kartına entegre edilmiştir. Bu öngörülü kontrolörün performansı endüstride yaygın olarak kullanılan PID kontrolör ile karşılaştırmalı olarak test edilmiştir. Test sonuçları, MPC kontrolörün referans sıcaklık takibi ve enerji tüketimi açılarından PID kontrolöre göre üstün olduğunu göstermektedir. The global warming and energy security issues require a change in the way we generate, transfer and utilize energy. Buildings are among the largest overall energy consumers. People spend most of their time in buildings and therefore proper management of buildings are crucial for comfort, health and productivity. In buildings, heating, ventilation and air conditioning (HVAC) systems account for, on average, 40% of the overall energy use. Thus, proper and effective operation of HVAC systems is very important for energy efficiency and thermal comfort. Addressing this problem by merely installing new sophisticated equipment may not be feasible due to economic and technical reasons. In this case, advanced control techniques should be utilized to better operate existing infrastructure. In this thesis, a predictive control technique (MPC) to optimally operate an HVAC unit is developed, implemented and tested in real-world environment. The control algorithm is implemented in Python and integrated into the embedded system that controls the HVAC unit. The performance of the predictive controller is compared against a PID controller, which is a commonly preferred method in the industry. Test results show that the MPC controller presented in this thesis outperforms PID in terms of reference tracking and energy consumption.