Супервизорное управление системами контроля климата в зданиях тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Тюков, Антон Павлович

• Тюков, Антон Павлович
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Тюков, Антон Павлович

СОДЕРЖАНИЕ

Введение

ГЛАВА 1. ВВЕДЕНИЕ В ПРОБЛЕМУ ЭФФЕКТИВНОГО

ИСПОЛЬЗОВАНИЯ ЭНЕРГИИ В ЗДАНИЯХ

1.1 .Задача повышения энергоэффективности зданий

1.2.Формализация здания как социально-экономической системы

1.3 .Методы измерения факторов, определяющих потребление

1.3.1 .Погодные условия

1.4.Сбор и обработка данных

1.5.Подходы к повышению энергетической эффективности зданий 27 1 .б.Результаты и выводы по главе 1

ГЛАВА 2. ПОНЯТИЕ И КЛАССИФИКАЦИЯ СИСТЕМ КОНТРОЛЯ КЛИМАТА

2.1 .Понятие и состав систем контроля климата

2.1.1 .Формализация работы системы 3

2.2.Методы управления системами контроля климата 35 2.2.1 .Метод управления, основанный на правилах 36 2.2.2.Метод оптимального старта 36 2.2.3 .Метод управления с прогнозирующими моделями 39 2.2.4.Анализ методов управления

2.3.Концепция супервизорного управления системой контроля климата 46 2.6 Результаты и выводы по главе 2

ГЛАВА 3. РЕАЛИЗАЦИЯ МЕТОДА СУПЕРВИЗОРНОГО

УПРАВЛЕНИЯ

3.1 .Общее описание метода

3.1.1 .Определение эффективности метода

3.1.2.Подготовка данных

3.1.3.Настройка начальных параметров 53 3.1 АПостроение прогнозирующих моделей 54 3.1.5 .Формирование управляющих воздействий 64 3.3 Выводы по главе 3

ГЛАВА 4. ИССЛЕДОВАНИЕ МЕТОДА СУПЕРВИЗОРНОГО

УПРВЛЕНИЯ

4.1 .Архитектура автоматизированной системы

4.1.1 .Общая архитектура системы

4.1.2.Интеграция с системой контроля климата

4.1.3 .Серверная часть

4.1.4 .Клиентская часть

4.1.5. Система обмена данными 7

4.1.6.Архитектура базы данных

4.1.7.Диаграммы классов 86 4.1 .Результаты экспериментов 90 4.2.Экономическое обоснование 98 4.2.1 .Экономический эффект от установки в здании 98 4.2.2.Анализ потенциала энергосбережения в зданиях

4.2.3.Потенциал коммерциализации результатов исследования

4.3 .Основные результаты и выводы по главе 4

Заключение

Список использованных источников

ПРИЛОЖЕНИЕ А - ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ

КОММЕРЦИАЛИЗАЦИИ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

ПРИЛОЖЕНИЕ Б - АНАЛИЗ КОНКУРЕНТОВ И ПРОДУКТОВ-

ЗАМЕНИТЕЛЕЙ

ПРИЛОЖЕНИЕ В - ОПИСАНИЕ ЭКСПЕРИМЕНТАЛЬНОЙ

УСТАНОВКИ

ПРИЛОЖЕНИЕ Г - ГРАМОТЫ И НАГРАДЫ

ПРИЛОЖЕНИЕ Д - АКТЫ ВНЕДРЕНИЯ

ПРИЛОЖЕНИЕ Е - ПРИМЕРЫ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

Аннотация

Документ представляет собой диссертацию на соискание степени кандидата технических наук по специальностям «Системный анализ, управление и обработка информации» (промышленность) и «Управление в социальных и экономических системах». Работа посвящена разработке метода супервизорного управления системами контроля климата в здании на основе прогнозирующих моделей.

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИИ, СИМВОЛОВ И ТЕРМИНОВ СУ Система управления

ОУ Объект управления

СКК Система контроля климата

ССУ Система супервизорного управления

УСПД Устройство сбора и передачи данных

АСКУЭ Автоматизированная система коммерческого учёта

электроэнергии PMV Средняя ожидаемая оценка уровня комфорта

(Predicted Mean Vote) RBC Метод управления, основанный на правилах

(Rule Based Control) DMPC Метод управления с прогнозирующими моделями

(Deterministic Model Predicted Control) SMPC Метод управления с прогнозирующими моделями (с учетом

неопределённости прогноза погоды) (Stochastic Model Predictive Control МАРЕ Средняя абсолютная процентная ошибка

(Mean Average Percentage Error) RMSE Среднеквадратичная ошибка

(Root mean square error) sMape Симметричная средняя абсолютная процентная ошибка

(Symmetric mean average percentage error) MASE Средняя абсолютная масштабируемая ошибка

(Mean avererage squared error) InRSE Интегральная среднеквадратичная ошибка

(Integral root mean squared error)

Введение диссертации (часть автореферата) на тему «Супервизорное управление системами контроля климата в зданиях»

ВВЕДЕНИЕ

Рост цен на энергоносители, перспективы истощения месторождений и проблемы экологии вынуждают цивилизацию обратиться к более рациональному использованию энергоресурсов. Одной из приоритетных задач энергоэффективности является раскрытие потенциала энергосбережения. Сокращение огромных потерь энергии при эксплуатации зданий является стратегической задачей, которая может быть решена в рамках сокращения энергии на поддержание уровня температурного комфорта в зданиях с помощью модификации существующих алгоритмов управления системой контроля климата (СКК, от англ. heating ventilation air-condition cooling, HVAC)[1]. Так, по данным международных исследований, затраты на отопление составляют существенную долю энергозатрат России и ряда европейских стран: от 30% (в России) до 58% (в Польше)[2]. Капиталовложения в утепление конструкции зданий или замену оборудования обладают сроком окупаемости от 4 до 15 лет, что в сочетании с высокой ценой является существенной преградой к выполнению энегоэффективных проектов[3].

Около 40 % энергии каждого здания расходуется на поддержание уровня температурного комфорта в СКК[4]. Как правило, алгоритмы управления СКК не обновляются после установки системы в здании. Системы контроля климата управляется встроенным алгоритмом, учитывающим внутреннее строение и архитектурные особенности данной системы (количество котлов, режимы разморозки, дезинфекции и т.д.). При этом данные алгоритмы не учитывают влияние внешних относительно нее факторов, таких как количество людей в помещении, а также изменения окружающей среды[5].

По данным исследований Европейской комиссии [2] и профессора В. Веттера, эффективность работы СКК может быть повышена от 20 до 40% за счет модификации существующих алгоритмов управления[1]. В работах исследовательской группы Оптиконтрол предлагаются подходы для создания новых эффективных СКК[6]. Однако результаты данных исследований носят фундаментальный характер, ориентированы на использование в новых моделях СКК и трудно применимы к уже установленным системам.

Одним из подходов, позволяющих модифицировать алгоритмы управления, является супервизорное управление СКК. В работе под супервизорным управлением понимается процесс управления системами управления с использованием дополнительной информации. Фактически, супервизорную систему управления можно рассматривать как надсистему. Кроме того, согласно исследованиям Олдевултела[7], Камачо[8], использование упреждающих значений переменных, характеризующих погоду, позволит снизить расход энергии в СКК при сохранении допустимого уровня температурного комфорта. Использование упреждающих параметров в системах управления сформировало новое научное направление, получившее название «Управление с прогнозирующими моделями» (от англ. Model Predicted Control, МРС) (см. работы К. Фонга[9], Хаизюк [10], Олдевултела [7], Яшио Ютсимы [11] и исследовательской группы Оптиконтрол[12]).

В рамках данной диссертации предлагается решение проблемы неоптимального расхода энергии в существующих СКК за счет разработки метода супервизорного управления СКК на основе прогнозирующих моделей.

Объектом исследования является СКК, установленная в здании.

Предметом исследования являются алгоритмы оптимального управления СКК.

Принятая гипотеза: супервизорное управление СКК на основе прогнозирующих моделей позволит повысить энергетическую эффективность СКК.

Цель работы. Целью работы является повышение экономической эффективности управления зданием за счет супервизорного управления СКК. Для достижения цели в диссертационном исследовании решаются задачи:

1) анализ здания как социально-экономической системы и определение факторов, влияющих на потребление энергии в СКК;

2) анализ алгоритмов функционирования СКК;

3) разработка модели здания как объекта управления;

4) разработка метода супервизорного управления СКК на основе прогнозирующих моделей;

5) проверка предложенного метода на практике и оценка экономической эффективности метода;

6) разработка автоматизированной системы супервизорного управления СКК (масштабируемой, клиент-серверной).

Методы исследований. Для решения поставленных задач использовались методы: системного анализа, теории автоматического управления, управления с прогнозирующими моделями, машинного обучения, математической статистики, оптимизации, проектирования автоматизированных систем.

Научная новизна работы. Разработан метод супервизорного управления системой контроля климата (СКК) на основе прогнозирующих моделей, позволяющий повысить эффективность управления микроклиматом и включающий в себя:

1) формальную модель изменения температуры как характеристику комфорта внутри здания с СКК, основанную на данных с датчиков СКК, упреждающих погодных факторов;

2) оригинальный метод формирования управляющих воздействий на СКК, основанный на генетическом алгоритме, позволяющий оптимизировать потребление энергии в СКК при поддержании целевого уровня температурного комфорта.

Достоверность и обоснованность научных положений и результатов, приведённых в диссертационной работе, подтверждается совпадением результатов моделирования и экспериментальной проверки, внедрением и опытной эксплуатацией разработанной автоматизированной системы.

Практическая значимость. Диссертационные исследования выполнены в рамках приоритетного направления «Информационно-телекоммуникационные системы» и способствуют развитию критических технологий: созданию энергосберегающих систем транспортировки, распределения и потребления тепла и электроэнергии, обработки, хранения и передачи информации. Разработана архитектура и прототип клиент-серверной веб-ориентированной автоматизированной системы супервизорного управления СКК.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы из 75 наименований. Объём диссертации - 130 е., включая 69 рис., 20 таблиц.

Основные положения, выносимые на защиту:

1) Оригинальный метод супервизорного управления системой контроля климата (СКК) на основе прогнозирующих моделей, позволяющий повысить эффективность управления микроклиматом и включающий в себя: формальную модель

изменения температуры, основанная на нейронных сетях, и оригинальный метод формирования управляющих воздействий.

2) Архитектура и функционирование автоматизированной системы супервизорного управления системами контроля климата.

В первой главе была рассмотрена проблема эффективного использования энергии в зданиях, рассмотрены процессы, влияющие на энергобаланс в здании, методы и средства измерения данных, определены методы оценки повышения энергоэффективности в зданиях.

Во второй главе определены характеристики системы контроля климата, рассмотрены методы управления системами контроля климата и состояние исследований, предложен метод супервизорного управления системы контроля климата.

Третья глава посвящена разработке метода супервизорного управления системами контроля климата на основе прогнозирующих моделей.

В четвертой главе описан эксперимент, результаты тестирования предложенного метода, архитектура автоматизированной системы супервизорного управления системами контроля климата, определена практическая значимость результатов исследования.

Автор выражает признательность Адриану Бребельсу, преподавателю Высшей Католической Школе Томаса Мура (Бельгия), за предоставление данных для исследования.

ГЛАВА 1. ВВЕДЕНИЕ В ПРОБЛЕМУ ЭФФЕКТИВНОГО

ИСПОЛЬЗОВАНИЯ ЭНЕРГИИ В ЗДАНИЯХ 1.1. Задача повышения энергоэффективности зданий

Здание можно рассматривать как социально-экономическую систему, так как эта система используется людьми. Одним из важных параметров в системе является уровень теплового комфорта в помещении, а также стоимость эксплуатации здания. Уровень температурного комфорта влияет на экологическую атмосферу в здании и производительность работающих в нем людей[13].

Ученые из университета Хельсинки оценивали изменение производительности людей в помещении за счет изменения уровня теплового комфорта в здании [14]. Результаты исследований изображены на рисунке 1.

^ 16

-•-Bergiurxi 1990

* Peptef 1968, combined Johansson 1975» combined ~*~M©raeia2QQ2 -♦~^Sem©ta2001 -Hh-FectefSpW2002

-Link &Pepter 1970

——Meesfc Hands -Fisk

Темперщура, С

Рисунок 1 - Зависимость понижения эффективности труда людей от уровня теплового комфорта в здании[14]

Фангер предложил ввести коэффициент ожидаемой средней оценки степени комфорта (англ. Predicted Mean Vote, PMV), который определяется

«как состояние человека, удовлетворённого условиями окружающей среды, при котором он не знает, хочет ли он изменить условия среды, сделав её более тёплой или холодной» [15]. PMV определяется температурой, влажностью, скоростью движения воздуха, тепловой характеристикой окружающей конструкции здания и качеством комнатного воздуха. СКК с помощью котлов и термостатов восстанавливает уровень теплового комфорта в помещении [16].

Стоимость эксплуатации здания зависит от стоимости поддержания уровня теплового комфорта в помещении и характеризуется количеством потраченного газа или электричества на поддержание уровня теплового комфорта.

СКК могут использовать алгоритмы, основанные на наборе правил, методы оптимального включения систем отопления, методы с прогнозирующими моделями на основе информации, полученной от датчиков внутри и вне здания [17-19].

Такие погодные факторы в высокой степени влияют на уровень теплового комфорта в здании, а использования упреждающих значений факторов погоды помогает избежать перегрева здания, а, следовательно, и избыточных расходов на отопление [20,21].

Для повышения эффективности СКК за счет использования упреждающих значений факторов погоды был адаптирован широко используемый в химической промышленности метод управления с прогнозирующими моделями (Model Predicted Control МРС) [10,22-26]. Данный метод ориентирован на использование в новых, энергоэффективных СКК.

Настоящее исследование посвящено повышению эффективности существующих СКК за счет использования упреждающих значений факторов погоды.

1.2. Формализация здания как социально-экономической системы

Здание можно классифицировать по многим основаниям классификации, но самыми важными для настоящего исследования является классификация по назначению и классам конструктивных элементов [27]. По назначению здания делятся на:

1) гражданские (жилые дома, больницы, школы, театры, дворцы культуры и прочие общественные здания);

2) промышленные;

3) сельскохозяйственные.

В зависимости от принадлежности здания к тому или другому классу, каждому зданию соответствует определенный график работы здания и уровень теплового комфорта. Уровень теплового комфорта регламентирован ГОСТ Р ИСО 7730-2009 Группа Э65 (ASHRAE 2004, ISO 2005) и в международном протоколе измерений и верификации [28], где определены 4 класса помещений по уровню теплового комфорта (класс А -высокий уровень комфорта, В - средний уровень, С - низкий, D - без требований к комфорту), а также глобальные индикаторы теплового комфорта PMV (Predicted Mean Vote) и PPD (Predicted Percentage of Dissatisfied), учитывающие риски возникновения сквозняков, асимметрию излучения теплообменников систем отопления, градиенты температур, скорость воздухообмена и температуры поверхностей ограждающих конструкций.

Оптимальные (опт.) и допустимые (доп.) параметры микроклимата по ГОСТ 30494-96 описаны в таблице 1.

Таблица 1

Оптимальные и допустимые значения параметров микроклимата по ГОСТ-

30494-96

Период года Помещение Температура воздуха, °С Относительная влажность, % Скорость движения воздуха, м/с

Опт. Доп. Опт. Доп.. опт Доп.

Холодный Жилая комната 20-22 18-24 (2024) 45-30 60 0,15 0,2

Помещения для отдыха и учебных занятий 20-22 18-24 45-30 60 0,15 0,2

Межквартирный коридор 18-20 16-22 45-30 60 0,15 0,2

Вестибюль, лестничная клетка 16-18 14-20 недосту пно недос тупно 0,2 0,3

Кладовые 16-18 12-22 недосту пно недос тупно нед осту пно недост упно

Теплый Жилая комната 22-25 20-28 60-30 65 0,2 0,3

Целевое значение теплового комфорта необходимо поддерживать для обеспечения продуктивной работы людей, когда они находятся в здании.

График работы может быть описан с помощью трехуровневого календаря, содержащего расписание работы здания, частные и общие исключения. К общим исключениям относятся государственные праздники, к частным исключениям - изменение расписания работы одного здания.

По классам конструктивных элементов здания делятся на каркасные, стеновые, стволовые, оболочные. Конструкция здания и качество утепления стен влияет на скорость изменения температуры внутри здания под действием погодных факторов. Также на уровень теплового комфорта влияет: тип и количество окон, ограждения, нагревательные приборы, оборудование помещений, производственные и бытовые теплосооружения, окружающая среда. В зависимости от факторов, описанных выше, здания обладают разной скоростью реагирования на изменение факторов окружающей среды[29][22].

Под факторами окружающей среды понимается: температура, давление и влажность наружного воздуха, направление и скорость ветра, интенсивность солнечной радиации.

К характеристикам здания относятся: конструктивные и теплофизические свойства стен и светопрозрачных ограждений, теплоемкость оборудования, мощность отопительных приборов, а также бытовые и производственные выделения тепла. Задача обеспечения поддержания уровня теплового комфорта в здании решается с помощью СКК. Показатель энергетической эффективности может быть выражен через потребленный объем газа на поддержание уровня теплового комфорта.

Кроме этого, здание можно рассматривать как социально-экономическую систему ( СЭС), управление которой можно оценивать, как с точки зрения экономической эффективности ( стоимость отопления), так и с точки зрения социальной эффективности ( поддержание уровня температурного комфорта).

+Qsin

тепло полученное ст солнца

+ Qpers

тепловыделения людей

+ Qirtern

тепловыделения приборов + Qckk

подогрев помещения

- Qveflt

потери тепла через систему вентиляции

- Qwalls

потери тепла через стены

Qwind

потери тепла из за ветра

Здание

Рисунок 2 - Энергетический баланс в здании (Источник [30])

Тепловой баланс в помещении может быть представлен в виде следующей формулы:

QnetCO = Q sun ОЭ + Q intern (О + QpersW - Qwind(0 - QvenM (1)

- QwallsW + <2cKK(t - 1) Где Q_net - суммарный энергетический баланс в здании, Qsun- тепло, полученное от солнца, Qintern - тепловыделения, связанные с работой оборудования, Qpers - тепловыделения, связанные с активностью людей, Qwmd. — потери тепла из-за ветра, Qvent - потери тепла через систему вентиляции, Qwaiis - потери тепла через стены, Qckk" восстановление темепературного баланса с помощью системы контроля климата.

Энергетический баланс здания является суперпозицией факторов, влияющих на уровень теплового комфорта и энергопотребления здания. По данным исследований [12,24,31,32] использование прогноза погоды влияет на использование энергии и климат в помещении. В управлении уровнем теплового комфорта данные с датчиков в здании могут быть использованы

вместе с упреждающими факторами погоды для оценки изменения теплового комфорта[33-35]. Также упреждающие значения факторов погоды влияют на эффективность планирования и управления распределением энергии [36,37], позволяют снижать производственные риски [36].

Современные датчики позволяют измерить различные погодные факторы, такие как количество осадков, скорость ветра, количество солнечной радиации, температура на улице. Собранные данные используются для построения климатических моделей Cosmo-7, Cosmo-Leps, которые могут быть использованы для повышения эффективности управления СКК [38].

Солнечная радиация влияет на уровень теплового комфорта в здании в зависимости от количества окон, типа ограждений и окружающего ландшафта[38].

Также дополнительное тепло может исходить от электрических приборов, устанавливаемых в зданиях, а также от людей в помещении[38,39]. Количество тепла, дополнительно выделяемого в помещении, зависит от количества и типа установленных приборов в здании, уровня физической активности людей и носимой ими одежды [39].

Здания охлаждаются ветром из-за повышенной утечки воздуха через системы вентиляции. Сила влияния ветра на уровень теплового комфорта зависит от типа вентиляции и местности, на которой расположено здание [40]. Потери тепла могут быть уменьшены за счет использования рекуперации тепла с помощью теплообменников и тепловых насосов.

1.3. Методы измерения факторов, определяющих потребление

Факторы, характеризующие поведение здания, как социально-экономической системы, могут собираться с различных источников:

датчиков, установленных в здании, метеостанций и от пользователя. В свою очередь, эти данные можно разделить на целевые, контролируемые и неконтролируемые.

К целевым относится желаемый уровень теплового комфорта в здании. К контролируемым относятся все параметры, прямо или косвенно влияющие на здание: статус системы контроля микроклимата, фактическая температура в здании и расписание его работы. В таблице 2 показаны факторы, влияющие на уровень температурного комфорта в здании.

Таблица 2

Факторы, влияющие на уровень температурного комфорта в здании

Название параметра Источники Прогнозируемые данные Описание

Целевые

Целевая температура, хЬаг (градусы Цельсия) Пользователь, СКК Доступны Стандарты качества: ISO 7730, ASHRAE 55, СНиП 23-022003, ГОСТ 3049496

Контролируемые

Статус работы системы отопления, ControlSignal (Включена/ выключена) СКК Недоступны Принимает значение 0/1

Фактическая температура внутри помещения, хіп1 (°С) Датчики РТ100 в комнатах здания, подключенные к СКК Недоступны Интервал между измерениями: 15 мин.

Потребление газа Сс (кВт*ч) Датчик Р100, установленный на ССК Недоступны

Расписание работы здания ( время открытие и закрытия здания на каждый день) Пользователь сохраняет данные в виде трехуровневого календаря, содержащего общие правила, общие и частные исключения. Доступны Альтернативные получения информации: датчики движения, видеокамеры.

Неконтролируемые

Температура на улице ^•ехС (Градусы Цельсия) Датчики, подключенные к СКК; метеостанции Для прогноза используются модели: СОБМО-2,

WeatherUndeground, NOAA,MetioSwiss COSMO-7, COSMO-Leps

Направление ветра М^й (градусы) Метеорологическая WeatherUndeground, NOAA,MetioSwiss Доступны

Скорость Ветра ХУв (м/с) WeatherUndeground, NOAA,MetioSwiss Доступны

Солнечная радиация, 8г (кВт*ч/м2) Пиранометр, метеорологическая станция Soda-is Недоступны Солнечная радиация с учетом облачности

Ясность, С1г5ку (кВт*ч/м2) Метеорологическая станция Soda-is Доступны Среднее за 10 лет количество энергии, получаемое на м2 при ясном небе

Облачность % затянутых облаков Метеостанция Доступны

Целевая температура в каждый момент времени может быть определена по следующей формуле:

*тг(0 = ( ^ В°П{€) (2)

ЫГ IХьазе (0> В0п (О ■ пк = О

где хЬаг - центр интервала допустимых и минимальных параметров

комфорта, описанных в таблице 2, £?0/г(£:) - состояние здание на данный

момент времени ( открыто/закрыто), пЬ - является ли рассматриваемый день

национальным праздником.

В исследуемых зданиях в системе АСКУЭ ЕсоБСАБА (www.ecoscada.com) из факторов, характеризующих уровень комфорта, доступна была только температура внутри помещения, поэтому настоящее исследование сосредоточено исключительно на уровне теплового комфорта.

1.3.1. Погодные условия

Автором были исследованы источники, предоставляющие информацию о погодных факторах. Данные о факторах можно разделить на

исторические, фактические и прогнозные. В зависимости от поставщика данных, данные могут обновляться с различным временным интервалом, либо через равные промежутки времени. Как правило, данные поступают с метеостанций, чаще всего располагаемых в аэропортах. Прогноз факторов создается метеорологическими службами с помощью моделей изменения климата[12]. Сравнительная информация по различным источникам погодных данных отображена в таблице 5.

Таблица 3

Информация о погодных факторах с различных источников данных

Источник и данных Измеряемые факторы Обновле ние на сервере Количест во значений в день формат

NOAA Архивные Температура (°С), скорость ветра (м/с), порывы ветра (м/с), давление (Па), видимость, осадки 2 FTP

NOAA измеряем ые Температура (°С), точка росы, влажность (%), направление ветра (°), скорость ветра (м/с), порывы ветра(м/с), давление (Па), видимость, облачность Каждый час 24 Kmz

Weatherco m Прогноз 24 часа Температура (°С), облачность, температура ощущения (°С), возможность осадков, влажность(%), скорость ветра (м/с), направление ветра (°), время восхода и заката солнца. Каждые 24 часа 24 Html страни ца

Weatherco m Прогноз 48 часов Температура (°С), температура ощущения, облачность(%), шанс осадков(%), влажность (%), скорость (м/с) и направление ветра (°), время восхода и заката солнца Каждые 12 часов 8 Html страни ца

Weatherco m Прогноз 9 дней Возможность осадков (%), скорость (м/с) и направление ветра (°), влажность (%), минимальная и максимальная температура (°С). Каждые 12 часов 2 Html страни ца

MSN Фактичес кие Давление(Па), скорость ветра (м/с), точка росы (°С), время восхода и заката, влажность, видимость(%), осадки Каждый час 24 Html страни ца

msn прогноз 24 часа Температура (°С), осадки Каждые 3 часа 8 Html страни ца

msn Минимальная температура (°С), максимальная температура (°С), осадки Каждые 24 часа 1 Html

пргноз 5 дней страни ца

WU прогноз Осадки (тип), температура (°С), скорость ветра (м/с), время восхода и заката солнца, давление (Па), видимость(%), облачность(%), точка расы (°С), направление и скорость ветра, порывы ветра (м/с), ультрафиолетовое излучение (кВт/м2) Каждый час 24 API

Meteoswis S Осадки (тип), температура (°С), скорость ветра(м/с), время восхода и заката солнца, давление (Па), видимость(%), облачность(%), точка расы, направление и скорость ветра (м/с), порывы ветра, ультрафиолетовое излучение (Вт/м2) Каждые 3 часа 24 API

Норвежек ий метеорол огический институт Осадки (%), температура (°С), скорость ветра (м/с), время восхода и заката солнца, давление, видимость, облачность, точка расы, направление и скорость ветра (м/с) Каждый час 24 Html страни ца

Soda-is Измеренн ые данные Облачность (%), солнечная радиация (кВт/м2), усредненная солнечная радиация для выбранного дня (кВт/м2). Каждые 24 часа 24 API

Каждый источник метеорологических данных предоставляет разные наборы факторов погоды, доступных для использования. Выделяется несколько факторов, встречающихся практически во всех источниках: температура воздуха, точка росы, влажность, направление ветра, скорость ветра, давление, видимость и облачность.

Точность прогноза погоды зависит от горизонта прогнозирования и расстояния до анализируемого объекта. Интервал между измерениями увеличивается в зависимости от горизонта прогноза, например, на ближайшие 24 часа доступен прогноз погоды на каждый час, на 48 часов -прогноз на каждые три часа. Для недельного прогноза доступна только средняя температура дня и ночи.

В исследовании были использованы данные исторических погодных данных NOAA, данные солнечной радиации soda-is, упреждающие факторы Weather Underground и Норвежского метеорологического института[41].

Для получение этих данных были разработаны программы, скачивающие информацию с серверов по расписанию.

Для увеличения точности прогноза погоды и уменьшения ошибки, связанной с расстоянием между зданием и местом, для которого строился прогноз, используется усреднение факторов погоды с различных источников и применение фильтра Калмана [42] [43]. Данный метод позволяет сократить ошибку между измеренными значениями и прогнозируемыми до 30%[44].

1.4. Сбор и обработка данных

Измеренные данные записываются в базе данных и используются в системах коммерческого учета энергии (АСКУЭ). На сервере АСКУЭ информация приводится к одному формату и становится доступна для визуализации и создания отчетов. По историческим данным определяются зависимости между показаниями разных датчиков, проводится планирование расходов энергии в здании, отслеживается измерение уровня комфорта и т.д. Интерфейс АСКУЭ системы ЕсоБСАОА отображен на рисунке 3.

WNKl<wmr

-

«««

#*ftm Ti-

ipt* *j e«2ss«

Cuetaww» Cu*r

"T I

Id'

tun cu»>e&uie BssiKsin »«Mt

¿EJ

ммагаоченю І | ^лоо | ««натаяв

0МШНИ2Ю МНгЯОНМИМ

| м »»« 1«ЫЬф*/1_ПП-Ж1І-П-ОТ1 ШіУЧ е >■!

АСТ10*; ШИЛТс «¡г* МХТ»' Є>ШІВ<МІ>1 I 0».у I То« »«»V '

Тшйишй* 115*1 кЛП

Ш1!-«^»' »'.»Ч^^ЛЧГ».»!! ««в* '»І*-».....'ііі'

......_ ___ _______ і

Рисунок 3 - Пример интерфейса автоматизированной системы

коммерческого учета энергии (www.ecoscada.com).

Как правило, АСКУЭ являются системами сбора данных и реализуют элементы поддержки принятия решений, однако, не предоставляют возможности активного энергосбережения. Также при работе подобные системы редко используют факторы погоды.

В последнее время увеличилось количество АСКУЭ, представленных на рынке. Автор имел опыт работы со следующими системами: SunSolutionsS, VanBeek, EnergyTracking, EcoSCADA, NetBiter, Google Power Meter и Kegems. На рисунке 4 показана архитектура типичной АСКУЭ.

mm,жмлтіт

_ ^ іmmm& усткмоаотмьаовмим fej 4--

ГЛІ

злисімчюяо

тіщ о

(J) GCOSCADA

~ ютм

t .і

[0

ПОПАКАЖИА

ifPM* —»

»ЗАДАННЫХ

Рисунок 4 - Принципиальная схема работы АСКУЭ

Устройства сбора и передачи данных (УСПД) служат в качестве шлюза между физическими измерениями и базой данных АСКУЭ. УСПД подключается к датчикам, измеряющим процессы в здании, считывает их показания каждый фиксированный интервал времени и отправляет их на сервер через доступные каналы связи. УСПД могут работать как в режиме сбора данных, так и управлять технологическими процессами в здании (климатическим оборудованием). УСПД могут быть программируемыми и непрограммируемыми, работающими только в качестве шлюза между датчиками, установленными в здании и серверами АСКУЭ. Связь устройства с сервером может осуществляться как по проводным каналам связи (Ethernet, RS232), так и по беспроводным (GPRS, Wifi). Сравнительный анализ УСПД показан в таблице 4.

Таблица 4

Сравнительный анализ устройств сбора и передачи данных

Взаимодействие с сенсорами Входы/выходы взаимодействие с сервером Настройки

Имя Шлюз (Активный/ пассиыный) Выталк ивание данных (Push) Вытягивание данных(Ри11) Аналоговые входы\выходы _ Серийный порт и цр. Ethernet cable Настраиваемость Программируемо сть Комментарии

Журналир ование Ьобытия

NPE MODBUS А X X X 232/485 X X X (Linux)

ТВОХ А X X X 232/485 X X X

Energytracking А X X X X

POSEIDON А X X X X (опционально) X

GRD А X X X X X

ТС9 А X X X 232 X X X X (язык С) Разработано собственное ПО для взаимодействия с сервером

EKOPOWER А X X X 232 X X X

DT85 А X X X 232/485/42 2 X X x(Windows) Выход [«232

COMTECH А X X X 232 X X

CADIS А X X X 232 X X Встроенный модуль

SPIDER А X X 232/485 X X x(Linux)

WS10 А X X X 232/485 X X X

NETBITER (webscada) А X X 232/485 X X X Закрытая, связь через Netbiter.net

NETBITER Р X x(input) X X X

MERLIN GERIN А X 232/485 X X События (цифровой вход)

CORONIS WAVEGATE А X X (wireless Wavenis) X X x(Windows)

MAControl А X X X X X X X X Самая низкая стоимость на рынке

1.5. Подходы к повышению энергетической эффективности зданий

Экономические затраты на поддержание уровня комфорта в здании могут быть уменьшены благодаря улучшению теплоизоляции здания, замене отопительного оборудования на более современное, оптимизации методов управления существующими СКК.

Мероприятия по повышению теплоизоляции, проведению капитального ремонта жилых помещений, утеплению мест общего пользования, использование более эффективных газовых котлов являются эффективными, но обладают высокими первоначальными затратами и длинным сроком возврата инвестиций. Данное положение дел является серьезным барьером при выполнении мероприятий по повышению энергетической эффективности зданий.

По данным исследования [45] 40 % энергии каждого здания расходуется на поддержание уровня температурного комфорта в СКК. Экономическая эффективность СКК без понижения уровня комфорта может быть повышена от 20 до 40% за счет учета упреждающих факторов погоды[46]. Как правило, алгоритмы управления СКК не обновляются после установки системы в здании. Именно в аспекте модификации алгоритмов управления СКК заложен высокий потенциал повышения энергоэффективности.

Управление установленных СКК может быть улучшено за счет метода супервизорного управления, позволяющего модифицировать существующие СКК. Результативность энергоэффективных проектов может быть оценена с помощью следующих показателей:

1) экономические затраты на энергопотребление;

2) отклонение от установленного уровня комфорта;

3) критерии эффективности инвестиций.

1.5.1. Оценка уровня энергосбережения

Для оценки снижения экономических затрат при выполнении энергосберегающих проектов используются методы, описанные в протоколе международных измерений и верификации ассоциации EVO [47]. Повышение уменьшения потребления газа может быть измерено на основе сравнения данных об энергопотреблении до и после применения энергоэффективных мер.

Рисунок 4 - Пример расчета экономической эффективности (Источник[47])

На рисунке 4 отображено потребление газа в котле до и после выполнения проекта по повышению энергоэффективности. Энергетический эффект выполнения проекта может быть определен неверно, если изменились дополнительные факторы в здании, поэтому для правильного расчета влияния

проведенных мер необходимо отделить эффект проведения мероприятия от независимых процессов, влияющих на энергопотребление.

Для определения эффективности мероприятий, направленных на повышение энергетической эффективности, необходимо определить, сколько энергии ежедневно использовалось до внедрения и после внедрения соответствующих мер. Энергосбережение может быть рассчитано как разница прогнозного энергопотребления и фактического потребления за выбранный период:

Savings = (Ebase — Efact) ± Influence of Factors (3)

где savings - экономия энергии, Ebase - прогнозируемое потребление энергии до выполнения мероприятий по повышения энергоэффективности, Еfact -фактическое энергопотребление после проведения мероприятий, Influence of Factors - влияние внешних факторов на изменение энергопотребления.

Для определения прироста эффективности отопления оценивается энергопотребление в прошлом с такими же погодными условиями и сравнивается с фактическим энергопотреблением. Для исключения влияния погодных условий используется нормализация по градусо-суткам отопления [37,48,49]. Прирост энергоэффективности может быть оценен только в том случае, если целевой уровень теплового комфорта находится в интервале целевых температур.

1.5.2. Оценка экономической эффективности

Мероприятия по повышению эффективности алгоритмов управления в здании являются проектом, требующим инвестиций. Результативность инвестиций оценивается с помощью показателя эффективности владения активом, который является отношением прибыли, полученной за период

владения активом к величине осуществленной инвестиции и рассчитывается по формуле:

= Тп=іУпа5 * БаУіпдЯі (4)

Ро

где I - количество лет выполнения проекта; Бауіпд8{: - количество газа, сэкономленного за год п; р^а5 - цена на газ в год п; Р0 - первоначальная стоимость инвестиций.

1.5.3. Оценка экологического эффекта проекта

При производстве энергии выделяется углекислый газ в количестве, соответствующем типу источника энергии. В таблице 5 сравниваются выбросы углекислого газа полного цикла производства и потребления различных видов энергии: атомной, энергии воды, сжигания угля, газа, использования солнечных батарей и ветряных станций.

Таблица 5

Выбросы углекислого газа в граммах на каждый произведенный и использованный кВт ■ ч.

Тип источника энергии Количество выбросов килограмм на кВт • ч

Уголь 0,8 to 1,050

Газ 0,430 (среднее значение)

Ядерная энергия 0,006

Гидроэнергия 0,004

Сжигание дерева 1,500

Энергия солнца 0,150

Энергия ветра 0,022

Источник: по материалам [28]. Уменьшение выбросов углекислого газа в атмосферу может быть выражено следующей формулой:

Reductions с о2 = savings * emissi0nsfuel type (кг в год) (5) где savings - снижение энергопотребления за выбранный год в кВт*ч; emissi0nsfuei type - количество грамм эмиссии углекислого газа на 1 кВт*ч.

1.6. Результаты и выводы по главе 1

В первой главе определена задача повышения энергоэффективности зданий при поддержании целевого уровня комфорта, приведено обоснование необходимости учета упреждающих факторов погоды в системах контроля климата.

1. Определена задача энергоэффективности зданий при сохранения целевого уровня комфорта.

2. Рассмотрены стандарты поддержания уровня комфорта в здании.

3. Определены факторы, влияющие на энергобаланс в здании.

4. Определены методы сбора и обработки данных для анализа факторов, влияющих на здание.

5. Определены подходы к повышению энергетической эффективности зданий.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Тюков, Антон Павлович

4.3. Основные результаты и выводы по главе 4

В четвертой граве представлены результаты применения разработанного метода на экспериментальных данных со здания, расположенного в голландском городе Эйндховен, доказана эффективность предложенного метода, представлена архитектура системы супервизорного управления СКК.

1) Результаты экспериментов показали, что использование метода супервизорного управления позволит сократить время работы системы контроля климата и повысить уровень комфорта в здании за счет сокращения времени работы здания.

2) Разработана интеграция разработанного метода супервизорного управления с СКК, которая позволит применить разработанный метод на практике.

3) Разработано и внедрено программное и аппаратное обеспечение клиентской части автоматизированной системы супервизорного управления, позволяющее собирать информацию с датчиков, подключенных к системам контроля климата и отключать работу системы контроля климата.

4) Разработано и протестировано программное и аппаратное обеспечение серверной части автоматизированной системы супервизорного управления, выполняющую метод супервизорного управления СКК на практике, на основе данных с датчиков, расположенных в здании, и прогноза погоды.

5) Проанализирована система обмена данными между клиентской и серверной частью автоматизированной системы управления. Было решено использовать онлайн-файловое хранилище БгорВох, как наиболее простой, оперативный и безопасный способ обмена данными.

6) Рассмотрен экономический эффект от применения метода на примере экспериментальной установке, расположенной в г. Эйндховен.

ЗАКЛЮЧЕНИЕ

В работе выполнен системный анализ факторов, влияющих на энергетический баланс в здании и уровень теплового комфорта, определены средства получения данных, определены характеризующие факторы, влияющие на здание. Системный анализ факторов позволил определить потенциал повышения эффективности зданий - за счет алгоритмов управления системами контроля климата, использующих упреждающие факторы погоды.

Создана классификация типов и анализ методов управления существующих систем контроля климата (СКК) (метод управления, основанный на правилах, метод оптимального старта, управление с прогнозирующими моделями), определен потенциал повышения эффективности существующих методов управления - за счет использования упреждающих факторов погоды. Определено, что встроенные в СКК алгоритмы управления не модифицируются после установки системы в здании. На основе проведенного анализа было предложено использовать супервизорный подход к управлению системами контроля климата для повышения эффективности работы эксплуатируемых СКК.

Автором разработаны:

1) Метод супервизорного управления СКК на основе прогнозирующих моделей; сформирована модель изменения уровня теплового комфорта на основе нейронных сетей с использованием исторических данных и упреждающих факторов погоды: температуры внутри помещения, календаря работы здания, температуры на улице, влажности, солнечной радиации, направления и скорости ветра; разработан метод формирования управляющих воздействий для сокращения времени работы системы контроля климата на основе генетического алгоритма.

2) Получены результаты экспериментальных исследований, проведенных на основе данных о тепловом комфорте и потреблении энергии, а так же упреждающих факторов погоды для здания площадью 3080м2, расположенного в городе Эйндховен (Голландия). Произведен анализ результатов исследования различных дней, доказан ежегодный прирост эффективности управления системой контроля климата до 30%.

3) Разработана и внедрена автоматизированная система супервизорного управления, позволяющая применить предложенный метод на практике.

4) Доказана практическая значимость разработанного метода на основе анализа энергопотребления в системах контроля климата в 30 зданиях, расположенных в Голландии.

Научная новизна теоретических положений и результатов экспериментальных исследований, полученных автором, состоит в разработке метода супервизорного управления системами контроля климата на основе прогнозирующих моделей, включающих в себя формирование модели здания как объекта управления, формирование управляющих воздействий для сокращения работы СКК.

Разработанные теоретические положения и новые технические решения опробованы экспериментально. Исследования проводились на экспериментальной базе волгоградского государственного технического университета и Компании Порта Капена.

Список литературы диссертационного исследования кандидат технических наук Тюков, Антон Павлович, 2013 год

Список использованных источников

1. Ma J. et al. Demand reduction in building energy systems based on economic model predictive control // Chemical Engineering Science. 2012. Vol. 1, № 67. P. 92-100.

2. Doing more with less. Green Paper on energy efficiency. Luxembourg: European comission, 2005. P. 51.

3. Ostrowski H.C.G. Unlocking energy efficiency in the U.S. economy. 2009. P. 165.

4. Aduda K.O. Optimization of HVAC systems for energy efficiency in public buildings // Chemistry & .... University of Witwatersrand, 2009. P. 171.

5. Kaisa S. Weather forecast controlled heating. Berlin, 2008. P. 14.

6. Opticontrol C.C. Final report use of weather and occupancy forecasts for optimal building. Zurich, 2010. № July. P. 34.

7. Oldewurtel F. et al. Energy efficient building climate control using stochastic model predictive control and weather predictions. 2010. P. 5100-5105.

8. Bemporad A., Morari M. Robust model predictive control: A survey // Robustness in identification and control. 1999. P. 207-226.

9. Fong K.F., Hanby V.I., Chow T.T. HVAC system optimization for energy management by evolutionary programming // Energy and Buildings. 2006. Vol. 38, №3. P. 220-231.

10. Hazyuk I., Ghiaus C., Penhouet D. Optimal temperature control of intermittently heated buildings using Model Predictive Control: Part II-Control algorithm // Building and Environment. 2012. № 51. P. 388-394.

11. Yasuo Utsumi, Ken Hatakeyama, Kazuyuki Kamimura. Feed-forward air-conditioning control using a weather forecasting data in school building in heating season // Building Simulation ,12th Conference of International Building Performance Simulation Association. Sydney, 2011.

12. Gyalistras D., Division B.T. Use of weather and occupancy forecasts for optimal building climate control ( OptiControl ): two years progress report. Zurich, 2009. № September. P. 166.

13. Bergs J. The effect of healthy workplaces on the well-being and productivity of office workers. Amersfoort, 2010. P. 1-12.

14. Fisk W.J., Faulkner D., Berkeley L. Cost benefit analysis of the nighttime ventilative cooling in office building. Berkley, 2003. P. 1-6.

15. 7730 I. Ergonomics of the thermal environment — Analytical determination and interpretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria. 2005. Vol. 3.

16. Lomas K.J., Giridharan R. Thermal comfort standards, measured internal temperatures and thermal resilience to climate change of free-running buildings: a case-study of hospital wards // Building and Environment. Elsevier Ltd, 2011.

17. Popiolek Z. CONTROL STRATEGIES FOR HVAC SYSTEMS. Silesa, 2011. P. 11.

18. Albert T.P., Control A., Sketch B. Automation and control of HVAC systems // Life Support Systems. Vol. XVIII. Control systems, robotics and automation, 2008. Vol. XVIII. P. 41.

19. Goyal S., Barooah P. A method for model-reduction of non-linear thermal dynamics of multi-zone buildings // Energy and Buildings. Elsevier B.V., 2012. Vol. 47. P. 332-340.

20. Crawley D.B. Which weather data should you use for energy simulations of commercial buildings? // Transactions-american society of heating refrigerating and air conditioning engineers. 1998. Vol. 104. P. 498-515.

21. CISBE. Degree-days: theory and application. London, 2006. P. 106.

22. Gongsheng Huang, Arthur L. Dexter. Realization of robust nonlinear model predictive control by offline optimisation // Journal of Process Control. Journal of process control, 2008. № 18. P. 431^38.

115

23. Privara S. et al. Model predictive control of a building heating system: The first experience // Energy and Buildings. 2011. Vol. 43, № 2. P. 564-572.

24. Wallace M. et al. Energy efficient model predictive building temperature control // Chemical Engineering Science. 2012. Vol. 68. P. 45-58.

25. Wang S., Jin X. Model-based optimal control of VAV air-conditioning system using genetic algorithm // Building and Environment. 2000. Vol. 35, № 6. P. 471-487.

26. Kumar M., Kar I.N. Non-linear HVAC computations using least square support vector machines // Energy Conversion and Management. Elsevier Ltd, 2009. Vol. 50, №6. P. 1411-1418.

27. Гост 27751-88: Надежность строительных конструкций и оснований. Москва, 2010. Р. 24.

28. EVO. International Performance Measurement & Verification Protocol: Concepts and Options for Determing Energy and Water Savings. Argonne National Lab., Lemont, 111., 2002. Vol. 3. P. 58.

29. Тихомолов A.K. T.B. К вопросу об экономии тепловой энергии при возможности сокращения «перетопа» систем отопления потребителей // Инженерные системы. 2009. Vol. 3. Р. 75-86.

30. BERTAGNOLIO S., LEBRUN J. Use of a global Building-HVAC system model for Audit // Commissioning and Auditing of Buildings and HVAC Systems. Liege: Thernodynamics Laboratory, University of Liege, 2008. P. 341— 352.

31. Edlund K., Bendtsen J.D. Hierarchical model-based predictive control of a power plant portfolio // Control Engineering Practice. 2011. № 19. P. 11261136.

32. Unified facilities criteria (UFC) heating , ventilating , and air conditioning (HVAC) control systems. Savannah, GA, USA, 2007. № May 2003. P. 454.

33. Mustafaraj G., Lowry G., Chen J. Prediction of room temperature and relative humidity by autoregressive linear and nonlinear neural network models for an open office // Energy and Buildings. Elsevier B.V., 2011. Vol. 43, № 6. P. 14521460.

34. Kumar A., Singh I., Sud S. Thermal Comfort Feelings Assessment Based on Digital Signal Processor // International Journal of Recent Trends in Engineering. 2009. Vol. 1, № 5. P. 305-309.

35. Atthajariyakul S., Leephakpreeda T. Neural computing thermal comfort index for HVAC systems // Energy conversion and management. 2005. Vol. 46, № 15. P. 2553-2565.

36. Wan K.K.W. et al. Impact of modelled global solar radiation on simulated building heating and cooling loads // Energy Conversion and Management. Elsevier Ltd, 2009. Vol. 50, № 3. P. 662-667.

37. Design B. Energy efficient building desing - Internal heat gains (IHG) // Energy Efficient Building Design. Chicago, 2003. Vol. 551. P. 1-10.

38. Lou W. et al. Experimental and zonal modeling for wind pressures on double-skin facades of a tall building // Energy and Buildings. Elsevier B.V., 2012. Vol. 54. P. 179-191.

39. Detlef Westphalen, Koszalinski S. Energy Consumption Characteristics of Commercial Building HVAC Systems Volume I: Chillers, Refrigerant Compressors, and Heating Systems. National Renewable Energy Laboratory, 2001.

40. Westphalen D., Koszalinski S. Energy Consumption Characteristics of Commercial Building HVAC Systems. Volume II: Thermal Distribution, Auxiliary Equipment, and Ventilation // Arthur D. Little Inc (ADLI). 1999. Vol. 20. P. 3374500.

41. Brooks H.E., Witt A., Eilts M.D. Verification of public weather forecasts available via the media // Bulletin of the American Meteorological Society. 1997. Vol. 78, № io. P. 2167-2178.

42. Morari M. Building management - Weather forecasts enhance comfort and save energy. Zurich, 2008. P. 1-26.

43. Zavala V.M.V.M. et al. On-line economic optimization of energy systems using weather forecast information // Journal of Process Control. 2009. Vol. 19, № 10. P. 1725-1736.

44. Fazio P., Zmeureanu R., Kowalski A. based system as an advisor to configure HVAC systems // Computer-aided design. 1989. Vol. 21, № 2. P. 79-86.

45. Xu M., Li S., Cai W. Practical Receding-Horizon Optimization Control of the Air Handling Unit in HVAC Systems // Industrial & Engineering Chemistry Research. 2005. Vol. 44, № 8. P. 2848-2855.

46. Organization E. valuation. International Performance Measurement and Verification Protocol: Concepts and Options for Determining Energy and Water Savings Volume 1. 2012. Vol. 1, № January. P. 143.

47. Roth K.W. et al. Residential Miscellaneous Electric Loads: Energy Consumption Characterization and Savings Potential. Cambridge, MA: Prepared for the Building Technologies Program, GS-23F-0064L, Cambridge, MA, 2002. P. 281.

48. Roth K.W. et al. The Energy Impact of Faults in US Commercial Buildings // International Refrigeration and Air Conditioning Conference. Purdue: School of Medical Engineering, 2004. P. 600-609.

49. Buildings and their Impact on the Environment: A Statistical Summary. US Department of Energy, 2009. P. 100-107.

50. Macek K., Marík K. A methodology for quantitative comparison of control solutions and its application to HVAC (heating, ventilation and air conditioning) systems // Energy. 2012. P. 1-9.

51. Chamberlin G.A. et al. Standard HVAC Control Systems Commissioning and Quality Verification User Guide. Champaign, IL, 1994. P. 127.

52. Wong S.L., Wan K.K.W., Lam T.N.T. Artificial neural networks for energy analysis of office buildings with daylighting // Applied Energy. Elsevier Ltd, 2010. Vol. 87, № 2. P. 551-557.

53. Zhou H., Rao M. Contributed Paper Knowledge-based Automation for Energy Conservation and Indoor Air Quality Control in HVAC Processes. 1993. Vol. 6, №2. P. 131-144.

54. North Z., South Z. 892 Optimum Start/Stop Program BPS. 2000. P. 25.

5 5. Ronald Richard Rayburn. US patent HVAC start-up control system and method: letter US 7,099,748 B2 USA. USA patent office, 2006. P. 9.

56. Е.И.Веремей. Введение в задачи управления на основе предсказаний [Online]. URL: http://matlab.exponenta.ni/modelpredict/bookl/0.php (accessed: 05.02.2012).

57. Liao С., Barooah P. An integrated approach to occupancy modeling and estimation in commercial buildings // American control conference. Baltimore, MD, USA, 2010. P. 3130-3135.

58. Dones I. et al. Nonlinear Model Predictive Control: A Self-Adaptive Approach // Industrial & Engineering Chemistry Research. 2010. Vol. 49, № 10. P. 4782-4791.

59. Kalman R.E. A New Approach to Linear Filtering and Prediction Problems 1 // Transactions of the ASME-Journal of Basic Engineering. 1960. Vol. 82, № Series D. P. 35-45.

60. Oldewurtel F. et al. Use of model predictive control and weather forecasts for energy efficient building climate control // Energy and Buildings. 2012. Vol. 45. P. 15-27.

61. Stauch V. et al. Weather forecasts , observations and algorithms for building simulation and predictive control Contributions by Meteo Swiss for the 3 rd year of OptiControl Authors : Zurich, 2010. P. 15.

62. Oldewurtel F. Stochastic Model Predictive Control for Energy Efficient Building Climate Control. ETH Zurich, 2011. № 19908. P. 189.

63. Wemhoff A.P. Application of optimization techniques on lumped HVAC models for energy conservation // Energy & Buildings. Elsevier B.V., 2010. Vol. 42, № 12. P. 2445-2451.

64. Nassif N., Moujaes S., Zaheeruddin M. Self-tuning dynamic models of HVAC system components // Energy and Buildings. 2008. Vol. 40, № 9. P. 17091720.

65. Wang S., Zhou Q., Xiao F. A system-level fault detection and diagnosis strategy for HVAC systems involving sensor faults // Energy and Buildings. Elsevier B.V., 2010. Vol. 42, № 4. P. 477-490.

66. Raja I. a et al. Thermal comfort: use of controls in naturally ventilated buildings // Energy and Buildings. 2001. Vol. 33, № 3. P. 235-244.

67. Mui K.W.H., Chan W.T.D. Adaptive comfort temperature model of air-conditioned building in Hong Kong // Building and Environment. 2003. Vol. 38, № 6. P. 837-852.

68. Indraganti M. Using the adaptive model of thermal comfort for obtaining indoor neutral temperature: Findings from a field study in Hyderabad, India // Building and Environment. Elsevier Ltd, 2010. Vol. 45, № 3. P. 519-536.

69. Hernández M.A., Stolfo S.J. Real-world data is dirty: Data cleansing and the merge/purge problem // Data mining and knowledge discovery. Vol. 2, № 1. P. 9-37.

70. Najjaran H., Goldenberg A. Real-time motion planning of an autonomous mobile manipulator using a fuzzy adaptive Kalman filter // Robotics and Autonomous Systems. 2007. Vol. 55, № 2. P. 96-106.

71. Jokl M., Kabele K. The substitution of comfort PMV values by a new experimental operative temperature // Electronic proceedings of Clima. 2007. № 7. P. 8.

72. Hyndman R.J. Another look at forecast-accuracy metrics for intermittent demand // Foresight: The International Journal of Applied Forecasting. Vol. 4. P. 43-46.

73. Energy & Oil Prices: Natural Gas, Electricity and Oil - Bloomberg [Online]. URL: http://www.bloomberg.com/energy/ (accessed: 15.01.2012).

74. Nolte I., Strong D. Europe's buildings under the microscope. 2011. P.

132.

75. Davis B. Energy & Environment Consumer Survey Consumer Attitudes and Awareness about 12 Energy & Environmental Concepts // Pike Research. 2011.

ПРИЛОЖЕНИЕ А - ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ КОММЕРЦИАЛИЗАЦИИ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

Европейские потребители делают серьезный упор на снижение энергопотребления. Это связано с двумя факторами:

1. Стоимость газа в Европе составляет $1 за кубический метр и постоянно растет, из-за чего затраты на отопление составляют существенную часть бюджета здания.

2. Европейские клиенты серьезно обеспокоены вопросом сохранения окружающей среды и во многих случаях готовы платить за энергоэффективность. В данном случае репутация компании как энергоэффективной и применяющей передовые технологии может иметь существенный вес при принятии решения.

3. В Европе и США проводится широкий ряд правительственных мероприятий по повышению энергоэффективности. Некоторые подобные мероприятия проводятся так же и в России.

4. Растет энергетическая грамотность населения развитых стран, в связи с чем энергоэффективные решения приобретают все более серьезную популярность среди населения.

Аналитики группы Pike Research выделяют среди ТОП-10 трендов отрасли энергосбережения в коммерческом секторе следующие: 1) развитие облачных сервисов; 2) развитие кооперации между различными системами энергосбережения; 3) точечное приобретение компаний, предоставляющих энергосберегающие сервисы, крупными игроками; 4) переход к автоматическому управлению энергопотоками; 5) моделирование информации о зданиях; 6) счетчики энергии находят дополнительное применение в энергосбережении.

Таким образом, описываемый проект является технологически современным и соответствует основным трендам развития отрасли.

ПРИЛОЖЕНИЕ Б - АНАЛИЗ КОНКУРЕНТОВ И ПРОДУКТОВ-ЗАМЕНИТЕЛЕЙ

Конкурентный анализ показал наличие трех конкурентов на рынке на рынка Европы: Rigin, Wisepro OY, MediaViva, DAYCON, Болид.

Финская компания Wisepro YO, разработавшая технологию повышения энергоэффективности жилых зданий при помощи прогноза погоды, в августе 2012 года была выкуплена строительным концерном Lemminkainen. Сумма сделки не разглашается. Целью покупки компании, по заявлению концерна, является интеграция наработок Wisepro YO в бизнес Lemminkainen для повышения энергоэффективности собственных зданий и зданий клиентов.

Немецкая компания MeteoViva, осуществляющая исследования в аналогичном направлении, договорилась о внедрении своих разработок в центральном европейском банке. Результаты данного внедрения пока не известны. Компанией произведены ряд пилотных проектов, показавшие повышение энергоэффективности от 20 до 40%.

Компания Regin Control запустила в производство серию термостатов, использующих прогноз погоды для "обмана" системы отопления и предоставления ей данных, опережающих реальные внешние условия. Разработка была запущена в производство в 2009 году, однако, по состоянию на данный момент, на рынке так и не была представлена. Для повышения эффективности управления СКК специалисты из компании Egain предлагают заменять датчики, установленные к системе контроля климата в здании на устройства, позволяющие адаптироать температуру внутри помещения с учетом упреждающих параметров погоды. С помощью предложенной методики датчик температуры был заменен на датчик эквивалентной температуры, позволяющий повысить эффективность управления комфортом внутри помещения[5].

ПРИЛОЖЕНИЕ В - ОПИСАНИЕ ЭКСПЕРИМЕНТАЛЬНОЙ УСТАНОВКИ

Клиент-серверная автоматизированная система супервизорного управления была установлена в офисном здании площадью 3080 м2, расположенном в городе Эйндховен. Фотография фасада здания изображена на рисунке Рисунок . За 2009 - 2011 годы среднее ежегодное потребление газа в системе отопления составило 79 440 м3.

Рисунок 66 Фотография фасада здания с установленной СКК

Данные собирались с датчика расхода газа, подключенного к системе контроля климата в здании и с 7-ми датчиков температуры в здании. В здании была установлена система контроля климата Priva. Здание работало по расписанию в будние дни и было закрыто на выходных. Целевой уровень комфорта во всех помещениях здания был установлен на 21 градус.

Метеорологические данные собирались для города Эйндховен со следующих источников: NOAA, Норвежский метеорологический институт. На рисунке Рисунок изображена система контроля климата, на рисунке 59 изображена фотография клиентской части системы супервизорного управления СКК.

Рисунок 67 - Фотография блока управления системы контроля климата

Рисунок 68 - Клиентская часть автоматизированной системы супервизорного

управления СКК

Рисунок 69 - Система подключения к системе СКК

ПРИЛОЖЕНИЕ Г - ГРАМОТЫ И НАГРАДЫ

Автор докладывал результаты исследований на следующих основных научно-практических мероприятиях:

1. Финале российского конкурса молодежных инновационных проектов «Зворыкинский проект» (Номинация «Инновационный проект», 2012).

2. Международной инвестиционной встрече 8еес1Рогит, прошедшей в г. Сколково в декабре 2012г.

3. Программа поддержки молодых программистов ИТ-Старт-2012 (Получено финансирование проекта в размере 100 ООО рублей).

4. 13-я международная конференция по информационной интеграции и веб-ориентированным технологиям (Хошеминь, Вьетнам, 2011)

5. 14-й международная конференция по информационной интеграции и веб-ориентированным технологиям ( о. Бали, Индонезия, 2012)

6. По итогам 2012 года проект получил финансовую поддержку министерства образования и науки российской федерации федеральным агентством по делам молодежи «Рос молодежь» в размере 300 000 рублей.