استفاده از یادگیری ماشین و هوش مصنوعی در طراحی و عملکرد ساختمان های هوشمند: بهبود کارایی انرژی، راحتی کاربران و کیفیت داخلی

سهم بالای مصرف انرژی در ساختمان ها و متعاقب آن افزایش انتشار گازهای گلخانه ای در کنار قوانین سخت گیرانه تر، محققان را بر آن داشته است تا به دنبال راه حل های پایدار برای کاهش مصرف انرژی با استفاده از منابع انرژی تجدیدپذیر جایگزین و بهبود کارایی در این بخش باشند.مصرف انرژی در بخش ساختمان ها، به ویژه در ساختمان های مسکونی، به دلیل توسعه اجتماعی و شهرنشینی، بیشترین سهم را در میان تمام بخش های مصرف دارد. سیستم های اتوماسیون و کنترل ساختمان را می توان به استراتژی های کنترل سنتی و پیشرفته طبقه بندی کرد. استراتژی های سنتی انتخاب مناسبی برای ویژگی های پیچیده تر مورد نیاز در ساختمان های هوشمند نیستند.عواملی که تعیین کننده ی میزان مصرف انرژی در ساختمان هستند، شامل شرایط آب و هوایی و اقلیمی محل ساختمان، مواد و مصالح استفاده شده در پوسته و دیواره های خارجی ساختمان، نوع معماری و سازه ساختمان، تاسیسات مرکزی ساختمان (گرمایش، سرمایش، تهویه مطبوع و روشنایی) و لوازم و تجهیزات مصرف کننده (لوازم برقی و تجهیزات اداری) می باشند.استفاده بهینه و جلوگیری از هدررفتن امکانات و اقداماتی برای صرفه جویی و افزایش کارایی ساختمان، امری بسیار مهم است. در دهه های گذشته، تحقیقات در زمینه ساختمان ها از طریق داده های بزرگ، منابع محاسباتی قوی و الگوریتم های پیشرفته یادگیری ماشین انجام شده است و قدرت خود را در افزایش کارایی ساختمان نشان داده است. اخیرا، هوش مصنوعی و به طور کلی تکنیک های یادگیری ماشین به طور خاص در پیش بینی و عملکرد انرژی ساختمان نقش موثری داشته اند و می توانند در بهینه سازی مصرف انرژی، مدیریت و صرفه جویی در مصرف، و در نهایت ایجاد راحتی و آسایش نقش مهمی ایفا کنند. همچنین، تکامل سریع هوش مصنوعی و یادگیری ماشین قابلیت یادگیری و بهینه سازی ساختمان ها را تقویت کرده است. تحقیقات زیادی به کاربردهای خاص هوش مصنوعی و یادگیری ماشین در مراحل مختلف چرخه عمر ساختمان اختصاص داده شده است. با این حال، بررسی ها معمولا دیدگاهی خاص و فناورانه ارائه می دهند و به ادغام فناوری های هوشمند در سطح کل سیستم توجه نمی کنند. به ویژه، نقش عوامل هوش مصنوعی مستقل و محیط های آموزشی برای تقویت فرآیند یادگیری در محیط های پیچیده مورد بحث واقع نشده است.این مقاله یک بررسی است که توانایی ساختمان ها در یادگیری را با دیدی در سطح سیستم مورد بحث قرار می دهد و کاربردهای یادگیری ماشینی را بررسی می کند که تصمیمات مستقلی در مدیریت انرژی ساختمان اتخاذ می کنند. می-توان نتیجه گرفت که با استفاده از فرآیندهای یادگیری آغاز شده توسط هوش مصنوعی و با استفاده از محیط های آموزشی دیجیتال به عنوان پایگاهی برای یادگیری، سازگاری ساختمان ها با تغییرات پیش بینی نشده در سطح سیستم بهبود می باید. در این راستا، ادغام راه حل های سازگاری در بازه های زمانی کنترل سیستم های گرمایش، تهویه و تهویه مطبوع و همچنین مشارکت در بازار برق، بزرگترین پتانسیل را برای بهبود بهره وری انرژی در ساختمان ها ایجاد می کند.

Keywords:

ساختمان هوشمند , هوش مصنوعی , یادگیری ماشین