بهینه‌سازی چندهدفه مبتنی بر هوش مصنوعی راهکارهای بهسازی ساختمان برای افزایش تاب‌آوری در برابر گرما در فرانسه: رویکردی مبتنی بر هزینه، انرژی و آسایش حرارت

بهینه‌سازی چندهدفه مبتنی بر هوش مصنوعی راهکارهای بهسازی ساختمان برای افزایش تاب‌آوری در برابر گرما در فرانسه: رویکردی مبتنی بر هزینه، انرژی و آسایش حرارت

بهار سالاری1

1) فارغ التحصیل کارشناسی مهندسی عمران

کد IOI مقاله : ACCA-ACZHZB
محل انتشار : چهارمین کنگره بین المللی علوم، مهندسی و فن آوری های نو(secongress.com)
چکیده :
    افزایش فراوانی و شدت موج‌های گرمایی در اروپا، و به‌ویژه در فرانسه پس از تجربهٔ تلخ موج گرمای تابستان ۲۰۰۳ و رخدادهای مشابه در سال‌های اخیر، مسئلهٔ تاب‌آوری حرارتی بنای ساختمان‌ها را از یک موضوع فرعی به یک اولویت راهبردی در سیاست‌گذاری انرژی و ساخت‌وساز تبدیل کرده است. این پژوهش یک چارچوب بهینه‌سازی چندهدفهٔ مبتنی بر هوش مصنوعی برای انتخاب و ترکیب راهکارهای بهسازی ساختمان‌های موجود در بافت اقلیمی فرانسه ارائه می‌دهد که هم‌زمان سه هدف متعارض هزینهٔ سرمایه‌گذاری و بهره‌برداری، مصرف انرژی سرمایشی و گرمایشی، و آسایش حرارتی ساکنان را مورد توجه قرار می‌دهد. چارچوب پیشنهادی بر پایهٔ شبیه‌سازی دینامیک حرارتی ساختمان (با رویکردی مشابه ابزارهای EnergyPlus)، تلفیق داده‌های اقلیمی حال و آینده (سناریوهای دگرگونی اقلیم تا افق ۲۰۵۰ و ۲۱۰۰)، و کوپل‌سازی یک الگوریتم ژنتیک چندهدفهٔ نسل دوم غیرمسلط (NSGA-II) با شبکه‌های عصبی مصنوعی به‌عنوان ابرمدل جانشین (surrogate model) برای کاهش هزینهٔ محاسباتی طراحی شده است. راهکارهای بهسازی موردبررسی شامل مواد تغییرفازدهنده (PCM) در دیوارها و کف، سایه‌بان‌های پویا با کنترل زاویه، سامانهٔ مدیریت انرژی هوشمند (EMS) برای تهویهٔ طبیعی شبانه، و شیشه‌های کم‌گسیل با ضریب هدایت حرارتی پایین است. نتایج به‌دست‌آمده از یک مطالعهٔ موردی نمونه در سه اقلیم نمایندهٔ فرانسه (پاریس، لیون و مارسی) نشان می‌دهد که ترکیب بهینه‌شدهٔ این راهکارها می‌تواند شاخص درجهٔ گرمازدگی داخلی (IOhD) را تا بیش از ۹۰ درصد نسبت به وضعیت پایه کاهش دهد و در عین حال دورهٔ بازگشت سرمایهٔ اقتصادی معقولی را حفظ کند. جبههٔ پارتوی به‌دست‌آمده امکان تصمیم‌گیری چندمعیاره برای طراحان، مدیران ساختمان و سیاست‌گذاران را فراهم می‌آورد. این مقاله همچنین چالش‌های پیاده‌سازی، محدودیت‌های مدل‌سازی و مسیرهای پژوهشی آینده در حوزهٔ تاب‌آوری حرارتی مبتنی بر داده و هوش مصنوعی را مورد بحث قرار می‌دهد.

کلمات کلیدی : بهسازی ساختمان بهینه‌سازی چندهدفه هوش مصنوعی الگوریتم ژنتیک nsga ii مواد تغییر فازدهنده مدیریت انرژی هوشمند فرانسه