La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Optimization of HVAC control system strategy using two-objective genetic algorithm

Nassif, Nabil (2005). Optimization of HVAC control system strategy using two-objective genetic algorithm. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (6MB) | Prévisualisation

Résumé

Intelligent building technology for building operation, called the optimization process, is developed in this thesis. The optimization process, when installed in parallel with a building's central control system, will permit the optimal operation of HVAC systems. Using this proposed optimization process, the supervisory control strategy set points, such as supply air temperature, supply duct static pressure, chilled water supply temperature, supply C02 concentration (or minimum outdoor ventilation), reheat (or zone supply air temperature), and zone air temperature are optimized with respect to energy use and thermal comfort.

The multi-objective genetic algorithm that is developed and validated using mathematic and simplified HVAC system problems is used to solve the optimization problem. Detailed VAV components are developed and validated against the monitored data of the investigated existing HVAC system. Adaptive VAV component models using artificial neural networks are also developed for working with most existing building energy management control systems.

A ventilation control strategy using supply CO2 concentration set points is developed and integrated into the optimization process. The strategy allows the on-line control of the outdoor air in response to actual building occupancy while ensuring the ventilation requirements of each individual zone.

The optimization of the existing HVAC system is done for the three different weather weeks taken from July 2002, February 2003, and May 2003. The simulation results show that by comparing actual and optimal energy use, the on-line implementation of the optimization process could save energy by 19.5%, 50%, and 40%, respectively, while satisfying minimum zone airflow rates and zone thermal comfort. It also shows that the application of a two-objective optimization problem could help control daily energy use or daily building thermal comfort while providing further energy use savings as compared to the one-objective optimization problem.

Titre traduit

Optimisation multicritère de la stratégie de contrôle des systèmes CVCA utilisant les algorithmes génétiques

Résumé traduit

Une méthode d'optimisation multicritère de l'opération des systèmes CVCA, appelée «procédure d'optimisation» est développée. La procédure d'optimisation fonctionnant en parallèle avec le système de contrôle permettent l'opération optimale des systèmes CVCA. Cette procédure pourra être utilisée par la majorité de systèmes de gestion d'énergie dans les bâtiments existants en optimisant les points de consigne de l'opération des systèmes. Les critères de l'optimisation sont le confort ainsi que la consommation totale d'énergie du système. Les points de consigne optimisés sont: la température d'alimentation, la pression statique dans la gaine d'alimentation, la température d'eau glacée, le débit d'air frais, les températures dans les zones, et la chauffage d'appoint dans les zones (ou températures d'alimentation dans les zones).

Les algorithmes génétiques MOGA (Multi-objective genetic algorithm) validés en utilisant un exemple théorique et le modèle simplifié d'un système CVCA seront utilisés pour obtenir les points de consigne optimaux des systèmes CVCA. Les modèles détaillés des composants du système CVCA sont développés et validés avec les données provenant directement ou indirectement du monitoring réalisé dans le bâtiment existant. Pour que la procédure d'optimisation puisse être facilement adaptable à un autre système, les modèles des composants du système CVCA en utilisant les réseaux des neurones sont aussi développés.

Une nouvelle stratégie de contrôle de ventilation basée sur la mesure de la concentration de CO 2 dans l'air soufflé est développée et utilisée par la procédure d'optimisation. Cette nouvelle stratégie puisse le contrôle de débit d'air frais en temps réel en répandent aux besoin actuels de chaque zone.

Les résultats d'optimisation sur le système CVCA du bâtiment de l'École de technologie supérieure (ÉTS) montrent que l'application de la procédure d'optimisation proposée permet de diminuer la consommation d'énergie du bâtiment tout en maintenant la qualité de l'air et le confort des occupants. Les résultats montrent aussi que l'application d'une méthode d'optimisation multicritère de l'opération des systèmes CVCA permet une plus grande diminution de la consommation d'énergie que la méthode d'optimisation une mono-critère.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thesis presented to the École de technologie supérieure in partial fulfiliment [i.e. fulfillment] of the thesis requirement for the degree of philosophiae doctor in engineering". Bibliogr.: f. [178]-184. Ch. 1. Litteratue review -- Ch. 2. System description and monitoring -- Ch. 3. Ventilation control strategy using the supply CO2 concentration set point -- Ch. 4. Modelling and validation of investigated HVAC system -- Ch. 5. Evolutionary algorithms for multi-objective optimization in HVAC system control strategy -- Ch. 6. Evaluation of optimization process on existing HVAC system.
Mots-clés libres: Air, Algorithme, Batiment, Chauffage, Climatisation, Controle, CVCA, Energie, Genetique, HVAC, MOGA, Multicritere, Optimisation, Reel, Systeme, Temps, Ventilation.
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Kajl, Stanislaw
Co-directeurs de mémoire/thèse:
Co-directeurs de mémoire/thèse
Sabourin, Robert
Programme: Doctorat en génie > Génie
Date de dépôt: 15 févr. 2011 21:07
Dernière modification: 06 déc. 2016 22:31
URI: http://espace.etsmtl.ca/id/eprint/340

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt

Statistique

Plus de statistique...