A knowledge-based model to house thermal parameters identification from heat pumps consumptions in a multi-zone smart buildings context

Abstract

Tem crescido nos últimos anos o número de estudos acerca deambientes inteligentes. Um dos fatores que mais geram gastosem um ambiente inteligente está relacionado com o condicionamentotérmico destes espaços. Por esse motivo os estudos energéticosnos ambientes inteligentes se fazem importantes. Nestatese é proposto um modelo baseado em conhecimento no contextode ambientes inteligentes multi-zona. Esse modelo interagecom o usuário final por meio de aquisição e visualização deconhecimento. O objeto central do modelo apresenta um algoritmomatemático que, por sua vez, busca identificar os parâmetrostérmicos do ambiente para, posteriormente calcular umplano de temperatura interna para as 24 horas subsequentes. Aidentificação de parâmetros visa a, além de determinar a resistênciae capacitância térmica do ambiente, também calcular ocoeficiente de desempenho das bombas de calor. Já o plano detemperatura interna prevê a minimização dos custos de energiaelétrica, a redução do valor gasto com a emissão de CO2 e a manutençãodo conforto térmico do ambiente. Os dados utiizadosnos experimentos foram obtidos junto ao projeto SmartHG. Osresultados experimentais demonstraram que o algoritmo atingiuos objetivos, mantendo os valores com o máximo de variaçãode dois graus centígrados, estabelecidos como parâmetros no algoritmocentral de controle. Em relação à economia de energiadevido ao aquecimento, em média 59.92% dos planos foram maiseficientes do que os dados históricos. Os resultados do Coeficientede Desempenho para sete casas ficaram entre 1.03 e 3.07.Os valores de CO2 mostraram ganho comparado com os dadoshistóricos.

Abstract : The number of studies about intelligent environments has grown in recent years. One of the factors that generate more expenses on that is related to the thermal conditioning. For this reason energy studies in intelligent environments are important. This document presents a doctoral study that proposes a model based on knowledge in the context of multi-zone intelligent environments. This model interacts with the end user through acquisition and knowledge visualization. The central part of the model is a computer-mathematical algorithm which in turn seeks to identify the thermal parameters of the environment and then calculates a day-ahead internal temperature plan. The parameter identification aims to determine the thermal resistance and thermal capacitance of the environment as well as to calculate the coefficient of performance of heat pumps (heating). The internal temperature plan provides the minimizing of energy costs, the reduction in the amount spent on CO2 emissions and maintenance of thermal comfort environment. The data used in the experiments were obtained from the SmartHG project. The experimental results showed that the algorithm met its restriction, maintaining the values with a maximum variation of two degrees centigrade, established with parameter in the control algorithm. Regarding to energy savings due to heating, in the average, 59.92% of those plans have been more efficient than historical data. The Coefficient of Performance results, obtained in the experiments from seven houses, ranged from 1.03 to 3.07. The values of CO2 showed a gain compared to historical data. Although they represent a seemingly low monetary value, if such a calculation can be scaled to an entire neighbourhood or a city, such numbers should scale proportionately.