| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Adaptīvā ventilācijas vadības sistēma |
| Nosaukums angļu valodā |
Adaptive Ventilation Control System |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dmitrijs Bļizņuks |
| Recenzents |
Pāvels Osipovs |
| Anotācija |
Tradicionālās ēku ventilācijas sistēmas izšķērē ievērojamu daudzumu enerģijas, jo tās darbojas pēc fiksētiem grafikiem neatkarīgi no faktiskās nepieciešamības. Slikta ventilācija samazina kognitīvo veiktspēju, kad CO2 līmenis kļūst pārāk augsts, tomēr lielākā daļa esošo risinājumu ir dārgi un nespēj mācīties no lietotāju uzvedības vai aizņemtības modeļiem.
Šī darba mērķis ir izstrādāt inteliģentu ventilācijas vadības sistēmu, kas izmanto mašīnmācīšanos, lai automātiski optimizētu iekštelpu gaisa kvalitāti, vienlaikus minimizējot enerģijas patēriņu. Sistēma mācās no vides datiem un lietotāju preferencēm, lai pieņemtu gudrus ventilācijas lēmumus, neprasot dārgus infrastruktūras uzlabojumus.
Šajā pētījumā tika izstrādāts darbojošs prototips ar mehāniskās ventilācijas ventilatoru un vides sensoriem, ko kontrolē inteliģenta programmatūras sistēma, kas izmanto Q-mācīšanās algoritmus. Sistēma tika testēta ar plašām simulācijām, salīdzinot to ar tradicionālām kontroles metodēm, lai izmērītu tās efektivitāti reālos apstākļos.
Rezultāti parāda, ka inteliģentā sistēma samazina enerģijas patēriņu par 73,5% salīdzinājumā ar pastāvīgu ventilāciju, vienlaikus uzturot labu gaisa kvalitāti. Sistēma novērš 85% nevajadzīgas ventilācijas, kad telpas ir tukšas, pierādot, ka mašīnmācīšanās var veiksmīgi līdzsvarot gaisa kvalitāti, komfortu un enerģoefektivitāti dzīvojamās ēkās.
Izstrādātais risinājums ir vērsts uz to, lai padarītu gudru ventilāciju pieejamu mazākām ēkām un vecākām mājām, nodrošinot pieejamu alternatīvu dārgām ēku vadības sistēmām. Lielākā daļa esošo risinājumu prasa dārgus infrastruktūras uzlabojumus, savukārt šo sistēmu var modificēt esošajās ēkās ar minimālām izmaiņām.
Bakalaura darbs satur 78 lapas, 19 attēlus, 1 tabulu, 64 informācijas avotu un 1 pielikumu. |
| Atslēgas vārdi |
Adaptīvā ventilācija, pastiprinājuma mācīšanās, Q-mācīšanās, iekštelpu gaisa kvalitāte, HVAC |
| Atslēgas vārdi angļu valodā |
Adaptive Ventilation, Reinforcement Learning, Q-learning, Indoor Air Quality, HVAC |
| Valoda |
eng |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 22:34:55 |
