VET4SBO Level 2 module 2 - unit 3 - v0.9 bg

1. ECVET Training for Operatorsof IoT-enabledSmart Buildings (VET4SBO)
2018-1-RS01-KA202-000411
Ниво 2
Модул 2. Стратегии за оптимизация с цел
съответствие на критериите за качество на услугата
Раздел 2.3 Примери за оптимизация на умни сгради

2. Примери за оптимизация на умни сгради
• СЪДЪРЖАНИЕ
– Подобрен комфорт за обитателите в сградата в резултат на
метаевристична оптимизация.
– Подобрена енергийна ефективност в сградите в резултат на
метаевристична оптимизация.
– Пример: метаевристична оптимизация на температурен контролер.
– Пример: оптимизация на умната електрическата мрежа и и на
съвместната работа на различни умни устройства в сградата чрез
метаевристичния метод на роя частици
– Пример: оптимизация на мрежовотопокритие в умните домове чрез
метаевристики.
– Пример: координация на домашните електроуреди чрез многоцелева
енергийна оптимизация
– Други примери: оптимизация на разполаганетона IoT сензорите, на
използванетона енергия и др.
https://pixabay.com/illustrations/business-
search-seo-engine-2082639/

3. Примери за оптимизация на умни сгради
• Оптимизацията може да се използва
ефективно в умните сгради.
• Използва се както при проектирането, така и
при управлението на умните сгради.
• Може да се постигне икономия на енергия,
по-малко амортизиране на оборудването и
подобрения в комфорта – това са само някои
от възможностите на оптимизацията.
https://pixabay.com/photos/smart-home-
computer-internet-canvas-3148026/

4. Примери за оптимизация на умни сгради
• Особено ефективна и подходяща е
метаевристичната оптимизация, която е
недеривативен начин, който като цяло
изисква не толкова сложна математика и е
подходящ за относителнолесното
използване на софтуерните инструменти. https://pixabay.com/photos/smart-home-house-
technology-3096219/

5. Оптимизация на умни сгради
• Тук ще приведем няколко примера за
оптимизация на умни сгради.
• Те са насочени към постигане на вече
споменатите цели – икономия на енергия,
по-малка амортизация на оборудването и
подобряване на комфорта.
• Макар че в основата на тези сценарии се
налага сериозно изчисление, приложението
в крайна сметка си остава доста опростено.
https://pixabay.com/illustrations/binary-
null-one-cyber-design-3441007/

6. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
• В този пример целите са онези, които вече споменахме –
икономия на енергия, по-малка амортизация на
оборудването и подобрен комфорт.
• Макар че в основата на тези сценарии се налага сериозно
изчисление, приложението в крайна сметка си остава доста
опростено[1].
» [1] Ćojbašić, Ž. M., et al.: Temperature Controller Optimization by Computational …
THERMAL SCIENCE, Year 2016, Vol. 20, Suppl. 5, pp. S1541-S1552.

7. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
• Системата за контрол на температурата в една
автоматизирана класна стая се оптимизира с
помощта на няколко модерни интелигентни
метода.
• Проектирането и оптимизирането на
контролера се основават на разработения и
разширено тестван математически и
симулационен модел на наблюдавания обект.
https://pixabay.com/photos/tablet-heating-man-
pointing-manual-2471184/

8. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
• Каскадният P-Pi температурен контролер е
проектиран специално за обекта и е настроен по
стандартния начин.
• С цел подобряване на работата и енергийната
ефективност на системата са изпробвани няколко
метаевристични оптимизации на контролера, а
именно:
– Генетичен алгоритъм,
– Симулирано закаляване,
– Метод на роя частици
– Метод на мравките.
https://pixabay.com/photos/smart-
home-house-3317442/

9. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
• За да се постигне рационално потребление на енергия, една
типична класна стая в сградата на висше учебно заведение е
оборудвана по такъв начин, че да осигури висока степен на
комфорт за хората в нея, като се контролира отоплението,
вентилацията и климатизацията (ОВК).
Ćojbašić,Ž.M., et al.: Temperature Controller Optimization by Computational … THERMAL SCIENCE, Year 2016,Vol. 20, Suppl. 5, pp. S1541-S1552.

10. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
• В съвременните ОВК системи се използват различни техники за контрол,
както класически, така и модерни.
• В промишлените сгради обаче се използват най-вече пропорционално-
интегрално-деривативни (PID) контролери, като вместо един стандартен
PID контролер се свързват и използват заедно два PID контролера, за да
се постигне превъзходна динамична ефективност.
Ćojbašić,Ž.M., et al.: Temperature Controller
Optimization by Computational … THERMAL
SCIENCE, Year 2016, Vol.20, Suppl. 5, pp.
S1541-S1552.

11. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
• Метаевристична
оптимизация на
контролна система
(оптимално
настройване на
контролера).
Ćojbašić,Ž.M., et al.: Temperature Controller
Optimization by Computational … THERMAL SCIENCE,
Year 2016, Vol. 20, Suppl.5, pp. S1541-S1552.

12. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
Ćojbašić,Ž.M., et al.: Temperature Controller Optimization by Computational … THERMAL SCIENCE, Year 2016,Vol. 20, Suppl. 5, pp. S1541-S1552.

13. Пример 1 – Оптимизация на температурен
контролер с помощта на компютърния интелект
Ćojbašić,Ž.M., et al.: Temperature Controller Optimization by Computational … THERMAL SCIENCE, Year 2016,Vol. 20, Suppl. 5, pp. S1541-S1552.

14. Пример 2: Smart grid and smart building
interoperation optimization using particle swarm
optimization metaheuristics
• Преходът към така наречената умна електропреносна мрежа в градовете
изисква наличието на усъвършенствани системи за енергиен мениджмънт
на сградите, които да се справят със сложното взаимодействие между двете
среди.
• Трябва да се положи усилие за оптимизиране на съвместимостта между
умната мрежа и системите за енергиен мениджмънт. Методът на роя
частици може да се използва за едновременно повишаване на комфорта и
подобряване на енергийната ефективност на сградата[2].
– [2] L. Hurtado, P. Nguyen, W. Kling, Smart grid and smart building interoperation using
agent-based particle swarm optimization, Sustainable Energy, Grids and Networks 2
(2015) 32–40. doi:10.1016/j.segan.2015.03.003.

15. Пример 2: Оптимизация на умната мрежа и
умните сгради чрез метода на роя частици
• Резултатите показват, че работата на една сграда може да се
променя динамично за по-добър контрол на волтажа в
локалната електрическа мрежа без риск за основната функция
на сградата – да осигурява комфорт.
• За преодоляване на трудностите при интеграцията между
умната мрежа и сградните системи за енергиен мениджмънт
очевидно се налага преход от централизирани системи за
енергиен мениджмънт към децентрализирани структури с
въвеждане на изчислителен и разпределен интелект.

16. Пример 2: Оптимизация на умната мрежа и
умните сгради чрез метода на роя частици
• Двата основни аспекта в областта на
сградния мениджмънт са комфортът и
потреблениетона енергия.
• Главна цел на сградите е да осигурят
комфортна среда за обитателитеси. https://pixabay.com/photos/relaxing-lounging-
saturday-cozy-1979674/

17. Пример 2: Оптимизация на умната мрежа и
умните сгради чрез метода на роя частици
• Около 50% от общотопотребление на
енергия в света се пада на осигуряването
на комфорта.
• Тази силна взаимовръзка е ключов момент
в обяснението защо е нужно сградите да са
гъвкави по отношение на умната мрежа.
https://pixabay.com/photos/agriculture-
sunflower-field-1853323/

18. Пример 2: Оптимизация на умната мрежа и
умните сгради чрез метода на роя частици
• Комфортът е сложно и субективно човешко възприятие, което е
различно при различните хора и във всяка конкретна среда.
• Традиционно комфортът се контролира чрез комбинация от
централизирана система за управление и човешка намеса, например
осветлението в локалните зони.
• Разработени са различни стандарти, които са гарантират нивото на
комфорт, например:
– ASHRAE55 и ISO7730 за температурен комфорт;
– ISO8995−1 за визуален комфорт;
– ASHRAE62.1 за качество на въздуха в помещенията.

19. Пример 2: Оптимизация на умната мрежа и
умните сгради чрез метода на роя частици
• Формулирането на оптимизационния проблем е сложно, тъй като
рамката за интеграция на умната мрежа и системите за енергиен
мениджмънт на сградите (SG–BEMS framework) има повече от една
цел, като някои от целите може да си противоречат, например по-
висок комфорт и по-ниско потребление на енергия, а така също
възможността за поддръжка на мрежата.
• Повишаването на комфорта може да се формулира и като намаляване
на дискомфорта. Втората цел е намаляване на консумацията на
енергия в сградата, т.е. оптимизацията на енергийното потребление
може да бъде сведен до намаляване на енергията, консумирана от
системите за комфорт.

20. Пример 2: Оптимизация на умната мрежа и
умните сгради чрез метода на роя частици.
• Трябва да се разработи стратегия за оптимизиране на
системите за енергиен мениджмънт, като по този начин
ще се оптимизират и потреблението на енергия, и
комфортът в една зона.
• От получените резултати може да се направи изводът,
че методът на роя частици (PSO) има голям потенциал
не само по отношение на оптимизацията на енергията
и комфорта, така и за поддръжка на волтажа в
мрежата.
https://pixabay.com/photos/smart-
home-house-technology-3920905/

21. Пример 3: Оптимизация на мрежовото покритие
в умните домове чрез метаевристични методи
• Смарт устройствата в IoT умните сгради изискват
интернет достъп, но самите устройства често се монтират
на неудобни за това места.
• Следователно, да се гарантира, че всички устройства ще
могат да имат достъп до мрежата, е важна задача за
решаване.
• Друго предизвикателство пред мрежите в умните домове
е сложната електромагнитна обстановка. В умния дом
има много мрежи, освен това много външни технологии
за пренос на данни на малки разстояния работят в 2.4
GHz промишлена, научна и медицинска (ISM) честотна
лента.
https://pixabay.com/photos/network-
networking-rope-connection-1246209/

22. Пример 3: Оптимизация на мрежовото покритие
в умните домове чрез метаевристични методи
• ISM лентата е доказала, че не влияе върху
човешкото здраве. Въпреки това хибридната
електромагнитна среда може да доведе до
сериозна електромагнитна интерференция
между устройствата, която да понижи
качеството на комуникацията.
• Вътрешните безжични системи за комуникация
обикновено използват два вида канали – с
пряка видимост и с множествено пречупване и
отразяване не сигнала.
https://pixabay.com/illustrations/finger-touch-
hand-structure-769300/

23. Пример 3: Оптимизация на мрежовото покритие
в умните домове чрез метаевристични методи
• В резултат на нарасналата популярност на
светодиодите (LED) като източник на светлина,
стана удобно и лесно в рамките на дома или по-
голяма сграда да се изгради комуникация с
видима светлина (VLC), която използва вече
наличните LED лампи.
• VLC е ефективен метод за решаване на
проблемите, свързани с достъпа до мрежата и
нейното покритие в умните домове. https://pixabay.com/photos/light-lights-
led-beams-stage-812677/

24. Пример 3: Оптимизация на мрежовото покритие
в умните домове чрез метаевристични методи
• Възможен подход към оптимизиране на мрежовото покритие в
сградата е използването на VLC в умните домове.
• Чрез различните измерения на сигнала може да се избегне
интерференцията и по този начин да се намали времето за повторни
изчисления. Следователно, така може да се подобри покритието и
точността.
• Публикувани са данни за успешно приложение на метода на
кукувицата[3].
» [3] G. Sun, Y. Liu, M. Yang, A. Wang, S. Liang, Y. Zhang, Coverage optimization of VLC in smart homes
based on improved cuckoo search algorithm, Computer Networks 116 (2017)63–78.
doi:10.1016/j.comnet.2017.02.014.

25. Пример 4: Координация между битовите електроуреди
чрез многоцелева енергийна оптимизация
• Системата за енергиен мениджмънт в може да оптимизира начина на
потребление на енергия в умния дом.
• Целта е чрез координация между електроуредите в дома да се
регулират нуждите от енергия по такъв ефективен начин, че да се
намалят разходите за електричество и разликите между пиковото и
средното натоварване и едновременно с това се запази комфортът за
потребителите.[4].
» [4] A. Khalid, N. Javaid, M. Guizani, M. Alhussein, K. Aurangzeb, M. Ilahi, Towards Dynamic
Coordination Among Home Appliances Using MultiObjective Energy Optimization for Demand Side
Management in Smart Buildings,IEEE Access 6 (2018)19509–19529. doi:10.1109/ACCESS.
2018.2791546.

26. Пример 4: Координация между битовите електроуреди
чрез многоцелева енергийна оптимизация
• За да се посрещнат нуждите на консуматорите на
енергия, се създава дневен график и база в реално
време.
• Формулира се критерий за съответствие (функция за
оптимизация), който подпомага балансирането на
натоварването между пиковите и по-слабо
натоварените часове.
• За пренастройване в реално време се използва
координация между домашните електроуреди.
• По този начин планиращият може да вземе
оптимално решение кога да се включват и изключват
електроуредите, за да не се налага да изчакват
дълго време.
https://pixabay.com/photos/smart-home-
house-technology-3096224/

27. Пример 4: Координация между битовите електроуреди
чрез многоцелева енергийна оптимизация
• Проблемът за график в реално време се
решава чрез многоцелева оптимизация.
• Проверка на това дали предложената
техника е ефективна се извършва чрез три
ценови схеми:
– Време на използване, цена на електричеството в
реално време и цена в пиковите часове.
https://pixabay.com/photos/coins-currency-
investment-insurance-1523383/

28. Други примери: оптимизация на мястото на IoT
сензорите, на използването на енергия и др.
• За да се проектира и разработи надеждна, ефективна, гъвкава,
икономична, в реално време и реалистична мрежа от сензори за
системата на умния дом често се използват метаевристики.
• В умните домове се използват разнородни сензорни и актуаторни
възли, базирани на безжичните мрежови технологии. Възлите
генерират в реално време данни, свързани с използването на
предметите и движенията в къщата, за да предвидят
благосъстоянието на даден човек.
• Благосъстояние тук означава доколко ефективно си съответства
средата с нуждите на даден човек и дали той е в състояние да
изпълнява своите ежедневни дейности, така че да живее дълго и
здравословно. Дейността на обитателя се следи заради
благосъстоянието му.
https://pixabay.com/photos/wellness-health-
well-being-healing-3961684/

29. Други примери: оптимизация на мястото на IoT
сензорите, на използването на енергия и др.
• Във всички примери дотук по отношение на
съвременните умни сгради ключово
изискване освен комфорта е и оптималното
използване на енергията.
• Затова всички модерни софтуерно базирани
BMS и/или системи за енергиен мениджмънт
предлагат оптимизация, която често използва
изкуствен интелект и метаевристики.
https://pixabay.com/vectors/energy
-efficiency-energy-154006/

30. Благодаря за вниманието.
https://pixabay.com/illustrations/thank-you-polaroid-letters-2490552/

31. Отказ от отговорност
За още информация относно проекта VET4SBO посетете сайта на проекта https://smart-building-operator.eu
или нашата страница https://www.facebook.com/Vet4sbo.
Свалете мобилното ни приложение https://play.google.com/store/apps/details?id=com.vet4sbo.mobile.
Този проект (2018-1-RS01-KA202-000411) е финансиран с подкрепата на Европейскатакомисия (Програма
Еразъм+). Публикацията изразява единствено вижданията на автора и Комисията не носи отговорност за
начина, по който може да бъде употребенаинформацията, съдържащасе в нея.