Применение искусственного интеллекта для управления инженерным оборудованием зданий

В работе представлен обзор используемых интеллектуальных систем в различных инженерных системах зданий, которые на данный момент активно разрабатываются инженерами в различных странах. Приведены данные истории развития и применения рассматриваемых систем для различных отраслей народного хозяйства. Описаны результаты практического применения и возникшие особенности эксплуатации устройств управления в различных инженерных системах обеспечения микроклимата (отопления, вентиляция, кондиционирования воздуха). Подробно выделены варианты регулирования систем жизнеобеспечения здания с помощью современных контроллеров, а также варианты их интеграции в совместную единую систему. Определены предполагаемые ключевые точки развития систем нейроуправления инженерным оборудованием в зданиях и сооружениях. Описаны возможные варианты внедрения нейроконтроллеров в здание (в т.ч. и многоступенчатое внедрение нейроконтроллера одной системы в глобальную систему нейроконтроллер с несколькими инженерными системами). Результаты исследования представляют интерес для совершенствования систем управления инженерным оборудованием зданий и сооружений различного назначения с использованием элементов искусственного интеллекта.

1. Ирхин И. А., Булатов В. Г., Воронцов К. В. Аддитивная регуляризация тематических моделей с быстрой векторизацией текста // Компьютерные исследования и моделирование. 2020. Т. 12, № 6. С. 1515-1528. doi:10.20537/2076-7633-2020-12-6-1515-1528.

2. Ирхин И. А., Воронцов К. В. Сходимость алгоритма аддитивной регуляризации тематических моделей // Труды института математики и механики УрО РАН. 2020. Т. 26, № 3. С. 56-68. doi:10.21538/0134-4889 2020-26-3-56-68.

3. Герасименко Н. А., Чернявский А. С., Никифорова М. А., Никитин М.Д., Воронцов К.В. Инкрементальное обучение тематических моделей для поиска трендовых тем в научных публикациях // Доклады Российской академии наук. Математика, информатика, процессы управления. 2022. Т. 508, № 1. С. 106-108. doi:10.31857/S2686954322070086.

4. Филиппов В. В. Анализ научно-технических работ по автоматическому управлению теплоэнергетических установок // Современные достижения научно-технического прогресса. 2023. № 3(8). С. 9 11. doi:10.18411/sdntp-05-2023-02.

5. Фролов В. Я., Жилиготов Р. И. Разработка системы бездатчикового векторного управления синхронным двигателем с постоянными магнитами в Matlab Simulink //Записки горного института. 2018. Т. 229. – С. 92-97.

6. Муртазин Т. Э., Шевченко А. А., Титов В. Г. Система векторного управления автономным электроприводом // Вестник МГТУ. Труды Мурманского государственного технического университета. – 2023. Т. 26. № 4. С. 449-456. doi:10.21443/1560-9278-2023-26-4-449-456.

7. Костылев А. В., Есаулкова Д. В., Казаков Е. Г. Применение нейроуправления в асинхронном электроприводе со скалярным управлением // Энергетика. Инновационные направления в энергетике. CALS технологии в энергетике. 2014. № 1. С. 207-217.

8. Burmeyster M. V., Bulatov R. V., Berdyshev I. I. Development of a Method for Optimizing the Voltage Mode Based on Fuzzy Logic // IEEE. С. 9782944. doi:10.1109/Inforino53888.2022.9782944.

9. Wu Z., Gao Z., Li D., Chen Y., Liu Y. On transitioning from PID to ADRC in thermal power // Control Theory and Technology. 2021. Т. 19. С. 3-18. plants

10. Бродач М.М., Шилкин Н.В. Нейронные сети: оптимальное управление отпуском тепловой энергии // АВОК: Вентиляция, отопление, кондиционирование воздуха, теплоснабжение и строительная теплофизика. 2019. №8. С. 52-57.

11. Блинова К. А., Курналеева А. А., Бурмейстер М. В., Булатов Р. В. Рыночный механизм управления режимами работы генерирующего оборудования электростанций // XXXIII Международная научно-практическая конференция «EUROPEAN RESEARCH»: сборник трудов. Пенза: Наука и Просвещение, 2021. С. 74-78.

12. Веренцов Л. А., Бурмейстер М. В., Стаценко Д. В., Маленкова Е. А. Оценка эквивалентной инерции в ЭЭС со значительной долей ВИЭ // Наука и бизнес: пути развития. 2023. № 10(148). С. 11-14.

13. Samoilov A. A., Sergeeva, M. M., Burmeyster, M. V., Kislova, E. A., Zaliznyi, S. A. Intelligent engineering of electric energy storage systems in the Russian Federation: Fundamentals // IEEE. 2021. С. 1-5.

14. Болдырев В.В., Горькавый М.А. Разработка интеллектуального модуля управления автоматизированной автономной системой энергообеспечения // Учен. зап. КнАГТУ. 2021. № 3. C. 9-18.

15. Das H. P., Lin Y. W., Agwan U., Spangher L., Devonport A., Yang Y., Drgona J., Chong A., Schiavon S., Spanos C. J. Machine Learning for Smart and Energy-Efficient Buildings // Environmental Data Science. 2024. Т. 3. С. e1. doi:10.1017/eds.2023.43

16. Alanne K., Sierla S. An overview of machine learning applications for smart buildings //Sustainable Cities and Society. 2022. Т. 76. С. 103445.

17. Burkov V., Titarenko B. Economic mechanisms for environmental risk management // E3S Web of Conferences. 2019. Т. 91. С. 08009.

18. Галкина Е. В. Анализ инструментов верификации проектной документации // Научно-технический вестник Поволжья. 2018. № 6. С. 95-97. doi:10.24153/2079-5920-2018-8-6-95-97.

19. Galkina E., Kuzina O. Building information model verification at the lifecycle stage of construction // IOP Conference Series: Materials Science and Engineering. 2018. T. 365 (5). С. 062031. doi:10.1088/1757 899X/365/6/062031.

20. Burian S. O., Kiselychnyk O., Pushkar M. V., Reshetnik V. S., Zemlianukhina H. Y. Energy-efficient control of pump units based on neural-network parameter observer // Technical Electrodynamics. 2020. № 1. С. 71-77. doi:10.15407/techned2020.01.071.

21. Gromov G. N., Primin O. G. Use of genetic algorithms for calibration of hydraulic models of water supply systems // IOP Conference Series: Materials Science and Engineering. 2018. T. 456. C. 012108. doi:10.1088/1757 899X/456/1/012108.

22. Мамедов В. М., Архаров И. А. Перспективы методов регулирования в инженерных системах // Холодильная техника. 2022. № 4. С. 213-220. doi:10.17816/RF321953.

23. Абдуллин В. В., Шнайдер Д. А., Курзанов С. Ю., Яворовский Ю. В. Использование технологии "интернета вещей" в отоплении зданий: упреждающее управление, распределённый мониторинг, интеллектуальная балансировка // Сантехника, Отопление, Кондиционирование. 2018. № 8(200). С. 54-58.

24. Krūmiņš, A., Bogdanovs, N., Beļinskis, R., Mežale, K., Garjāns, M. Increasing Buildings Automation Systems Efficiency with Real-Time Simulation Trough Improved Machine Self-learning Algorithms // Springer Proceedings in Energy. 2019. С. 41-49. doi:10.1007/978-3-030-00662-4_4

25. Su B., Wang S., Li W. Impacts of uncertain information delays on distributed real-time optimal controls for building HVAC systems deployed on IoT-enabled field control networks // Applied Energy. 2021. Т. 300. С. 117383.

26. Şahin A. Ş. Performance analysis of single-stage refrigeration system with internal heat exchanger using neural network and neuro-fuzzy // Renewable energy. 2011. №. 10 (36). С. 2747-2752.

27. Pérez-Gomariz M., López-Gómez A., Cerdán-Cartagena F. Artificial neural networks as artificial intelligence technique for energy saving in refrigeration systems — A review // Clean Technologies. 2023. № 1 (5). С. 116-136.

28. Zhang Y., Zhou Z., Liu J., Yuan J. Data augmentation for improving heating load prediction of heating substation based on TimeGAN // Energy. 2022. Т. 260. С. 124919.

29. Li C., Cui C., Li M. A proactive 2-stage indoor CO2-baswd demand-controlled ventilation method considering control performance and energy efficiency // Applied Energy. 2023. Т. 329. С. 120288.

30. Zhao Y., Li T., Zhang X., Zhang C. Artificial intelligence-based fault detection and diagnosis methods for building energy systems: Advantages, challenges and the future //Renewable and Sustainable Energy Reviews. 2019. Т. 109. С. 85-101.

31. Taheri S., Ahmadi A., Mohammadi-Ivatloo B., Asadi S. Fault detection diagnostic for HVAC systems via deep learning algorithms // Energy and Buildings. 2021. Т. 250. С. 111275.

32. Yang S., Wan M. P., Ng B. F., Dubey S., Henze G. P., Chen W., Baskaran K. Model predictive control for integrated control of air-conditioning and mechanical ventilation, lighting and shading systems // Applied Energy. 2021. №12 (300). С. 117325.