Βελτιστοποίηση παρεμβάσεων ενεργειακής απόδοσης σε κτήρια με χρήση γενετικών αλγορίθμων

Ιωαννίδης, Δημήτριος; Ioannidis, Dimitrios

dc.contributor.author	Ιωαννίδης, Δημήτριος	el
dc.contributor.author	Ioannidis, Dimitrios	en
dc.date.accessioned	2024-06-10T10:36:25Z
dc.date.available	2024-06-10T10:36:25Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59687
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27383
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Γενετικοί αλγόριθμοι	el
dc.subject	Βελτιστοποίηση	el
dc.subject	Ενεγειακή απόδοση κτιρίων	el
dc.subject	Κενακ	el
dc.subject	Ψύξη/θέρμανση	el
dc.subject	Genetic algorithms	en
dc.subject	Matlab	en
dc.subject	Hvac	en
dc.subject	Optimization	en
dc.subject	Building energy performance	en
dc.title	Βελτιστοποίηση παρεμβάσεων ενεργειακής απόδοσης σε κτήρια με χρήση γενετικών αλγορίθμων	el
dc.title	Optimization of energy efficiency interventions in buildings using genetic algorithms	en
heal.type	bachelorThesis
heal.generalDescription	Η διπλωματική εργασία παρουσιάζει την αποτελεσματικότητα των γενετικών αλγορίθμων στη βελτιστοποίηση των ενεργειακών παρεμβάσεων σε κτίρια	el
heal.classification	Γεντικοί αλγόριθμοι	el
heal.classification	Βελτιστοποίηση	el
heal.classification	Ενέργεια	el
heal.classification	Κτίρια	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-03-07
heal.abstract	Η παρούσα εργασία εξετάζει στην οικονομοτεχνική βελτιστοποίηση της ενεργειακής απόδοσης των κτιρίων μέσω της εφαρμογής γενετικών αλγορίθμων. Αρχικά περιγράφει λεπτομερώς την παραμετροποίηση του κώδικα λογισμικού γενετικών αλγορίθμων, δίνοντας έμφαση στο ρόλο τους στην αποτελεσματική αξιολόγηση της πρωτογενούς κατανάλωσης ενέργειας (PEC) και του κόστους κύκλου ζωής (LCC) για τον εντοπισμό οικονομικά αποδοτικών κτιριακών παρεμβάσεων. Περιγράφεται μια συστηματική προσέγγιση για τον υπολογισμό των PEC και LCC, ενσωματώνοντας λογισμικό προσομοίωσης και το περιβάλλον προγραμματισμού MATLAB. Ο γενετικός αλγόριθμος, εμπνευσμένος από τη θεωρία της φυσικής επιλογής του Δαρβίνου, κωδικοποιεί το χώρο των παραμέτρων σε χρωμοσώματα που αντιπροσωπεύουν πιθανές λύσεις, εξελίσσοντας πληθυσμούς σε διάφορες γενιές για να συγκλίνουν προς τις βέλτιστες λύσεις. Τα κριτήρια τερματισμού εξισορροπούν αντικρουόμενους στόχους, όπως η PEC και η LCC, και η εφαρμογή γενετικών αλγορίθμων στη MATLAB προσφέρει μια πιο ευέλικτη πλατφόρμα ανάλυσης και επεξεργασίας. Τα αποτελέσματα των γενετικών αλγορίθμων πολλαπλών στόχων αποκαλύπτουν ένα εύρος λύσεων που αντιπροσωπεύουν συμβιβασμούς μεταξύ PEC και LCC, διευκολύνοντας τη λήψη τεκμηριωμένων αποφάσεων για ένα υπεύθυνο σχεδιασμό κτιρίων. Τονίζεται η σημασία της ενσωμάτωσης των φωτοβολταϊκών συστημάτων και της αναβάθμισης του κελύφους των κτιρίων. Οι λύσεις που ενσωματώνουν αντλίες θερμότητας και fan coils επιτυγχάνουν τη χαμηλότερη κατανάλωση ενέργειας, ενώ η οικονομική απόδοση των κτιριακών λύσεων με σχεδόν μηδενική κατανάλωση ενέργειας ποικίλλει ανάλογα με τις κλιματικές ζώνες. Συνολικά, η μελέτη υπογραμμίζει την αποτελεσματικότητα των γενετικών αλγορίθμων στη βελτιστοποίηση των ενεργειακών παρεμβάσεων και την καθοδήγηση της λήψης αποφάσεων προς βιώσιμες και οικονομικά αποδοτικές πρακτικές σχεδιασμού κτιρίων.	el
heal.abstract	The essay examines the optimization of energy efficiency in buildings through the implementation of genetic algorithms (GAs). It begins by detailing a comprehensive parameterization of the GA software code, emphasizing its role in efficiently evaluating primary energy consumption (PEC) and life cycle cost (LCC) to identify cost-effective strategies for a sustainable building performance. A systematic approach is outlined for calculating PEC and LCC, incorporating simulation software and the MATLAB programming environment. The GA, inspired by Darwin's theory of natural selection, encodes parameter space into chromosomes representing potential solutions, evolving populations across generations to converge towards optimal solutions. Termination criteria balance conflicting objectives, such as PEC and LCC, and the implementation of the GA within MATLAB offers a versatile platform for analysis. The results of the multi-objective GA reveal a range of solutions representing trade-offs between PEC and LCC, facilitating informed decision-making for sustainable building design. Color-coded visualization aids in interpreting solutions, highlighting the importance of integrating photovoltaic systems and upgrading building envelopes. Solutions incorporating heat pumps and fan coils demonstrate the lowest energy consumption, while the economic viability of nearly zero-energy building solutions varies between climate zones. Overall, the study highlights the effectiveness of GA in optimizing energy interventions and guiding decision-making towards sustainable and cost-effective building design practices.	en
heal.advisorName	Μπραϊμάκης, Κωνσταντίνος	el
heal.committeeMemberName	Κορωνάκη, Ειρήνη	el
heal.committeeMemberName	Τζιβανίδης, Χρήστος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Θερμότητας. Εργαστήριο Ψύξης και Κλιματισμού	el
heal.academicPublisherID	ntua
heal.numberOfPages	115 σ.	el
heal.fullTextAvailability	false