Homeostatic control of thermal comfort devices using

Este trabajo sugiere una metodología para optimizar el funcionamiento de dispositivos de confort térmico en edificios residenciales que utilizan un algoritmo de aprendizaje por refuerzo (RL). La idea es desarrollar un esquema de control automático para seleccionar la entrada adecuada de los dispositivos de enfriamiento en el contexto de precios variables en el tiempo. El control es homeostático ya que tiene la capacidad de mantener la estabilidad interna (confort térmico) según la utilidad decreciente marginal del usuario final. El sistema propuesto considera el precio de la energía en cada hora, el confort térmico de los inquilinos basado en el índice de voto medio predicho / porcentaje predicho de insatisfacción (PMV / PDD), el presupuesto y la utilidad decreciente marginal percibida por el usuario, y es capaz de decidir qué temperatura ambiente maximiza la función de recompensa. El algoritmo de Q-learning se simula con MATLAB / Simulink por un lapso de 24 horas. El objetivo es ajustar los pagos debido a la operación de un dispositivo de enfriamiento para el presupuesto, al tiempo que maximiza el confort térmico dentro del edificio. Los resultados muestran que el algoritmo es capaz de reducir el consumo de energía hasta un 42%, mientras que la inconformidad térmica se mantiene dentro de los límites permitidos.

• Autores: Martínez Velásquez, Victor Daniel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/44504
• Acceso en línea: http://hdl.handle.net/1992/44504
• Palabra clave: Edificios de apartamentos; Aprendizaje por refuerzo (Aprendizaje automático); Control automático; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf