polito.it
Politecnico di Torino (logo)

Reinforcement Learning control of electrochromic windows for enhancing energy efficiency and visual comfort

Luca Sandri

Reinforcement Learning control of electrochromic windows for enhancing energy efficiency and visual comfort.

Rel. Alfonso Capozzoli, Silvio Brandi, Marco Savino Piscitelli, Fabio Favoino. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Edile, 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (5MB) | Preview
Abstract:

Gli involucri adattivi di edifici sono elementi di involucro che hanno proprietà dinamiche invece che statiche come quelli tradizionali. Questo approccio è rilevante per via delle diverse condizioni ambientali che influenzano i carichi operativi dell'edificio, le quali variano in base alla posizione, al meteo e all'evoluzione futura del clima, e a causa dell'urgente necessità di ridurre le emissioni di gas climalteranti. La grande quantità di tempo trascorso in ambienti interni nei giorni moderni richiede anche attenzione per il comfort, che influenza il benessere degli occupanti. Gli elementi dinamici impiegati come involucro trasparente possono influire sia sui carichi termici che sulle condizioni di illuminazione, ma le tecnologie di vetratura attiva richiedono l'implementazione di opportune strategie di controllo. I metodi di controllo in particolare sono Rule-Based o Model Predictive-based. Il primo si basa principalmente su una conoscenza a priori e può adattarsi durante la fase di impiego solo indirettamente, riorganizzando i confini delle sue condizioni IF-THEN-ELSE. Tuttavia, ciascun intervallo adattabile rimane sempre associato alla stessa azione. Il secondo può sviluppare una sequenza ottimizzata di passaggi in base a fattori esterni, anche prevedendoli. Questa capacità, tuttavia, implica la necessità di un modello, con i possibili inconvenienti riguardanti il tempo di calcolo, la precisione della calibrazione e il lavoro di sviluppo. Alcuni ricercatori hanno applicato il Reinforcement Learning ma principalmente sui sistemi di condizionamento. Il presente documento ha studiato l'adattabilità e l'idoneità di un Tabular Q-learning Reinforcement Learning a sviluppare una politica di controllo in evoluzione per una finestra dinamica al fine di affrontare obiettivi contrastanti. In particolare, come tecnologia di smart glazing è stata scelta una finestra elettrocromica, di cui 4 stati rappresentavano le 4 azioni disponibili per i controllori. Sono stati testati diversi agenti RL, proponendo il progetto dello spazio degli stati basato su diverse combinazioni di misurazioni comunemente applicate trovate in letteratura. La radiazione solare incidente sulla finestra è stata fornita al controllore come variabile di input in tutte le combinazioni testate. Questo studio ha preso in considerazione il consumo energetico per i servizi chiave dell'edificio (vale a dire, riscaldamento, raffreddamento e illuminazione) e anche per il comfort visivo. I miglioramenti in entrambi i campi possono avere effetti economici positivi legati, rispettivamente, al ridotto utilizzo di energia nella fase operativa degli edifici e al miglioramento del benessere degli utenti. Al fine di valutare la funzionalità dei controllori sviluppati, è stato scelto come riferimento un Rule-Based Controller. I risultati hanno suggerito che le finestre elettrocromiche hanno un effetto potenziale molto più elevato sul servizio di illuminazione rispetto al riscaldamento. I progetti più efficienti dal punto di vista energetico includono variabili di input che rappresentano le misure cumulative delle successive 4 ore, che possono essere considerate analoghe alle previsioni meteorologiche. Questo approccio ha consentito di risparmiare un 3% addizionale di energia totale rispetto al RBC di riferimento. Quando invece sia il consumo energetico che il comfort visivo erano inclusi nella funzione obiettivo, la presenza/assenza di occupanti o la temperatura esterna (quando la misurazi

Relators: Alfonso Capozzoli, Silvio Brandi, Marco Savino Piscitelli, Fabio Favoino
Academic year: 2020/21
Publication type: Electronic
Number of Pages: 109
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Edile
Classe di laurea: New organization > Master science > LM-24 - CONSTRUCTION ENGINEERING
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/19041
Modify record (reserved for operators) Modify record (reserved for operators)