Anwendung eines künstlichen neuronalen Netzes zur Modellierung der thermischen Dynamik des Raumes eines Gebäudes und seines Heizsystems

Künstliche neuronale Netze (KNN) wurden zur Modellierung der thermischen Dynamik des Raumes eines Gebäudes, seines Warmwassersystems und des Einflusses der Sonnenstrahlung eingesetzt. Ein mehrschichtiges Feedforward-neuronales Netz, das einen Levenberg-Marquardt-Rückpropagations-Trainingsalgorithmus verwendet, wurde angewendet, um die zukünftige Innentemperatur vorherzusagen. Echte Wetterdaten für mehrere Wintermonate sowie ein validiertes Gebäudemodell (basierend auf den Daten der Gebäudekonstruktion) wurden verwendet, um das Netz zu trainieren, um eine Zuordnung zwischen den leicht messbaren Eingaben (Außentemperatur, Solarstrahlung, Heizventilposition und der Innentemperatur des Gebäudes) und dem gewünschten Ergebnis, d.h. der vorhergesagten Innentemperatur, zu generieren. Ziel dieser Arbeit war es, das Potenzial der Verwendung eines KNN mit der Methode der singulären Wertzerlegung (SVD) zu untersuchen, um die Innentemperatur vorherzusagen und den Heizungsregelungssystem frühzeitig abzuschalten, um den Energieverbrauch für die Heizung im Gebäude zu reduzieren.