بهينهسازي پارامترهاي طراحي گلخانه بهمنظور كمينهسازي همزمان مصرف انرژي روشنايي و حرارتي مقايسه روشهاي بهينهسازي كلاسيك با روشهاي بهينه سازي مبتني بر هوش مصنوعي

در اين تحقيق، تعيين مقادير بهينه پارامترهاي طراحي مربوط به يك گلخانه واقع در ضلع جنوبي يك ساختمان بهمنظور كاهش مصرف انرژي گرمايشي، سرمايشي، و روشنايي ساليانه با بهكارگيري دو روش بهينهسازي مختلف مورد بررسي و مطالعه قرار گرفت. روش بهينهسازي اول، يك روش بهينهسازي كلاسيك انتخاب شد. اين روش برپايه طراحي آزمايش از نوع يك عامل در هر بار ميباشد كه در آن پارامترهاي ورودي بهصورت يك به يك و مجزا يعني هر پارامتر در هر نوبت، بهينهسازي ميشوند. حال آنكه روش بهينهسازي دوم برپايه تلفيق روشهاي هوش مصنوعي شامل شبكههاي عصبي مصنوعي و الگوريتم ژنتيك چندهدفه انتخاب شد. نتايج بهدست آمده بيانگر آن است كه روش طراحي آزمايش برپايه يك عامل در هر بار، قادر به انجام فرآيند بهينهسازي موثر و مناسب نبوده و در حالتهاي اجراي مختلف، منجر به نتايج متفاوتي ميشود. اين در حالي است كه روش هوش مصنوعي بهكار رفته با دقت و سرعت بالايي موفق به انجام فرآيند بهينهسازي و تعيين مقادير بهينه پارامترهاي مورد نظر شد. در اين حالت، در فاز اول، سناريوهاي مختلفي در نرمافزار ديزاينبيلدر اجرا شده و نتايج حاصل براي آموزش و تست شبكههاي عصبي طراحي شده در اين تحقيق مورد استفاده قرار گرفتند. در ادامه با بهكارگيري روش الگوريتم ژنتيك چندهدفه و فراخواني شبكههاي عصبي مصنوعي مورد نظر، عمليات بهينهسازي با موفقيت براي حالتهاي مختلف اجرا شد. نتايج حاصل بيانگر آن است كه براي دستيابي همزمان به حداقل مجموع مصرف انرژي گرمايشي و سرمايشي از يك سو و حداقل مصرف انرژي روشنايي ساليانه از سوي ديگر لازم است عمق سايهبان برابر 2.0 متر، عمق گلخانه برابر 2.85 متر، و نوع شيشه دوجداره سبز آرگون انتخاب شود. بر اين اساس مصرف انرژيهاي گرمايشي، سرمايشي، روشنايي، و كل ساليانه بهترتيب برابر 62.96، 42.30، 17.26، و 12.25 كيلووات ساعت بر مترمربع خواهند بود.