Temeperatura degli edifici: tecniche predittive

- Ambito generale: riduzione dei consumi garantendo confort termo-igrometrico, utilizzando tecniche di controllo.

- Perché ha senso?

1) perché abbiamo pompe di calore (COP variabile)
2) perché con l'inerzia termica disaccoppio generazione dal consumo

Obiettivi del presente lavoro:

1) Investigazione delle tecniche di reinforcement learning per il controllo temperatura minimizzando i consumi
2) Confronto con tecniche di controllo basate su modelli (fisica) e su dati (NN) sviluppate precedentemente

Caso studio - descrizione dell'edificio

- 4 piani: 18 zone termiche (14 classi, 4 aree comuni)
- 3500 m2 ca.

- Modello di riferimento di edificio e HVAC
- Descrizione della architettura di controllo generale
- Machine Learning
- Reinforcement Learning e schema Actor-Critic
- Predictive Actor-Critic e Analisi dei risultati

Nella presentazione, sono presenti le osservazioni e i risultati conclusivi. In allegato, è possibile scaricare il pdf dell'atto completo.