Termal Konfor Ve Enerji Verimliliği Odaklı Akıllı Klima Kontrol Sistemi

Abstract

Bu tezde, klima kumandası ile klimayı kontrol eden bir kullanıcı gibi çalışan akıllı klima kontrol sistemi anlatılmaktadır. Tasarlanan akıllı klima kontrol sistemiyle klima, kullanıcıların termal konfor sıcaklığına otomatik olarak ayarlanmakta ve tasarım sayesinde enerji verimliliği arttırılmaktadır. Günümüzde insanlar konforlu, modern ve kaliteli bir yaşama ortamı sağlamak için iklimlendirme sistemlerini hiç olmadığı kadar yoğun bir şekilde kullanmaktadırlar. Aynı zamanda klimaların kullanımı gelir seviyesindeki artış ile birlikte artmaktadır ve bununla paralel olarak elektrik harcamalarında da artış gözlenmektedir. Bu sebeplerle artan ihtiyaca yönelik klima kullanımın konforunu arttırmak ve yoğun kullanımdan doğan enerji ihtiyacı azaltmak araştırmaya değer ve gerekli bir konudur. Akıllı klima kontrol sistemi internet üzerinden erişilebilirlik, alıcılar ile haberleşme, lineer olmayan denklem çözme, optimizasyon algoritması ve klima kontrolü algoritması gibi yazılım unsurlarını üzerinde barındıran ve bu unsurları aynı anda performans kaybı yaşamadan koşturabilecek donanım unsurlarından oluşmaktadır. Kontrol edilecek klimanın kumandasının tuşlarına basıldığında gönderdiği kızıl ötesi komutlar, kızıl ötesi alıcı yardımıyla kontrolörün içine önceden kayıt edilmektedir. Klima kontrol sistemi bu sayede, kurulu klimanın iç ve dış birimlerinin çalışma şekline müdahale etmeden kızıl ötesi yoluyla klima kumandası komutları gönderen bir kullanıcı rolünde çalışır. Klima kontrol sistemini akıllı yapan, termal konfor sıcaklığını belirleyen algoritma, deney ortamına yerleştirilen sıcaklık ve nem alıcılarından aldığı bilgiler ve sabit deney koşulları altında termal konfor sıcaklığını belirleyerek klimanın kızıl ötesi yoluyla konfor sıcaklığına ayarlanmasını sağlar. Termal konfor sıcaklığını belirleyen algoritmanın çekirdeğini, çevre ve insan faktörleri arasındaki termodinamik ilişki ile deney sonuçlarından alınan istatistiksel verilerin birleştirilmesiyle ortaya çıkarılan tahmini ortalama oy (PMV) fonksiyonu oluşturmaktadır. Fonksiyon sonucunda elde edilen PMV değeri, ISO 7730 ve ASHRAE Standard 55’de belirtilen termal konfor yelpazesinde bir noktaya denk gelir ve büyük bir insan gurubunun ortalama termal konforunu tahmin eder. Termal konfor yelpazesi +3 ve -3 aralığında değişmektedir ve +3 çok sıcak koşullar için, -3 ise çok soğuk koşullar içindir. PMV fonksiyonuna göre elde edilen 0 değeri termal konfor yelpazesinde en uygun ortam koşullarını temsil eder ve yelpazedeki bu değerde bile PMV’ye göre istatistiksel olarak insanların %5’i kendini termal anlamda konforlu hissetmemektedir. ISO standartlarında PMV değerinin +0.5 ve -0.5 arasında olması gerektiği belirtilmiştir. Termal konfor sıcaklığı bulunurken de hem ISO standartları dışına çıkmamak hem de enerji verimliliği sağlamak için deney ortamının PMV değerini yaz aylarında +0.25, kış aylarında -0.25 olmasını sağlayacak hava sıcaklıkları seçilmiştir. Fakat seçilen hava sıcaklığı, PMV fonksiyonunda kullanılan bir parametre olduğu için fonksiyonun tersi alınmıştır. PMV fonksiyonunun çözümü doğrusal olarak yapılamadığından fonksiyonun tersini alma işlemi de doğrusal olarak yapılamaz, dolayısıyla PMV değerinin bulunması ve fonksiyonun tersinin alınması işlemlerinde parçacık kümesi optimizasyonu (PSO) kullanılmıştır. Akıllı klima kontrol sistemi deney ortamının sıcaklığını, belirlenen termal konfor sıcaklığına aşım yapmadan olabildiğince hızlı bir şekilde tasarlanan PI kontrolör sayesinde getirir. PI kontrolör tasarlanırken öncelikle deney ortamının termal transfer fonksiyonu yapılan basamak cevabı deneyleriyle çıkarılmıştır. Daha sonra yapılan benzetimler ve testler ile PI kontrolörünün katsayıları ve yapısı belirlenmiştir. Tasarlanan termal konfor ve enerji verimliliği odaklı akıllı klima kontrol sistemi ile klima çalışma sıcaklığı 0.1 ⁰C çözünürlükle otomatik olarak termal konfor sıcaklığına ayarlanabilmektedir. Yapılan deneyde, PMV değeri -0.25 ve 0 olarak seçildiğinde konfor değeri sırasıyla ortalama 21.7 ⁰C ve 22.8 ⁰C olarak bulunmuştur. Klima, ortamın sıcaklığına ve nemine aynı anda etki ettiği için konfor sıcaklıkları ± 0.1 ⁰C salınım yapmıştır. Deneyde PMV -0.25 değeri için ortam sıcaklığı kontrol sistemi tarafından ±0.4 hata payı ile 21.7 ⁰C’de tutulmaya çalışılmıştır. PMV 0 değeri için ise ortam sıcaklığı kontrol sistemi tarafından ±0.5 ⁰C hata payı ile 22.8 ⁰C’de tutulmaya çalışılmıştır. PMV 0 için sistemin nispeten zorlanmasının sebebi, odanın çok yavaş ısınması fakat çok çabuk soğumasıdır. Ayrıca dış hava sıcaklığı 20 ⁰C’de iken pencere açma senaryosu ile sistemin hata girişine karşı olan dayanıklılığı ölçülmüş ve deney sonuçlarında kontrol sisteminin hata sinyalini başarılı şekilde bastırdığı görülmüştür. Verilere göre kullanıcılar, kışlık kıyafetler ile bilgisayar işleriyle uğraştıklarında ve konfor sıcaklığı PMV -0.25 değerine göre belirlendiğinde %6-%8 arasında ortamdan termal açıdan rahatsız olmuşlardır. Aynı koşullarda konfor sıcaklığı PMV 0 değerine göre belirlendiğinde kullanıcılar ortalama %5.1 oranında ortamdan termal açıdan rahatsız olmuşlardır. Bu yüzden hem enerji verimliliği hem de termal konforun sağlanması için kış aylarında PMV -0.25 değeri tercih edilmiştir.

In this thesis, a smart climate control system that operates like a user who controls an air conditioner (AC) via its remote control, is introduced. The smart climate control system sets AC to users thermal comfort temperature automatically, also increase in sustainability is achieved by the design. Today, people are using the air conditioning systems more intensely than ever to provide a comfortable, modern and quality living environment. While use of air conditioners is increasing with increase in income, electricity spending is also increasing in parallel. In addition, according to the simulation results, it is predicted that global warming will reduce the need for heating by 34% in the year 2100, but the cooling requirement is expected to increase by 72%. It is therefore worthwhile to investigate how to increase thermal comfort of air conditioning usage and reducing the energy requirement from intensive use. The smart climate control system is composed of software and hardware that contains accessibility over internet, communication with sensors, nonlinear equation solving, optimisation algorithms, AC control algorithm and hardware which is responsible for running these software factors at the same time without having performance issues. As hardware, a popular and powerful development board Raspberry Pi is used as controller to have fast development schedule by means of its open software and community support. In addition, three temperature and humidity sensor and 1 infrared transmitter are used as nodes of the controller. As software platform, Linux is used as operating system and mentioned software parts are implemented separately as programs. Programs like optimisation algorithm and nonlinear equation solving are written in C language to reduce calculation time. On the other hand, web server and PI controller algorithm are written in Python language for fast development because calculation time is not the main priority in that case. The smart controller is designed to be able to work with any kind of AC, which has an infrared remote control. Such compatibility is achieved by recording infrared signals for every button that is sent to AC when pressed. Therefore, smart controller acts as a real person who has the remote control and sending temperature commands. Decision making algorithm for determining which temperature command is going to be sent to AC makes the controller smart. The algorithm, determines thermal comfort temperature with information that comes from temperature and humidity sensors under constant test conditions. Povl Ole Fanger's Predicted Mean Vote (PMV) function, which is derived from the results obtained from the thermal comfort experiments on humans and the mathematical model of the thermal relationship of the human body with its environment is the core component of the thermal comfort temperature algorithm. The PMV value obtained as result of the PMV function, represents a point in thermal comfort scale which is defined in ISO 7730 and ASHRAE Standard 55 and it predicts the thermal comfort of a large number of people. Thermal comfort scale varies between +3 and -3 which means very hot conditions and very cold conditions, respectively. A value of 0 according to the PMV formula indicates the most favourable ambient conditions and even at this value on the scale, statistically 5% of people do not feel comfortable in a thermal sense. PMV formula is a very popular method in thermodynamic science and thermal comfort measurement. In ISO, it is specified that PMV value generated by the formula should be between +0.5 and -0.5 in order to have thermal comfort for human beings. When designing the control algorithm to determine thermal comfort temperature, staying inside of the specified ISO range and energy efficiency are ensured by selecting target PMV as +0.25 for summer conditions and -0.25 for winter conditions. Because air temperature is an input argument to find PMV value, the PMV formula is needed to be reversed. Taking reverse of PMV formula is a nonlinear task as the function itself. Therefore, Particle Swarm Optimisation (PSO) is used for finding PMV value and while taking reverse of the function to find thermal comfort temperature. PSO is a population based stochastic optimization technique inspired by social behaviour of bird flocking or fish schooling. The smart climate control system manages the air temperature of the test environment to stay in thermal comfort temperature by PI controller that is designed to have zero overshoot while being as fast as possible. Firstly, thermal transfer function of the test environment is obtained by applying the stepped temperature inputs to the air conditioner. After the thermal transfer function of the test environment is achieved, a PI controller was designed to eliminate the steady state errors due to the shape of the room and the position of the air conditioner. In addition, temperature oscillations made by the air conditioner which are related to the position of the room and the air conditioner are reduced. Thanks to designed thermal comfort and energy conservation based automatic air conditioner control system, AC temperature can be set with the resolution of 0.1 ⁰C. In the experiment with the designed control system, when the PMV value is selected as -0.25 and 0, the comfort value is found as 21.7 ⁰C and 22.8 ⁰C respectively. Since the air conditioner affects the temperature and humidity of the environment at the same time, the comfort temperatures oscillated by ± 0.1 ° C. In the experiment, for PMV -0.25 value, air temperature of the test environment is managed to be hold on at 21.7 ⁰C with error ±0.4 ⁰C. For PMV 0 value, air temperature of the test environment is managed to be hold at 22.8 ⁰C with error ±0.5 ⁰C. The reason behind the decrease of performance for PMV 0 value is that heating of the room is slow but cooling down is faster. In addition, when the outside air temperature is 20 ⁰C, the resistance against the error input of the system with the window opening scenario is measured and it is seen that the control system successfully suppresses the error signal in the test results. According to the data, when people are sitting in winter clothes and working with their computer and when the comfort temperature is determined according to PMV -0.25 value, the users are disturbed thermally from the environment between 6% and 8%. When the comfort temperature was determined according to the PMV 0 value in the same conditions, the users were disturbed thermally from the ambient by an average of 5.1%. The thermal comfort must be between +0.5 and -0.5 as it is specified in the ISO standards. Therefore, PMV-0.25 is preferred for winter months in terms of both energy efficiency and thermal comfort.