Institutional Repository
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Model development for improving energy efficiency in buildings based on genetic algorithms

Afentoulis Dimitrios

Simple record


URIhttp://purl.tuc.gr/dl/dias/B4A629A0-7AA5-4445-BC4C-BA378D69A3DF-
Identifierhttps://doi.org/10.26233/heallink.tuc.23811-
Languageel-
Extent100 σελίδεςel
TitleModel development for improving energy efficiency in buildings based on genetic algorithmsen
TitleΑνάπτυξη μοντέλου για την βελτίωση της ενεργειακής απόδοσης κτιρίων με χρήση γενετικών αλγορίθμωνel
CreatorAfentoulis Dimitriosen
CreatorΑφεντουλης Δημητριοςel
Contributor [Committee Member]Grigoroudis Evaggelosen
Contributor [Committee Member]Γρηγορουδης Ευαγγελοςel
Contributor [Thesis Supervisor]Kalaitzakis Kostasen
Contributor [Thesis Supervisor]Καλαϊτζακης Κωσταςel
Contributor [Committee Member]Stavrakakis Georgiosen
Contributor [Committee Member]Σταυρακακης Γεωργιοςel
Contributor [Assistant]Palogos Ioannisen
Contributor [Assistant]Παλογος Ιωαννηςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electronic and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryΗ αποτελεσματική διαχείριση της ενέργειας αποτελεί ένα από τα κυριότερα θέματα που απασχολούν την ανθρωπότητα σήμερα. Τα μέτρα που χρησιμοποιούνται για την εξοικονόμηση ενέργειας ποικίλουν και μέσα από διαφορετικά κριτήρια όπως η ενεργειακή κατανάλωση, το επενδυτικό κόστος και η εκπομπή ρύπων, ο αποφασίζων πρέπει να λάβει τις καλύτερες αποφάσεις. Πολλές φορές, τα κριτήρια είναι ανταγωνιστικά και έτσι δημιουργείται ένα πολυστοχικό πρόβλημα λήψης αποφάσεων για το οποίο διάφορες τεχνικές μπορούν να χρησιμοποιηθούν όπως οι τεχνικές προσομοίωσης και οι τεχνικές πολυκριτήριας ανάλυσης. Στην παρούσα εργασία, αναπτύσσεται ένα σύστημα υποστήριξης αποφάσεων με σκοπό τη βελτίωση της ενεργειακής διαχείρισης κτιρίων, δίνοντας βάρος στις προτιμήσεις του αποφασίζοντα. Τα κριτήρια που έχουν χρησιμοποιηθεί είναι η ετήσια κατανάλωση πρωτογενούς ενέργειας, οι ετήσιες εκπομπές CO2 και το κόστος επένδυσης. Η βελτιστοποίηση των κριτηρίων πραγματοποιείται με χρήση εξελικτικού-γενετικού αλγορίθμου που ενσωματώθηκε στην εφαρμογή GREENY, η οποία αναπτύχθηκε σε περιβάλλον MATLAB και δίνει την δυνατότητα μέσα από ένα σύγχρονο γραφικό περιβάλλον να γίνει χρήση του γενετικού αλγορίθμου και των δεδομένων του προβλήματος. Η δομή της παρούσας εργασίας αρχίζει με το θεωρητικό υπόβαθρο και τη βιβλιογραφική ανασκόπηση ενώ στην συνέχεια παρατίθεται το μαθηματικό πρότυπο, η δομή και λειτουργία του γενετικού αλγορίθμου και ένα παράδειγμα χρήσης της εφαρμογής GREENY, καταλήγοντας σε χρήσιμα συμπεράσματα και προτάσεις για την βελτίωση της παρούσας αντιμετώπισης του προβλήματος της ενεργειακής διαχείρισης κτιρίων. el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by-nc-sa/4.0/en
Date of Item2014-12-22-
Date of Publication2014-
SubjectΓενετικοί αλγόριθμοιel
SubjectΕνεργειακή απόδοσηel
SubjectΚτίριαel
SubjectGAs (Algorithms)en
SubjectGenetic searches (Algorithms)en
Subjectgenetic algorithmsen
Subjectgas algorithmsen
Subjectgenetic searches algorithmsen
SubjectConsumption of energyen
SubjectEnergy efficiencyen
SubjectFuel consumptionen
SubjectFuel efficiencyen
Subjectenergy consumptionen
Subjectconsumption of energyen
Subjectenergy efficiencyen
Subjectfuel consumptionen
Subjectfuel efficiencyen
Bibliographic CitationDimitrios Afentoulis, "Model development for improving energy efficiency in buildings based on genetic algorithms", Diploma Work, School of Electronic and Computer Engineering, Technical University of Crete, Chania, Greece, 2014en
Bibliographic CitationΔημήτριος Αφεντούλης, "Ανάπτυξη μοντέλου για την βελτίωση της ενεργειακής απόδοσης κτιρίων με χρήση γενετικών αλγορίθμων", Διπλωματική Εργασία, Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2014el

Available Files

Services

Statistics