Hastanelerde ısıtma ve soğutma yüklerinin ısıl konfor ve enerji verimliliği açısından optimizasyonu

Abstract

Bu çalışmada amaç, Balıkesir'de bulunan Balıkesir Üniversitesi Eğitim ve Araştırma Hastanesi binasının enerji tüketimini yaygın olarak kullanılan enerji verimliliği stratejilerden yararlanarak tahmin etmektir. Yapay sinir ağları (YSA) kullanılarak bir öğrenme algoritması oluşturulmuş ve binanın yalıtım kalınlığı, cam tipi, gölgeleme cihazı ve iç mekan hava sıcaklıkları dikkate alınmıştır. İlk olarak, hastalara, personele ve refakatçılara uygulanan ısıl konfor anketleri ile en uygun konfor sıcaklıkları belirlenmiş ve bu sonuçlar dikkate alınarak bina enerji tüketimi hesaplanmıştır. Hastane binası Design Builder simülasyon program ile modelledikten ve kalibre edildikten sonra, farklı enerji verimliliği stratejileri simüle edilmiştir. Dış duvarlar ve çatı için beş farklı yalıtım malzemesi ve cam için beş farklı pencere tipi seçilmiştir. Gölgeleme ekipmanı olarak; güneş kırıcı ve panjurlar farklı tiplerde uygulanmıştır. İç ortam sıcaklıkları TS 825 (Türk Yapı Yalıtım Standardı) ve ASHRAE tarafından önerilen 22ºC ila 24ºC arasında seçilmiştir. Stratejilere göre YSA, hastane binasının yapımı ve kullanımı modeline göre 3125 farklı simülasyon üretmiştir. Sonuç olarak; hesaplanan değerler ile ağın çıkışları ile karşılaştırırken, YSA'nın tahmin ve test verileri için sırasıyla %96 ve %99 doğrulukla uygun sonuçlar verdiği kanıtlanmıştır. YSA değerleri incelendiğinde, ölçüm sonuçları uygulanırsa, maksimum tasarruf oranı ısıtma dönemi için %18.66 ve soğutma dönemi için% 72.48 olarak hesaplanmıştır.

In this study, the main objective is to predict the energy consumption of Balikesir University Training and Research Hospital building in Balikesir, Turkey benefitting from commonly used energy efficient strategies; insulation thickness, glazing type, shading device and indoor air temperature of the building by using artificial neural networks (ANN) as a learning algorithm. First of all, the most appropriate comfort temperatures were determined by thermal comfort surveys applied to patients, medical staff and patients’ visitors, and building energy consumption was calculated by taking these results into consideration. After modelling and calibrating of building with Design Builder, different energy-efficient strategies were simulated. For external walls and roof five different insulation materials, and for glazing five different window type were selected. As a shading device; overhang and louvre were applied with different length. The indoor temperatures were selected between 22ºC to 24ºC which recommended by TS 825 (Turkish Building Insulation Standard) and ASHRAE. According to strategies, ANN produced 3125 samples in accordance with the model of construction and use of hospital building. As a conclusion; when comparing the calculated values with the outputs of the network, it is proved that the ANN gives satisfactory results with an accuracy of 96% and 99% for the prediction and test data respectively. When the ANN values are examined, if the measurement results are applied, the maximum saving rate is 18.66% for the heating period and 72.48% for the cooling period.