Geri Dön

Akıllı kampüslerde yapay zekâ destekli enerji yönetimi

Artificial intelligence-supported energy management in smart campuses

PDF İndir

  1. Tez No: 1000610
  2. Yazar: ABDALHADI K S MANASSRA
  3. Danışmanlar: DOÇ. DR. GÜRKAN IŞIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Bursa Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Artan enerji tüketimi ve üniversite kampüsleri gibi büyük ölçekli tesislerde görülen operasyonel verimsizlikler, çevresel ve ekonomik etkileri nedeniyle kritik bir sorun haline gelmiştir. Geleneksel enerji yönetim sistemleri genellikle statik ve kural tabanlı stratejilere dayalı olarak çalışmakta olup, değişken doluluk oranları, farklı hava koşulları ve değişen enerji talepleri gibi dinamik koşullara uyum sağlamakta yetersiz kalmaktadır. Bu durum, önemli miktarda enerji israfına neden olmakta, işletme maliyetlerini ve karbon emisyonlarını artırmaktadır. Bu çalışma, akıllı kampüs (AK) ortamları için kapsamlı, yapay zekâ (YZ) destekli bir enerji optimizasyon modeli sunmaktadır. Önerilen sistem, sıcaklık, nem, karbondioksit (CO₂), aydınlatma, hareket, enerji kullanımı ve güvenlik (örneğin duman dedektörleri, doluluk uyarıları) sensörlerinden toplanan gerçek zamanlı verilerden yararlanmaktadır. Bu sensörler dört farklı kampüs binasında (idari bina, laboratuvar, derslik ve kafeterya) konumlandırıldığı bir senaryo kurgulanmıştır. Elde edilen veriler, farklı sistemlere uyarlanmış hibrit bir YZ yaklaşımıyla işlenmektedir: su ve Isıtma, Havalandırma ve İklimlendirme (HVAC) sistemleri için Yapay Sinir Ağları (ANN), hareket tabanlı optimizasyon için Evrişimsel Sinir Ağları (CNN) ve uyarlamalı HVAC kontrolü için Pekiştirmeli Öğrenme (RL) algoritmaları kullanılmıştır. Sistem mimarisi, bulut-uç (cloud-edge) bilişim modeline dayanmaktadır. Yerel uç denetleyiciler (örneğin Raspberry Pi, Jetson Nano) verileri gerçek zamanlı işleyerek MQTT protokolü üzerinden iletişim kurmakta ve özetlenmiş içgörüleri merkezi YZ motoruna iletmektedir. Bu yapı, ademi merkezi ve düşük gecikmeli karar verme imkânı sağlayarak aydınlatma sistemleri (LS), HVAC üniteleri, güvenlik mekanizmaları ve yenilenebilir enerji kaynaklarının (örneğin güneş panelleri) optimize edilmiş şekilde çalışmasını mümkün kılmaktadır. Platform ayrıca Bina Enerji Yönetim Sistemi (BEMS) ile entegre edilmiş olup, gerçek zamanlı izleme, kullanıcı geri bildirimi ve otonom kontrol için gösterge panelleriyle desteklenmiştir. Sistem, enerji verimliliğinin yanı sıra iç mekân çevresel konforunu (ısıl, görsel ve hava kalitesi) korumayı ve anormalliklere yanıt vererek kullanıcı güvenliğini artırmayı amaçlamaktadır. Uyarlanabilir konfor modelleri, sistemin HVAC ve aydınlatma ayarlarını kullanıcı geri bildirimlerine göre özelleştirmesine olanak tanırken, YZ destekli güvenlik özellikleri, kötü hava kalitesi veya anormal sıcaklık artışları gibi potansiyel tehlikeler için erken uyarılar sağlamaktadır. Çalışmada önerilen model, 100.000 m²'lik bir kampüsün dijital ikizi oluşturularak kapsamlı bir simülasyon yapısı içinde test edilmiştir. Simülasyon altyapısı, dört farklı kullanım profiline sahip binayı içermekte ve her bina için HVAC, aydınlatma, fiş yükleri ve yenilenebilir enerji entegrasyonunu modellemektedir. Sistem, Yaz (soğutma) ve Kış (ısıtma) olmak üzere iki temel mevsimsel senaryo altında yürütülmüştür. Her senaryoda, DQN tabanlı HVAC kontrolü, CNN tabanlı aydınlatma optimizasyonu ve MLP tabanlı yük tahmin modelleri kullanılarak temel durum ile YZ kontrollü durum karşılaştırılmıştır. Teorik analizler, önerilen sistemin toplam enerji tüketimini %59,1 oranında azaltabileceğini öngörmüştür. Ancak, dijital ikiz üzerinde gerçekleştirilen gerçekçi kampüs simülasyonları sonucunda, dört bina ve iki mevsim senaryosu altında ortalama %44,5 oranında enerji tasarrufu elde edildiği doğrulanmıştır. Simülasyon çıktıları, ısıl konforun ve kullanıcı güvenliğinin korunduğunu, en yüksek tasarrufun ise doluluk ve çevresel verilere göre dinamik olarak güncellenen HVAC ve aydınlatma kontrolünde sağlandığını göstermektedir. Ayrıca sonuçlar, hata oranları, doğruluk ve kayıp fonksiyonları gibi performans metrikleri ile doğrulanmıştır. Ekonomik fizibilite analizi, simülasyonla doğrulanan bu enerji tasarruf oranları kullanılarak yeniden hesaplanmıştır. Sunulan simülasyona dayalı ekonomik özet, Net Bugünkü Değer, İç Verim Oranı ve Geri Ödeme Süresi gibi metriklerin yalnızca teorik varsayımlara değil, gerçekçi verilere dayandığını göstermektedir. Simülasyon çıktılarının modele entegre edilmesiyle yatırımın kârlılığı daha hassas bir şekilde değerlendirilmiş ve 6 yıllık geri ödeme süresinin pratik olarak ulaşılabilir olduğu ortaya konmuştur. Bu araştırma, geliştirdiği model ile sürdürülebilir, kullanıcı odaklı ve ekonomik açıdan verimli gelecekteki akıllı altyapı girişimleri için bir örnek teşkil etmektedir.

Özet (Çeviri)

Rising energy consumption and operational inefficiencies in large-scale facilities, such as university campuses, have become critical concerns due to their environ-mental and economic implications. Traditional energy management systems typi-cally operate based on static and rule-based strategies, which remain insufficient in adapting to dynamic conditions such as fluctuating occupancy rates, variable weather patterns, and changing energy demands. Consequently, significant energy waste occurs, leading to increased operational costs and carbon emissions. This study presents a comprehensive, Artificial Intelligence (AI)-driven energy op-timization model for smart campus (SC) environments. The proposed system lever-ages real-time data collected from sensors monitoring temperature, humidity, car-bon dioxide (CO₂), lighting, motion, energy usage, and safety (e.g., smoke detec-tors, occupancy alerts). These sensors are positioned across four different campus buildings: administration, laboratory, classroom, and cafeteria. The acquired data is processed using a hybrid AI approach tailored to different systems: Artificial Neu-ral Networks (ANN) for water and Heating, Ventilation, and Air Conditioning (HVAC) systems, Convolutional Neural Networks (CNN) for motion-based optimi-zation and Reinforcement Learning (RL) algorithms for adaptive HVAC control. The system architecture is based on a cloud-edge computing model. Local edge controllers (e.g., Raspberry Pi, Jetson Nano) process data in real-time, communi-cate via the MQTT protocol, and transmit aggregated insights to the central AI en-gine. This structure enables decentralized and low-latency decision-making, ensur-ing the optimized operation of lighting systems (LS), HVAC units, safety mecha-nisms, and renewable energy resources (e.g., solar panels). The platform is also integrated with a Building Energy Management System (BEMS) and supported by dashboards for real-time monitoring, user feedback, and autonomous control. In addition to energy efficiency, the system aims to maintain indoor environmental comfort (thermal, visual, and air quality) and enhance user safety by responding to anomalies. Adaptive comfort models allow the system to customize HVAC and lighting settings based on user feedback, while AI-driven safety features provide early warnings for potential hazards such as poor air quality or abnormal tempera-ture rises. The model proposed in this study was tested within a comprehensive simulation framework by creating a digital twin of a 100,000 m² campus. The simulation infra-structure includes four buildings with distinct usage profiles, modeling HVAC, lighting, plug loads, and renewable energy integration for each. The system was executed under two primary seasonal scenarios: Summer (cooling) and Winter (heating). In each scenario, the baseline condition was compared with the AI-controlled condition using DQN-based HVAC control, CNN based lighting optimi-zation, and MLP based load prediction models. Theoretical analyses predicted that the proposed system could reduce total energy consumption by 59.1%. However, realistic campus simulations conducted on the digital twin confirmed an average energy saving of 44.5% across four buildings and two seasonal scenarios. Simulation outputs demonstrate that thermal comfort and user safety were maintained, with the highest savings achieved in HVAC and light-ing controls dynamically updated based on occupancy and environmental data. Fur-thermore, these results were validated through performance metrics such as error rates, accuracy, and loss functions. The economic feasibility analysis was recalculated using these simulation-verified energy saving rates. The presented simulation-based economic summary demon-strates that metrics such as Net Present Value (NPV), Internal Rate of Return (IRR), and Payback Period are based on realistic data rather than purely theoretical as-sumptions. Integrating simulation output into the model allowed for a more precise assessment of investment profitability, revealing that a 6-year payback period is practically achievable. This research demonstrates the transformative role of AI not only in energy optimization but also in improving user comfort and building safety, serving as a benchmark for future sustainable, user-centered, and economically ef-ficient smart infrastructure initiatives.

Benzer Tezler

  1. Tez No

    104

    Sivas'ta kadınların işgücüne katılım farklılıkları

    Başlık çevirisi yok

    BİNNUR ERCEM

    Yüksek Lisans

    Türkçe

    Türkçe

    1984

    SosyolojiCumhuriyet Üniversitesi

    Kurumlar Sosyolojisi Ana Bilim Dalı

    YRD. DOÇ. DR. FARUK KOCACIK

  2. Tez No

    870

    Banka kredilerinin ekonomide yarattıkları etkiler

    Başlık çevirisi yok

    NİHAL ÜÇSU

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Ekonomiİstanbul Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. HAYRİ ERDOĞAN ALKİN

  3. Tez No

    896

    Reklam pazarlama

    Başlık çevirisi yok

    A.SELÇUK TUNA

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Reklamcılıkİstanbul Üniversitesi

    Gazetecilik Ana Bilim Dalı

    DOÇ. DR. MEHMET NİYAZİ ÖKTEM

  4. Tez No

    1161

    Dönemsel yayınlarımızda reklamcılık işlevi ve basının kamuoyu oluşturma görevi ile ilişkisi

    Başlık çevirisi yok

    NEYLAN GÖNLÜYÜCE

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Gazetecilikİstanbul Üniversitesi

    Gazetecilik Ana Bilim Dalı

    PROF. DR. KAYIHAN İÇEL

  5. Tez No

    1073

    Tedarik süresi ve/veya talebin belirsiz olduğu durumlarda emniyet stokunun belirlenmesi

    Başlık çevirisi yok

    ÖZCAN GÖKÇEN

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Endüstri ve Endüstri MühendisliğiGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FEVZİ KUTAY

Geri Dön