Artificial intelligence driven optimization for sustainable building performance: a comprehensive study on smart energy management in green structures
Sürdürülebilir bina performansı için yapay zeka odaklı optimizasyon: yeşil yapılarda akıllı enerji yönetimi üzerine kapsamlı bir çalışma
- Tez No: 986338
- Danışmanlar: PROF. DR. ABDURRAHMAN UFUK ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, yüksek performanslı ofis binalarında HVAC enerji kullanımını optimize ederken termal konforun korunmasına yönelik gelişmiş kontrol stratejilerinin etkinliğini değerlendirmektedir. Seattle'daki Bullitt Centre, Amsterdam'daki The Edge, Melbourne'daki Pixel Building ve Ankara'daki Türk Müteahhitler Birliği (TCA) Genel Merkezi olmak üzere dört örnek bina, EnergyPlus ile simüle edilmiş ve MATLAB tabanlı kapalı çevrim bir çerçeve ile analiz edilmiştir. Yöntem, günlük enerji talebi tahmini ve bölge sıcaklığı öngörüsünü; Kural Tabanlı Kontrol (RBC), Bulanık Mantık Kontrolü (FLC), Model Öngörülü Kontrol (MPC) ve Derin Deterministik Politika Gradyanı (RL-DDPG) pekiştirmeli öğrenme ajanı olmak üzere dört kontrol yöntemi ile birleştirmiştir. Yıllık performans değerlendirmesinde, 20–26 °C aralığında termal konfor uyumu, enerji tasarrufu ve kontrol istikrarı dikkate alınmıştır. Tüm binalarda RL-DDPG, %11.99'a varan enerji tasarrufu ile en yüksek performansı sağlamış, tam konfor uyumu ve genellikle dengeli işletim göstermiştir. MPC, %7.98–%10.39 aralığında ikinci sırada yer alarak enerji tasarrufu, konfor ve düşük set noktası dalgalanmaları arasında güçlü bir denge sunmuştur. FLC, %4.75–%8.31 aralığında orta seviyede tasarruf sağlamış ve sıfır konfor ihlali ile güvenilir bir seçenek olmuştur. En basit uygulama olan RBC ise %4,38–%6,08 ile en düşük tasarrufu sağlamış, özellikle değişken iklime sahip bölgelerde kış aylarında zaman zaman konfor ihlalleri göstermiştir. Sonuçlar, özellikle MPC ve RL-DDPG olmak üzere öngörücü ve uyarlanabilir kontrolörlerin, hem enerji verimliliği hem de konforun korunmasında statik yaklaşımlardan tutarlı şekilde daha iyi performans gösterdiğini ortaya koymaktadır. Kontrolör seçimi; iklim, bina özellikleri, uygulama karmaşıklığı ve bütçe göz önünde bulundurularak yapılmalıdır. Çalışmanın bulguları, sürdürülebilir binalarda enerji performansını geliştirmek için zeki kontrol stratejilerinin seçiminde tekrarlanabilir bir değerlendirme çerçevesi ve uygulanabilir rehberlik sunmaktadır.
Özet (Çeviri)
This thesis evaluates the effectiveness of advanced control strategies for optimizing HVAC energy use in high-performance office buildings while maintaining thermal comfort. Four building case studies—the Bullitt Centre (Seattle), The Edge (Amsterdam), the Pixel Building (Melbourne), and the Turkish Contractors' Association (TCA) Headquarters (Ankara)—were simulated using EnergyPlus and assessed through a MATLAB-based closed-loop framework. The methodology combined daily energy demand forecasting and zone temperature prediction with four controllers: Rule-Based Control (RBC), Fuzzy Logic Control (FLC), Model Predictive Control (MPC), and Reinforcement Learning with a Deep Deterministic Policy Gradient (RL-DDPG) agent. Annual performance evaluation considered energy savings, comfort compliance within a 20–26 °C range, and control stability. Across all buildings, RL-DDPG achieved the highest savings—up to 11.99%—while maintaining full comfort compliance and generally smooth operation. MPC ranked second (7.98–10.39%), offering a strong balance of savings, comfort, and low volatility in setpoint changes. FLC provided moderate savings (4.75–8.31%) with zero comfort violations, making it a robust and low-risk option. RBC, while simplest to implement, achieved the lowest savings (4.38–6.08%) and showed occasional comfort violations, particularly during winter in variable climates. Results highlight that predictive and adaptive controllers, especially MPC and RL-DDPG, consistently outperform static approaches in both efficiency and comfort preservation. The choice of controller should consider climate, building characteristics, deployment complexity, and budget. The study's findings provide a replicable evaluation framework and actionable guidance for selecting intelligent control strategies to advance energy performance in sustainable buildings.
Benzer Tezler
- Akıllı kampüslerde yapay zekâ destekli enerji yönetimi
Artificial intelligence-supported energy management in smart campuses
ABDALHADI K S MANASSRA
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRKAN IŞIK
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- A digital twin framework for real-time cost optimization in manufacturing process
Üretim proses maliyetinin gerçek zamanlı optimizasyonu için bir dijital ikiz çerçeve yapısı
UĞUR ÜRESİN
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Human-machine collaboration in landscape architecture:Multi-stage integration of ai into landscape site analysisworkflow
Peyzaj mimarlığında insan-makine işbirliği: Yapay zekanınçevre analizi sürecine çok katmanlı entegrasyonu
BUSE EZGİ ER
Yüksek Lisans
İngilizce
2026
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. MELİH BOZKURT
- Konut enerji tüketim tahminlemesi için dijital ikiz simülasyonlu topluluk öğrenmesi modeli geliştirme
Developing an ensemble learning model with digital twin simulation for residential energy consumption forecasting
AWSAN AHMED HASSAN KHALED
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. AKIN ÖZÇİFT
PROF. DR. KIVANÇ BAŞARAN