Ispitivanje lične termalne ugodnosti: studija slučaja univerzitetske zgrade

##plugins.themes.bootstrap3.article.main##

Ana Čulić Sandro Nižetić Petar Šolić Toni Perković Jelena Čulić Gambiroža

Apstrakt

Na zgrade visokih performansi u velikoj meri utiče ponašanje korisnika, što utiče na potrošnju energije različitih sistema i tehnologija zgrada. Sistemi zasnovani na internetu stvari (IoT) omogućili su napredno upravljanje zgradama, a time i potencijalne uštede energije u zgradama kroz inteligentnu kontrolu energetskih sistema. Zadovoljstvo korisnika svojom okolinom ključno je za ukupni učinak zgrade. U tom cilju, razvoj pametnih tehnologija zasnovanih na internetu stvari otvorio je put daljem napretku u modeliranju lične termalne ugodnosti, što potencijalno dovodi do uštede energije u zgradama. U ovoj studiji predstavljeni su metodologija i rezultati eksperimenta termalne ugodnosti za zgradu Univerziteta u Splitu, Hrvatska. Da bi se prikupili tačni i sveobuhvatni podaci, nosivi senzori, u obliku pametnog sata, korišćeni su za kontinuirano praćenje različitih ličnih parametara, uključujući temperaturu kože zgloba i broja otkucaja srca. Istovremeno, u prostorijama su mereni temperaturna ugodnost sredine i parametri kvaliteta vazduha kao što su temperatura vazduha, relativna vlažnost vazduha, koncentracija CO2 i isparenja organskih jedinjenja. Da bi se upotpunili objektivni podaci, sprovedenim terenskim istraživanjem prikupljeni su subjektivni odgovori korisnika. Ovaj sveobuhvatni pristup omogućio je dublji uvid u ličnu termalnu ugodnost, omogućavajući korišćenje terenskih podataka za modeliranje i uspostavljanje pametne regulacije energetskih sistema zgrada. Ovo istraživanje naglašava rastući značaj lične termalne ugodnosti u zgradama visokih performansi i pokazuje potencijal pametnih tehnologija za optimizaciju energetskih sistema zgrada i podsticanje dobrobiti korisnika. Kako pametne zgrade postaju sve rasprostranjenije, razumevanje i primena personalizovanih strategija termalne ugodnosti će igrati ključnu ulogu u postizanju održivog i energetski efikasnog okruženja u zgradi.

##plugins.themes.bootstrap3.article.details##

Kako citirati
ČULIĆ, Ana et al. Ispitivanje lične termalne ugodnosti: studija slučaja univerzitetske zgrade. KGH – Klimatizacija, grejanje, hlađenje, [S.l.], v. 53, n. 3, p. 43-49, sep. 2024. ISSN 2560-340X. Dostupno na: <https://izdanja.smeits.rs/index.php/kgh/article/view/8104>. Datum pristupa: 09 oct. 2024
Sekcija
Tematski članci

Reference

Zhang Y., Bai X., Mills F.P., Pezzey J.C.V., Rethinking the role of occupant behavior in building energy performance: A review, Energy and Buildings, 172, 2018, pp. 279–294.
Šiljak, Mile S., Temperatura vazduha u prostoru objekta sistemski zagrevanog grejnim telom, kao parametar za ocenu kvaliteta grejnog Sistema, „KGH“ – Klimatizacija, grejanje, hlađenje, [S.l.], v. 53, n. 1, p. 97–103, feb. 2024. ISSN 2560-340X.
Mujan I., Anđelković A., Kontinualna evaluacija kvaliteta unutrašnje sredine, „KGH“ – Klimatizacija, grejanje, hlađenje, [S.l.], v. 51, n. 1, p. 103–112, feb. 2022. ISSN 2560-340X.
Bavaresco M.V., D’Oca S., Ghisi E., Lamberts R., Technological innovations to assess and include the human dimension in the building-performance loop: A review, Energy and Buildings, 202, 2019, 109365, ISSN 0378-7788.
*** International Standard Organization, ISO 7730, Ergonomics of the thermal Environment – Analytical Determination and Interpretation of Thermal Comfort Using Calculation of the PMV and PPD Indices and Local Thermal Comfort Criteria, 2005.
Rawal R., Schweiker M., Kazanci O.B., Vardhan V., Jin Q., Duanmu L., Personal comfort systems: A review on comfort, energy, and economics, Energy and Buildings, 214, 2020, 109858, ISSN 0378-7788.
Čulić, A., Nižetić, S., Šolić, P., Perković, T., Čongradac, V., Smart monitoring technologies for personal thermal comfort: A review, Journal of Cleaner Production, 312, 2021, 127685, ISSN 0959-6526, https://doi.org/10.1016/j.jclepro.2021.127685.
Liu, S., D., Prasanna H., Ming J., , Costas S., Personal thermal comfort models with wearable sensors. Building and Environment, 162, 2019, 106281. 10.1016/j.buildenv.2019.106281.
Deng, Z., Chen Q., Development and validation of a smart HVAC control sys-tem for multi-occupant offices by using occupants’ physiological signals from wristband, Energy and Buildings, 214, 2020, 109872. 10.1016/j.enbuild.2020.109872.
Fang, Y., Lim, Y., Ooi, S., Zhou, C., Tan, Y., Study of Human Thermal Comfort for Cyber-Physical Human Centric System in Smart Homes, 2020, Sensors, 372, 20, 10.3390/s20020372.
Lee J., Ham Y., Physiological sensing-driven personal thermal comfort model-ling in consideration of human activity variations, Building Research & Information, 2020, DOI: 10.1080/09613218.2020.1840328.
Čulić, A., Nižetić, S., Šolić, P., Perković, T., Anđelković, A., Čongradac, V., Investigation of personal thermal comfort in office building by implementation of smart bracelet: A case study, Energy, 260, 2022, 124973, ISSN 0360-5442, https://doi.org/10.1016/j.energy.2022.124973.
Hernandez, J., Carrasco-Ochoa, J.A., Martínez-Trinidad, J.F., An Empirical Study of Oversampling and Undersampling for Instance Selection Methods on Imbalance Datasets. In: Ruiz-Shulcloper, J., Sanniti di Baja, G. (eds) Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications. CIARP 2013. Lecture Notes in Computer Science, 8258, 2013, Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-41822-8_33.
Fernández-Delgado, M., Cernadas, E., Barro, S., Amorim, D., Do we Need Hundreds of Classifiers to Solve Real World Classification Problems? Journal of Machine Learning Research, 15, 2014, (90), pp. 3133−3181.