Otapanje amonijačnih isparivača metodom potpune kondenzacije toplog gasa
##plugins.themes.bootstrap3.article.main##
Apstrakt
Potrošnja energije u sektoru zgradarstva predstavlja značajan procenat ukupne primarne energije koja se u većini zemalja troši zbog potrošnje sistema klimatizacije, grijanja i hlađenja. Smanjenje povezane potrošnje energije uz održavanje ugodnih uslova u zgradama konfliktni su ciljevi i predstavljaju tipičan problem optimizacije koji zahtjeva inteligentno projektovanje sistema. Takođe, potrebne su i preciznije i brže metode za otkrivanje i dijagnostiku kvarova tih sistema. Metode vještačke inteligencije i mašinskog učenja imaju veliki potencijal u tom pogledu, posebno sa razvojem informacionih tehnologija i senzorske opreme, omogućavajući pristup velikim količinama visokokvalitetnih podataka. Bez obzira na to, mašinsko učenje još nije potpuno prihvaćeno u industriji. U radu je dat prikaz nekih metoda mašinskog učenja koje se mogu koristiti u sistemima klimatizacije, grijanja i hlađenja, a te metode se klasifikuju na nadgledano, nenadgledano i podržano učenje. U nastavku je dat literaturni pregled metoda i modela zasnovanih na mašinskom učenju za poboljšanje optimizacije i kontrole u pomenutim sistemima, kao i mogućnosti primjene u oblasti otkrivanja i dijagnostike kvarova. Prikazane su prednosti i nedostaci metoda mašinskog učenja i date neke smjernice za dalji tok istraživanja u ovoj oblasti.
##plugins.themes.bootstrap3.article.details##
Reference
Markoski, M., Rashladnji uređaji, Mašinski fakultet, Univerzitet u Beogradu, Srbija, 2006.
Vujić, S., M. Markoski, S. Pejković, R. Raičević, P. Hrnjak, Rashladnji uređaji, Mašinski fakultet, Univerzitet u Beogradu, Srbija, 1980.
Vestergaard, N. P., M. J. Skovrup, Energy and Function Analysis of Hot Gas Defrost in Ammonia Refrigeration Systems, Danfoss A/S
Vestergaard, N. P., Effective and cost-efficient hot gas defrost methods, Danfoss A/S, 2017