İKLİMLENDİRME SİSTEMLERİNDE YAPAY ZEKA DESTEKLİ ENERJİ YÖNETİMİ

Korkmaz A. (Yürütücü)

Teknopark, 2026 - 2027

Proje Türü: Teknopark
Başlama Tarihi: Nisan 2026
Bitiş Tarihi: Nisan 2027

Proje Özeti

Veri tabanlı model geliştirme, pekiştirmeli öğrenme tabanlı kontrol, hibrit yapay zeka tabanlı kontrol tasarımı olması gerçekleşen sistemde uygulamalı sistem öğrenmesi ile kontrol mekanizmasının verimli tesise dönüştürülmesidir. Geleneksel HVAC sistemlerinde kullanılan PID veya kural tabanlı kontrol yöntemleri, değişken dış hava koşulları, kullanıcı davranışları ve dinamik ısı yükleri gibi parametreleri gerçek zamanlı olarak analiz edip optimize etmekte yetersiz kalmaktadır. Bu nedenle son yıllarda veri tabanlı kontrol sistemleri ve yapay zeka yöntemleri üzerinde yoğun ilgi ve çözüm merkezli sistemlerin kullanımı yenilikçi teknolojiler olarak görülecektir. Mekanik sistemleri çalıştırabilmek için bir otomasyon modeli kurgulanır ve bu sayede sahada sensor, protestat, termik, role, frekans invertörü gibi kompenantlar yer almaktadır. bunlar MCC ve DDC panolarıdır. Sistemin çalışmasında bu scada sistemlerinde arkada planda yazılım ile veriler işlenerek kurgulanan set değerlerine göre çalışırlar. Bu projemizde ki ana hedefimiz mevcut kullanılan sistemlere ilave olarak yapay zeka desteğini makine öğrenmesi, anlık verilere göre karar verme gibi işlemleri cop ve eer verimliklerini iyileştirerek enerji tasarrufunu sağlamak projenin ar-ge niteliği olacaktır. web arayüzünde pyhton yazılımı ile yapay zeka kurulumu yapılacaktır. Yapay zekayı günlük yaşamımızda ki mekanik sistemlere entegre ederek konfor, ekonomi ve iş gücünden kazanç sağlayacaktır Bu kapsamda proje; -veri toplama -veri temizleme -veri analizi -model eğitimi -model doğrulama aşamalarını içeren kapsamlı bir araştırma sürecini kapsayacaktır. Projenin temel Ar-Ge bileşenlerinden biri pekiştirmeli öğrenme tabanlı adaptif HVAC kontrol algoritmasının geliştirilmesi olacaktır. Bu algoritmada sistem; -ortam sıcaklığı -kullanıcı konfor seviyesi -enerji tüketimi gibi parametreleri gözlemleyerek HVAC sisteminin set-point değerlerini dinamik olarak ayarlayacaktır. Bu amaçla Deep Q-Network (DQN) tabanlı bir kontrol mimarisi geliştirilecektir.