Registration Number
0826U003022, PhD dissertation
Status
Доктор філософії
Date
28-08-2026
popup.evolution
o
Title
Automated microclimate control system for public catering premises using machine learning methods.
Author
Illia V. Velychko,
popup.head Viktor M. Sidletskyi
popup.opponent Serhii I. Osadchyi
popup.opponent Tetiana V. Savchenko
popup.review Volodymyr V. Polupan
popup.review Yaroslav V. Smitiukh
popup.rada
National university of food technologies
Description
У дисертаційній роботі вирішується задача підвищення якості автоматизованого керування мікрокліматом та енергоефективності у закладах громадського харчування шляхом впровадження модельно-прогнозного керування на основі нейромережевих моделей стану. Проведено системний аналіз будівлі закладу громадського харчування як об’єкта керування, проаналізовано особливості теплових процесів, пов’язаних із динамічною завантаженістю, роботою кухонного обладнання. На цій основі сформульовано вимоги до системи HVAC та сформовано постановку задачі багатокритеріального керування з урахуванням теплового комфорту, витрат енергії.Розроблено повний цикл побудови моделі об’єкта закладу громадського харчування, який включає в себе збір, очищення та структуризацію експериментальних даних з існуючого об’єкту, формування вибірок у форматі простору станів, дослідження й порівняння кількох класів нейромережевих моделей, таких як MLP, RNN, LSTM,GRU, NARX для задачі прогнозування динаміки мікроклімату. Використовуючи байєсівську оптимізацію, вдалося створити компактну та точну модель, яка підходить для роботи з модельно-прогнозним керуванням у реальному часі. Сформовано багатокритеріальну функцію вартості, яка поєднує в собі як комфорт, так і енергоспоживання, та розроблено алгоритм модельно-прогнозного керування з використанням GPU-прискорення, який забезпечує розв’язання задачі оптимізації на ковзному горизонті в межах періоду дискретизації.Розроблено програмну архітектуру для системи управління, яке включає польовий рівень (ПЛК HVAC, давачі, виконавчі механізми), сервер МПК з використанням Python/TensorFlow, базу даних MongoDB для архівування технологічної інформації та веб-інтерфейс моніторингу й аналізу роботи системи. Реалізовано механізм онлайн-донавчання нейромережевої моделі за даними експлуатації з контролем якості на тестовій вибірці та оновленням робочої моделі. Проведено експерименти на реальному об’єкті з порівнянням режиму модельно-прогнозного керування та базового PID-керування. Показано, що запропонований підхід дозволяє суттєво зменшити час перебування температури поза комфортним діапазоном в бік більш раціонального використання холодо та теплопостачання при незначній зміні сумарних витрат електроенергії.Одержані результати можуть бути використані під час розробки нових систем автоматизованого керування мікрокліматом у будівлях громадського харчування та інших приміщень, при модернізації існуючих систем, а також в інших сферах автоматизованого керування.
Registration Date
2026-07-01
popup.nrat_date
2026-07-01 / 2026-09-17
