Költségoptimalizálás hűtőrendszerekben

A tétel rövid nézete
dc.contributor.advisorLakatos, Róbert
dc.contributor.authorT. Tóth, Petra Nikolett
dc.contributor.departmentDE--Informatikai Kar
dc.date.accessioned2026-02-12T20:11:18Z
dc.date.available2026-02-12T20:11:18Z
dc.date.created2025-10-27
dc.description.abstractA növekvő energiaárak és a dekarbonizációs követelmények korában az ipari hűtőházak energiamenedzsmentje kiemelt jelentőségűvé vált. Az ilyen rendszerek működése jelentős villamosenergia-felhasználással jár, amelyet a hűtési igény, a környezeti feltételek, a változó energiaárak és a helyben termelt megújuló energia – például napelemek – teljesítménye dinamikusan befolyásol. A hatékony üzemeltetés előretekintő optimalizálást igényel. Dolgozatunkban egy genetikus algoritmuson (GA) alapuló megoldást mutatunk be, amely előrejelzések felhasználásával az adott időhorizont egészére kiterjedő globális optimalizálást végez. Az algoritmus előnye, hogy nem igényel explicit, nagy pontosságú rendszermodellt, mivel a költségfüggvény értékelése közvetlenül szimuláció vagy mérési adatok alapján történik. Az algoritmus teljesítményét Model Predictive Control (MPC) és Mixed-Integer Linear Programming (MILP) alapú state-of-the-art ipari standardokkal vetettük össze. Az MPC esetében a predikciós horizonton MILP-optimalizálást használtunk. Az optimalizált megoldásokat a valós energiaár és napelemes termelési adatokon értékeltük. Kísérleti eredményeink szerint a GA ~19,5%-kal alacsonyabb költséget ért el az MPC-hez képest, és ~3,2%-kal alacsonyabbat a MILP-hez viszonyítva. A havi költség szintjén ez ~92 ezer Ft megtakarítást jelentett az MPC, és ~12 ezer Ft-ot a MILP esetében. Az algoritmusok azonos hardverkörülmények között futottak, azonban a GA párhuzamosítás nélkül, a MILP és MPC pedig 8 szálon. Ennek ellenére a GA 6–8-szoros számítási sebességet mutatott. Eredményeink hozzájárulnak az ipari energiamenedzsment prediktív és evolúciós megközelítéseinek integrálásához, és utat nyitnak az önoptimalizáló, előretekintő hűtőházi vezérlőrendszerek fejlesztése felé.
dc.description.courseGazdaságinformatikus
dc.description.degreeMSc/MA
dc.format.extent33
dc.identifier.urihttps://hdl.handle.net/2437/404522
dc.language.isohu
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectoptimalizálás, hűtőrendszer, genetikus algoritmus, milp, mpc, költségoptimalizálás, GA
dc.subject.dspaceInformatika
dc.titleKöltségoptimalizálás hűtőrendszerekben
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
szakdolgozat.pdf
Méret:
506.65 KB
Formátum:
Adobe Portable Document Format
Leírás:
szakdolgozat
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.35 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)