تأثیر اقلیم بر میزان کاهش انتشار گازهای گلخانه‏ ای و مصرف انرژی در بخش گرمایش ساختمان‏های آموزشی دانشگاه‏ها در صورت برنامه ‏ریزی آموزشی بهینه

نوع مقاله : پژوهشی

نویسندگان

1 استادیار، دانشکدۀ مهندسی مکانیک، دانشگاه شیراز، شیراز

2 دانشیار، دانشکدۀ علوم و فنون نوین، دانشگاه تهران، تهران

3 دانش‏آموختۀ مقطع کارشناسی ‏ارشد، دانشکدۀ مهندسی انرژی، دانشگاه صنعتی شریف، تهران

4 دانش‏ آموختۀ مقطع کارشناسی‏ ارشد مهندسی نفت اکتشاف، دانشکدۀ مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان

5 دانشجوی مقطع دکتری، دانشکدۀ علوم و فنون نوین، دانشگاه تهران، تهران

6 دانشجوی مقطع کارشناسی، دانشکدۀ برق و کامپیوتر، دانشگاه تهران، تهران

چکیده

این مقاله به تأثیر برنامه‏ریزی بهینۀ درسی دانشگاهی بر میزان کاهش مصرف انرژی در بخش گرمایش در اقلیم‏های مختلف می‏پردازد. با اصلاح زمان برگزاری هر درس طی هفته مقید به تمام قیود آموزشی، امکان حضور اساتید، تعداد کلاس‏ها و قوانین اختصاصی هر دانشگاه می‏توان تا حدی کاهش مصرف انرژی در ساختمان‏های کلاسی را تجربه کرد. از آنجا که عموماً دانشگاه‏ها در شهرها قرار گرفته‏اند، همچنین درصد قابل توجهی از ساختمان‏های کشور ایران به‌خصوص ساختمان‏های آموزشی دانشگاه‏ها با استفاده از گاز طبیعی گرم می‏شوند. از این‌رو، این کاهش مصرف انرژی، همراه با کاهش انتشار گازهای گلخانه‏ای در سطح شهرها است. برنامه‏ریزی بهینۀ آموزشی می‏تواند کاهش تقاضا را به ارمغان آورد. راهکار مرسوم اصلاح برنامه‏ریزی آموزشی برای کاهش مصرف انرژی، تغییر زمان شروع و پایان هر ترم با حفظ زمان ارائۀ دروس در ساعت‌های مشخص پیشین یا تغییر دمای اتاق است. در این مقاله با استفاده از یک مدل جامع برنامه‏ریزی آموزشی، تأثیر برنامه‏ریزی آموزشی بهینه در کاهش مصرف انرژی در بخش گرمایش برای 2700 نقطه از کشور ایران صورت پذیرفته است تا تأثیر برنامه‏ریزی آموزشی در اقلیم‏های مختلف کمی‏سازی شود. نتایج ارزیابی نشان می‏دهد برنامه‏ریزی آموزشی بهینه امکان کاهش شدت مصرف انرژی در بخش گرمایش در بازۀ 1 تا 25 درصد (با مقدار متوسط در همسایگی 4 درصد) فراهم می‏آورد و درصد کاهش مصرف انرژی برای اقلیم‏های بیابانی بیشتر است.

کلیدواژه‌ها

مراجع

  • Matter UAP. Origin, Chemistry, Fate and Health Impacts. by F Zereini, CLS Wiseman (Heidelberg, Springer, Berlin, 2011). 2010.
  • Cui S, Wang Y-W, Xiao J-W. Peer-to-peer energy sharing among smart energy buildings by distributed transaction. IEEE Transactions on Smart Grid. 2019;10(6):6491-501.
  • Mariano-Hernández D, Hernández-Callejo L, Zorita-Lamadrid A, Duque-Pérez O, García FS. A review of strategies for building energy management system: Model predictive control, demand side management, optimization, and fault detect & diagnosis. Journal of Building Engineering. 2021;33:101692.
  • Kahn ME, Li P. Air pollution lowers high skill public sector worker productivity in China. Environmental Research Letters. 2020;15(8):084003.
  • Glencross DA, Ho T-R, Camina N, Hawrylowicz CM, Pfeffer PE. Air pollution and its effects on the immune system. Free Radical Biology and Medicine. 2020;151:56-68.
  • Rider CF, Carlsten C. Air pollution and DNA methylation: effects of exposure in humans. Clinical epigenetics. 2019;11(1):1-15.
  • Wang N, Zhang J, Xia X. Energy consumption of air conditioners at different temperature set points. Energy and Buildings. 2013;65:412-8.
  • Hassouneh K, Alshboul A, Al-Salaymeh A. Influence of infiltration on the energy losses in residential buildings in Amman. Sustainable Cities and Society. 2012;5:2-7.
  • Xia T, Xi L, Du S, Xiao L, Pan E. Energy-oriented maintenance decision-making for sustainable manufacturing based on energy saving window. Journal of Manufacturing Science and Engineering. 2018;140 (5).
  • Chen Y, Tong Z, Samuelson H, Wu W, Malkawi A. Realizing natural ventilation potential through window control: The impact of occupant behavior. Energy Procedia. 2019;158:3215-21.
  • Simona PL, Spiru P, Ion IV. Increasing the energy efficiency of buildings by thermal insulation. Energy Procedia. 2017;128:393-9.
  • Lee K, Choo S. A hierarchy of architectural design elements for energy saving of tower buildings in Korea using green BIM simulation. Advances in Civil Engineering. 2018; 2018.
  • Mardiana-Idayu A, Riffat S. Review on heat recovery technologies for building applications. Renewable and Sustainable Energy Reviews. 2012;16(2):1241-55.
  • Song K, Kim S, Park M, Lee H-S. Energy efficiency-based course timetabling for university buildings. Energy. 2017;139:394-405.
  • Jafarinejad T, Erfani A, Fathi A, Shafii MB. Bi-level energy-efficient occupancy profile optimization integrated with demand-driven control strategy: University building energy saving. Sustainable Cities and Society. 2019;48:101539.
  • Sun Y, Luo X, Liu X. Optimization of a university timetable considering building energy efficiency: An approach based on the building controls virtual test bed platform using a genetic algorithm. Journal of Building Engineering. 2021;35:102095.
  • Feizi-Derakhshi M-R, Babaei H, Heidarzadeh J, editors. A survey of approaches for university course timetabling problem. Proceedings of 8th international symposium on intelligent and manufacturing systems, Sakarya University Department of Industrial Engineering, Adrasan, Antalya, Turkey; 2012.
  • Phillips AE, Walker CG, Ehrgott M, Ryan DM. Integer programming for minimal perturbation problems in university course timetabling. Annals of Operations Research. 2017;252(2):283-304.
  • Lindahl M, Sørensen M, Stidsen TR. A fix-and-optimize matheuristic for university timetabling. Journal of Heuristics. 2018;24(4):645-65.

 

  • Thepphakorn T, Pongcharoen P. Performance improvement strategies on Cuckoo Search algorithms for solving the university course timetabling problem. Expert Systems with Applications. 2020;161:113732.
  • Fathi A, Salehi M, Mohammadi M, Rahimof Y, Hajialigol P. Cooling/heating load management in educational buildings through course scheduling. Journal of Building Engineering. 2021;41:102405.
  • Krarti M. Energy audit of building systems: an engineering approach: CRC press; 2016.
  • Mokhtari M, Vaziri Sarashk M, Asadpour M, Saeidi N, Boyer O. Developing a Model for the University Course Timetabling Problem: A Case Study. Complexity. 2021;2021.
  • Algethami H, Laesanklang W. A mathematical model for course timetabling problem with faculty-course assignment constraints. IEEE Access. 2021;9:111666-82.
  • Chen MC, Goh SL, Sabar NR, Kendall G. A survey of university course timetabling problem: perspectives, trends and opportunities. IEEE Access. 2021;9:106515-29.
اکوهیدرولوژی
دوره 9، شماره 1
فروردین 1401
صفحه 127-141

فایل ها

سابقه مقاله

  • تاریخ دریافت: 01 بهمن 1400
  • تاریخ بازنگری: 12 اسفند 1400
  • تاریخ پذیرش: 27 فروردین 1401
  • تاریخ اولین انتشار: 27 فروردین 1401
  • تاریخ انتشار: 01 فروردین 1401

هم رسانی

ارجاع به این مقاله

آمار