Tez çalışmasında, Isparta ilinde belirlenmiş olan örnek bir binanın 2007-2008 yıllarına ait kış dönemindeki ısı kaybı hesaplanmıştır. Meteorolojiden alınan iklim verileri kullanılarak yönlere göre güneşten gelen ısı kazancı değerleri ASHRE standartlarında yer alan hesaplama metodu ile hesaplanmıştır. Daha sonra örnek binanın ısı kaybı, TS825'de yönlere bağlı güneş ışınım şiddeti ve sıcaklık değerleri yardımıyla saatlik olarak hesaplanmıştır.Ayrıca yapay sinir ağları ve adaptif ağ tabanlı bulanık çıkarım sistemi metotlarından yararlanılarak ısı kaybı değerleri tahmin edilmiştir. Isparta ilinde örnek bir bina için yapılan ısı kaybı tahminin performansını değerlendirmek için hem yapay sinir ağı modellerinin hem de adaptif ağ tabanlı bulanık çıkarım sistemi modellerinin sonuçları, TS825'e göre yapılan ısı kaybı hesaplamaları ile karşılaştırılmış ve yüksek korelasyon katsayıları elde edilmiştir.Sonuç olarak, yapay sinir ağları ve adaptif ağ tabanlı bulanık çıkarım sistemi modellerinin ısı kaybı hesaplamaları için başarılıyla kullanılabileceği görülmüştür. Böylece ısı kaybı hesaplamalarının daha kısa bir sürede ve daha kolay bir şekilde yapılması mümkün olacaktır. Ayrıca bu çalışmada kullanılan yapay sinir ağları ve adaptif ağ tabanlı bulanık çıkarım sistemi modelleri, farklı bölgeler ve meteorolojik değişkenler için ısı kaybı değerlerinin tahmin edilmesine olanak sağlayacaktır. Anahtar Kelimeler: Isı kaybı, Isı kazancı, Isıtma yükü, Anfis, Yapay sinir ağları.
In this thesis, heat loss of a sample building in Isparta during the winter of 2007-2008 is calculated. Using climatic data gathered from the Meteorological Service, solar heat gain values according to the direction are calculated through the calculation method based on ASHRAE standards. Then, heat loss of sample building is hourly calculated through solar radiation and temperature values depending on its direction in TS825.Also, using artificial neural networks and adaptive network-based fuzzy inference system methods, heat loss values is estimated. In order to evaluate the performance of heat loss estimation in a case study conducted in Isparta, the results of both artificial neural network models and adaptive network-based fuzzy inference system models have been compared to heat loss calculations conducted based on TS825 and high correlation coefficients are obtained.As a result, artificial neural networks and adaptive network-based fuzzy inference system models are found out to be successfully applied for the heat loss calculation. Thus, it will be possible to calculate heat loss in a shorter period of time and in an easier way. In addition, artificial neural networks and adaptive network-based fuzzy inference system models used in this study will make it possible to predict heat loss values for different regions and meteorological variables. Keywords: Heat Loss, Heat Gain, Heating Load, Anfisa, Artificial Neural Networks.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Enerji Sistemleri Mühendisliği Anabilim Dalı, 2014.
Kaynakça var.
Tez çalışmasında, Isparta ilinde belirlenmiş olan örnek bir binanın 2007-2008 yıllarına ait kış dönemindeki ısı kaybı hesaplanmıştır. Meteorolojiden alınan iklim verileri kullanılarak yönlere göre güneşten gelen ısı kazancı değerleri ASHRE standartlarında yer alan hesaplama metodu ile hesaplanmıştır. Daha sonra örnek binanın ısı kaybı, TS825'de yönlere bağlı güneş ışınım şiddeti ve sıcaklık değerleri yardımıyla saatlik olarak hesaplanmıştır.Ayrıca yapay sinir ağları ve adaptif ağ tabanlı bulanık çıkarım sistemi metotlarından yararlanılarak ısı kaybı değerleri tahmin edilmiştir. Isparta ilinde örnek bir bina için yapılan ısı kaybı tahminin performansını değerlendirmek için hem yapay sinir ağı modellerinin hem de adaptif ağ tabanlı bulanık çıkarım sistemi modellerinin sonuçları, TS825'e göre yapılan ısı kaybı hesaplamaları ile karşılaştırılmış ve yüksek korelasyon katsayıları elde edilmiştir.Sonuç olarak, yapay sinir ağları ve adaptif ağ tabanlı bulanık çıkarım sistemi modellerinin ısı kaybı hesaplamaları için başarılıyla kullanılabileceği görülmüştür. Böylece ısı kaybı hesaplamalarının daha kısa bir sürede ve daha kolay bir şekilde yapılması mümkün olacaktır. Ayrıca bu çalışmada kullanılan yapay sinir ağları ve adaptif ağ tabanlı bulanık çıkarım sistemi modelleri, farklı bölgeler ve meteorolojik değişkenler için ısı kaybı değerlerinin tahmin edilmesine olanak sağlayacaktır. Anahtar Kelimeler: Isı kaybı, Isı kazancı, Isıtma yükü, Anfis, Yapay sinir ağları.
In this thesis, heat loss of a sample building in Isparta during the winter of 2007-2008 is calculated. Using climatic data gathered from the Meteorological Service, solar heat gain values according to the direction are calculated through the calculation method based on ASHRAE standards. Then, heat loss of sample building is hourly calculated through solar radiation and temperature values depending on its direction in TS825.Also, using artificial neural networks and adaptive network-based fuzzy inference system methods, heat loss values is estimated. In order to evaluate the performance of heat loss estimation in a case study conducted in Isparta, the results of both artificial neural network models and adaptive network-based fuzzy inference system models have been compared to heat loss calculations conducted based on TS825 and high correlation coefficients are obtained.As a result, artificial neural networks and adaptive network-based fuzzy inference system models are found out to be successfully applied for the heat loss calculation. Thus, it will be possible to calculate heat loss in a shorter period of time and in an easier way. In addition, artificial neural networks and adaptive network-based fuzzy inference system models used in this study will make it possible to predict heat loss values for different regions and meteorological variables. Keywords: Heat Loss, Heat Gain, Heating Load, Anfisa, Artificial Neural Networks.