Інтелектуальна система управління мікрокліматом з використанням методів машинного навчання

Abstract

У роботі розроблено та випробувано прототип інтелектуальної системи управління мікрокліматом, що поєднує класичний багатокритеріальний алгоритм і агент підкріплювального навчання. Мета дослідження — мінімізувати енергоспоживання й одночасно підтримувати параметри середовища в комфортних межах. Об’єктом є процес керування мікрокліматом у приміщеннях, предметом — алгоритми прогнозування та прийняття рішень на основі сенсорних даних. У межах роботи виконано аналіз предметної області, побудовано структурно-функціональну модель із чотирьох модулів (збір, обробка, прогнозування, керування), реалізовано LSTM-мережу для предиктивного контролю та Q-learning-агента для адаптивного вибору дій. Розроблено механізм арбітражу між детермінованим і RL-підходами та систему логування результатів у базу SQLite. Експериментальні випробування на тестовому стенді IoT-сенсорів засвідчили економію енергії 15–20 % і підтримання комфортних умов понад 95 % часу роботи. Практична цінність полягає у відкритій архітектурі, сумісній з MQTT / REST-інтерфейсами, що дає змогу інтегрувати систему у наявні HVAC-рішення.