Estudi per minimitzar el consum energétic de calderes en edificis universitaris
Visualitza/Obre
REPORT_409.pdf (2,758Mb) (Accés restringit)
BUDGET_424.pdf (554,5Kb) (Accés restringit)
ANNEX_268.pdf (1,080Mb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/178485
Tipus de documentTreball Final de Grau
Data2017-06
Condicions d'accésAccés restringit per decisió de l'autor
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Existeix una problemàtica respecte a la gestió del sistema de calderes en els edificis universitaris de pública concurrència. Es produeix un malbaratament econòmic i conseqüentment emissions a l'atmosfera que es podria evitar si és millorés la eficiència d'aquest sistema. Aquest estudi proposa un model que predigui el temps òptim per a gestionar el sistema de calefacció de la manera més eficient possible. El model està basat en les matemàtiques, concretament en el camp de les xarxes neuronals. A grans trets, primer es farà una cerca d'informació sobre la problemàtica existent així com l'autoaprenentatge del funcionament de les xarxes neuronals artificials. A continuació es realitzaran els entrenaments necessaris de la xarxa, modificant paràmetres fins a obtenir-ne una vàlida i per últim serà testada d'una manera teòrica.
MatèriesCollege buildings--Energy conservation, Neural networks (Computer science), Boilers--Efficiency, Edificis universitaris -- Estalvi d'energia, Xarxes neuronals (Informàtica) -- Aplicacions, Calderes -- Eficiència
TitulacióGRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
REPORT_409.pdf | 2,758Mb | Accés restringit | ||
BUDGET_424.pdf | 554,5Kb | Accés restringit | ||
ANNEX_268.pdf | 1,080Mb | Accés restringit |