OPTIMIZING AIR CONDITIONER SYSTEM EFFICIENCY THROUGH REINFORCEMENT LEARNING

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Elektrik Ve Elektronik Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: İngilizce

Öğrenci: MEHMET BURAK HEKİMOĞLU

Danışman: Klaus Verner Schmidt, Ilkay Ulusoy

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Isıtma, havalandırma ve iklimlendirme (HVAC) sistemleri, iç ortamda termal konforu ve hava kalitesini korumada önemli bir rol oynar. Ancak, binalardaki enerji tüketiminin de önemli bir kısmını oluşturur. Bu tez, tek odalı bir ortamda kullanılan HVAC sistemini optimize etmek için pekiştirmeli öğrenme (RL) tabanlı bir yaklaşım sunmaktadır. Hedef, rekabetçi ve işbirlikçi çok ajanlı Derin Q-Ağ (DQN) kontrolcüleriyle, enerji tüketimini en aza indirirken termal konforu ve iç mekan hava kalitesini korumaktır. Sonuçlar, en iyi çok ajanlı rekabetçi yapılandırmanın enerji tüketimini kural tabanlı kontrolcüye göre %24,8 ve tek ajanlı DQN'e göre %18.9 oranında düşürdüğünü göstermektedir. Bu bulgular, çok ajanlı RL'in hem tek ajanlı hem de geleneksel kontrol stratejilerinden daha iyi performans gösterebileceğini ortaya koymaktadır.