ІНТЕЛЕКТУАЛЬНА СИСТЕМА ЕНЕРГОЕФЕКТИВНОГО КЕРУВАННЯ МІКРОКЛІМАТОМ ОПЕРАЦІЙНИХ БЛОКІВ ЗАКЛАДІВ ОХОРОНИ ЗДОРОВ’Я В УМОВАХ ОБМЕЖЕНОГО ЕНЕРГОЗАБЕЗПЕЧЕННЯ
DOI:
https://doi.org/10.31649/2311-1429-2026-1-179-184Ключові слова:
операційний блок, мікроклімат, нечіткий регулятор, PMV/PPD, NSGA-II, IoT-моніторинг, енергоефективність, обмежене електропостачання, SSI-ризик, HVACАнотація
У статті розроблено концепцію та математичне забезпечення інтелектуальної системи енергоефективного керування мікрокліматом операційних блоків закладів охорони здоров’я (ЗОЗ) в умовах обмеженого енергозабезпечення – актуальної проблеми для лікарень України в умовах воєнного часу, спричиненої систематичними пошкодженнями енергетичної інфраструктури, віяловими відключеннями електроенергії та необхідністю безперервного функціонування критичних підрозділів хірургічного профілю. Обґрунтовано, що традиційні підходи до керування системами опалення, вентиляції та кондиціонування повітря (ОВК), орієнтовані на цілодобове підтримання фіксованих параметрів, не відповідають сучасним викликам та потребують принципового перегляду з урахуванням динаміки операційного циклу, змінної окупації приміщення та нестабільності енергозабезпечення.
Запропоновано багаторівневу архітектуру системи, що охоплює: IoT-моніторинг параметрів повітряного середовища (температура, відносна вологість, швидкість руху повітря, концентрація CO₂ та PM2.5 з використанням розподіленої сенсорної мережі; нечіткий регулятор на базі індексів PMV/PPD, який забезпечує адаптивне керування кліматичними параметрами з урахуванням нелінійності процесів теплообміну та суб’єктивного сприйняття комфорту медичним персоналом; менеджер енергетичних пріоритетів для роботи в режимах обмеженої потужності з ієрархічним ранжуванням споживачів за критеріями клінічної критичності; а також багатокритеріальний оптимізатор на основі генетичного алгоритму NSGA-II, що мінімізує споживання електроенергії за умови дотримання санітарно-гігієнічних вимог згідно з ДБН В.2.2-10 та стандартом ASHRAE 170, а також мінімізації ризику виникнення інфекцій хірургічної ділянки (SSI) через контроль кратності повітрообміну та концентрації аерозольних частинок.
Розроблено математичну модель, що описує взаємозв’язок між параметрами мікроклімату, енергоспоживанням ОВК-системи та інтегральним показником епідеміологічного ризику, з формалізацією обмежень у вигляді функцій приналежності для нечіткого виводу. Математичне моделювання та обчислювальні експерименти на базі реального пілотного об’єкта у Вінницькій області свідчать, що впровадження запропонованої системи забезпечує зниження споживання енергії системою ОВК на 38–62% порівняно з традиційним цілодобовим режимом за збереження PMV у діапазоні ±0.5 упродовж не менше 95% операційного часу та дотримання нормативних показників бактеріальної контамінації повітря. Отримані результати мають практичне значення для проєктування та модернізації інженерних систем лікарень в умовах відновлення критичної інфраструктури України.
Посилання
DBN V.2.2-10:2022. Zaklady okhorony zdorovia. Osnovni polozhennia (zi Zminoiu № 1 ta Zminoiu № 2). Kyiv: Ministerstvo rozvytku hromad ta terytorii Ukrainy, 2022.
Sadrizadeh S., Aganovic A., Bogdan A., Wang C., Afshari A., Hartmann A., Croitoru C., Khan A., Kriegel M., Lind M., Liu Z., Melikov A., Mo J., Rotheudt H., Yao R., Zhang Y., Abouali O., Langvatn H., Sköldenberg O., Cao G. A systematic review of operating room ventilation. Journal of Building Engineering. 2021. Vol. 40. Art. 102693. https://doi.org/10.1016/j.jobe.2021.102693
Massarotti N., Mauro A., Mohamed S., Nithiarasu P., Romano M. R. Fluid dynamic and thermal comfort analysis in an actual operating room with unidirectional airflow system. Building Simulation. 2021. Vol. 14, No. 4. Pp. 1127–1146. https://doi.org/10.1007/s12273-020-0713-3
ANSI/ASHRAE/ASHE Standard 170-2021. Ventilation of Health Care Facilities. Atlanta, GA: ASHRAE, 2021.
Cao G., Awbi H., Yao R., Fan Y., Sirén K., Kosonen R., Zhang J. A review of the performance of different ventilation and airflow distribution systems in buildings. Building and Environment. 2014. Vol. 73. Pp. 171–186. https://doi.org/10.1016/j.buildenv.2013.12.009
Kim M., Park H.-J. Application of artificial neural networks using sequential prediction approach in indoor airflow prediction. Journal of Building Engineering. 2023. Vol. 69. Art. 106319. https://doi.org/10.1016/j.jobe.2023.106319
Frassanito R., Buso T., Aumann S., Toniolo J., Albrici P., Canevari P., Iemmi M., Mapelli F. How IoT and Artificial Intelligence can improve energy efficiency in hospitals — a North Italian case study. E3S Web of Conferences. 2022. Vol. 343. Art. 02001. https://doi.org/10.1051/e3sconf/202234302001
Rajeswari Subramaniam K., Cheng C.-T., Pang T. Y. Fuzzy logic controlled simulation in regulating thermal comfort and indoor air quality using a vehicle heating, ventilation, and air-conditioning system. Sensors. 2023. Vol. 23, No. 3. Art. 1395. https://doi.org/10.3390/s23031395
Ciabattoni L., Cimini G., Ferracuti F., Grisostomi M., Ippoliti G., Pirro M. Indoor thermal comfort control through fuzzy logic PMV optimization. 2015 International Joint Conference on Neural Networks (IJCNN), Killarney, Ireland, 12–17 July 2015. Pp. 1–6. https://doi.org/10.1109/IJCNN.2015.7280698
##submission.downloads##
-
PDF
Завантажень: 0
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.