Dự đoán và đánh giá hiệu suất mặt dựng tích hợp quang điện bằng các mô hình trí tuệ nhân tạo

Tóm tắt

Sự gia tăng tiêu thụ năng lượng toàn cầu do quá trình phát triển công nghiệp và đô thị hóa đang góp phần làm trầm trọng thêm tình trạng biến đổi khí hậu. Trong bối cảnh đó, năng lượng tái tạo, đặc biệt là năng lượng mặt trời, đóng vai trò then chốt trong việc hướng tới mục tiêu xây dựng xanh và bền vững. Nghiên cứu này đề xuất giải pháp ứng dụng các thuật toán trí tuệ nhân tạo gồm tăng cường độ dốc (GB), tăng cường độ dốc cực hạn (XGBoost), tăng cường độ dốc nhẹ (LightGBM) và tăng cường phân loại (CatBoost) để xây dựng mô hình dự đoán mức tiêu thụ năng lượng và sản lượng điện của hệ thống quang điện tích hợp trong tòa nhà (Building-Integrated Photovoltaics – BIPV) với lớp vỏ bao bằng kính. Dữ liệu đầu vào được thu thập thông qua mô phỏng trên phần mềm DesignBuilder. Kết quả cho thấy mô hình CatBoost đạt hiệu suất dự đoán cao nhất với hệ số xác định R² đạt 0,972 cho tiêu thụ năng lượng và 0,974 cho sản lượng điện. Ngoài ra, việc tích hợp BIPV vào mặt đứng có thể giúp giảm đến 34,3% mức tiêu thụ năng lượng của tòa nhà, qua đó khẳng định tiềm năng ứng dụng của BIPV trong thiết kế công trình hiệu quả năng lượng.