論文の概要: WattScale: A Data-driven Approach for Energy Efficiency Analytics of
Buildings at Scale
- arxiv url: http://arxiv.org/abs/2007.01382v1
- Date: Thu, 2 Jul 2020 20:45:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 14:55:03.175061
- Title: WattScale: A Data-driven Approach for Energy Efficiency Analytics of
Buildings at Scale
- Title（参考訳）: WattScale: 大規模建物のエネルギー効率分析のためのデータ駆動型アプローチ
- Authors: Srinivasan Iyengar, Stephen Lee, David Irwin, Prashant Shenoy,
Benjamin Weil
- Abstract要約: 建物は現代社会の総エネルギーの40%以上を消費している。
エネルギー効率の低い建物を識別するためのデータ駆動型アプローチである textttWattScale を提案する。
- 参考スコア（独自算出の注目度）: 2.771897351607068
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Buildings consume over 40% of the total energy in modern societies, and
improving their energy efficiency can significantly reduce our energy
footprint. In this paper, we present \texttt{WattScale}, a data-driven approach
to identify the least energy-efficient buildings from a large population of
buildings in a city or a region. Unlike previous methods such as least-squares
that use point estimates, \texttt{WattScale} uses Bayesian inference to capture
the stochasticity in the daily energy usage by estimating the distribution of
parameters that affect a building. Further, it compares them with similar homes
in a given population. \texttt{WattScale} also incorporates a fault detection
algorithm to identify the underlying causes of energy inefficiency. We validate
our approach using ground truth data from different geographical locations,
which showcases its applicability in various settings. \texttt{WattScale} has
two execution modes -- (i) individual, and (ii) region-based, which we
highlight using two case studies. For the individual execution mode, we present
results from a city containing >10,000 buildings and show that more than half
of the buildings are inefficient in one way or another indicating a significant
potential from energy improvement measures. Additionally, we provide probable
cause of inefficiency and find that 41\%, 23.73\%, and 0.51\% homes have poor
building envelope, heating, and cooling system faults, respectively. For the
region-based execution mode, we show that \texttt{WattScale} can be extended to
millions of homes in the US due to the recent availability of representative
energy datasets.
- Abstract（参考訳）: ビルは現代社会の総エネルギーの40%以上を消費し、エネルギー効率を向上させることでエネルギーフットプリントを大幅に削減する。
本稿では,都市や地域の建物群からエネルギー効率の低い建物を識別するためのデータ駆動型手法である \texttt{wattscale} を提案する。
点推定を利用する最小二乗法のような従来の方法とは異なり、 \texttt{WattScale} は建物に影響を与えるパラメータの分布を推定することによって、日々のエネルギー消費における確率性を捉えるためにベイズ推定を用いる。
さらに、特定の人口に類似した家と比較する。
\texttt{WattScale} はまた、エネルギー不効率の原因を特定するために障害検出アルゴリズムも組み込んでいる。
我々は,異なる地理的位置から得られた地中真理データを用いてアプローチを検証する。
\texttt{WattScale} には2つの実行モードがある。
(i)個人、及び
(II)地域ベースでは,2つのケーススタディで強調する。
個別実行モードでは,1万棟以上の建物を有する都市において,建物の半数以上が何らかの方法で非効率であることを示し,エネルギー改善対策から有意な可能性を示唆する。
さらに, 効率の低下の原因として, 41\%, 23.73\%, 0.51\%の住宅では, 建物内装, 暖房, 冷却システムの故障がみられた。
地域ベースの実行モードでは、代表エネルギーデータセットが最近利用可能になったため、米国内の何百万もの家庭に拡張可能であることを示す。
関連論文リスト
- Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。
本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。
評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2023-07-14T06:50:02Z) - Energy Efficient Homes: The Social and Spatial Patterns of Residential
Energy Efficiency in England [0.45880283710344055]
住宅の低エネルギー効率は、緊急の環境や社会的意味において大きな問題である。
英国の住宅は化石燃料にエネルギー供給に大きく依存しており、欧州で最も低いエネルギー効率を持っている。
本研究では,イングランドにおけるエネルギー効率の空間的変動について,エネルギー性能証明書のデータを用いて検討する。
論文 参考訳（メタデータ） (2023-02-19T17:11:05Z) - Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。
これらの結果はサンプル状態と有限状態の両方で定式化する。
論文 参考訳（メタデータ） (2022-10-03T06:09:01Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z) - Estimating Building Energy Efficiency From Street View Imagery, Aerial
Imagery, and Land Surface Temperature Data [0.0]
本研究は,純粋にリモートセンシングされたデータを用いて建物のエネルギー効率を推定できる新しい手法を提案する。
効率的な建物と非効率な建物を区別するバイナリ設定において、我々のエンドツーエンドのディープラーニングモデルは62.06%のマクロ平均F1スコアを達成する。
論文 参考訳（メタデータ） (2022-06-05T21:04:20Z) - eBIM-GNN : Fast and Scalable energy analysis through BIMs and Graph
Neural Networks [0.0]
建築情報モデリングは、建物のエネルギー効率を高めるだけでなく、分析にも使われてきた。
省エネの知識のない現在の都市では、エネルギー利用でスマートになるためのより良い方法が求められている。
提案手法は, 非常に効率的に一致し, 統計を生成できるプロトタイプビルを創出する手法である。
論文 参考訳（メタデータ） (2022-05-21T03:24:03Z) - MARTINI: Smart Meter Driven Estimation of HVAC Schedules and Energy
Savings Based on WiFi Sensing and Clustering [0.0]
建設パラメータに制限されない省エネ対策から省エネポテンシャルを推定するスケーラブルな手法を提案する。
本研究では、Wi-Fi由来の占有プロファイルをクラスタリングしてスケジュールを推定し、典型的な/測定負荷プロファイルで観測される昇降時間とセットバック時間をシフトすることで省エネする。
ケーススタディでは,7ヶ月以上の5つの建物で平均8.1%-10.8% (夏季) と0.2%-5.9% (降水) の省エネ効果が得られた。
論文 参考訳（メタデータ） (2021-10-17T21:41:33Z) - Data-driven optimization of building layouts for energy efficiency [0.0]
本稿では,この関係に基づいて照明システムのエネルギー消費をシミュレーションし,照明ゾーンエネルギーをゾーンレベルの占有動態に関連付ける手法を提案する。
本研究は, 利用者の日程の不均質な行動が, 高可制御性照明システムのエネルギー消費と正の相関関係があることを事例として明らかにした。
さらに,データ駆動型シミュレーションにより,165人からなる実オフィススペースの既設レイアウトと比較して,ナイーブなクラスタリングに基づく最適化と遺伝的アルゴリズムがエネルギー消費を約5%削減するレイアウトを生成することがわかった。
論文 参考訳（メタデータ） (2020-07-24T22:58:16Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z) - Fast and Robust Comparison of Probability Measures in Heterogeneous
Spaces [62.35667646858558]
本稿では, アンカー・エナジー (AE) とアンカー・ワッサースタイン (AW) 距離を紹介する。
我々の主な貢献は、素案実装が立方体となる対数四重項時間でAEを正確に計算するスイープラインアルゴリズムを提案することである。
AE と AW は,一般的な GW 近似の計算コストのごく一部において,様々な実験環境において良好に動作することを示す。
論文 参考訳（メタデータ） (2020-02-05T03:09:23Z) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳（メタデータ） (2020-01-22T00:51:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。