論文の概要: Model-assisted Learning-based Framework for Sensor Fault-Tolerant Building HVAC Control

• arxiv url: http://arxiv.org/abs/2106.14144v1
• Date: Sun, 27 Jun 2021 05:03:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 17:41:14.719734
• Title: Model-assisted Learning-based Framework for Sensor Fault-Tolerant Building HVAC Control
• Title（参考訳）: センサフォールトトレラントビルディングHVAC制御のためのモデル支援学習フレームワーク
• Authors: Shichao Xu, Yangyang Fu, Yixuan Wang, Zheng O'Neill and Qi Zhu
• Abstract要約: 本稿では,センサフォールトトレラントHVAC制御のための新しい学習フレームワークを提案する。 本研究は,1)センサ故障の可能性を考慮した温度予測,2)精度評価に基づく提案の1つの選択,3)選択した温度推定による強化学習の3つの深層学習ベースコンポーネントを含む。
• 参考スコア（独自算出の注目度）: 2.6246169665063634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As people spend up to 87% of their time indoors, intelligent Heating, Ventilation, and Air Conditioning (HVAC) systems in buildings are essential for maintaining occupant comfort and reducing energy consumption. Those HVAC systems in modern smart buildings rely on real-time sensor readings, which in practice often suffer from various faults and could also be vulnerable to malicious attacks. Such faulty sensor inputs may lead to the violation of indoor environment requirements (e.g., temperature, humidity, etc.) and the increase of energy consumption. While many model-based approaches have been proposed in the literature for building HVAC control, it is costly to develop accurate physical models for ensuring their performance and even more challenging to address the impact of sensor faults. In this work, we present a novel learning-based framework for sensor fault-tolerant HVAC control, which includes three deep learning based components for 1) generating temperature proposals with the consideration of possible sensor faults, 2) selecting one of the proposals based on the assessment of their accuracy, and 3) applying reinforcement learning with the selected temperature proposal. Moreover, to address the challenge of training data insufficiency in building-related tasks, we propose a model-assisted learning method leveraging an abstract model of building physical dynamics. Through extensive numerical experiments, we demonstrate that the proposed fault-tolerant HVAC control framework can significantly reduce building temperature violations under a variety of sensor fault patterns while maintaining energy efficiency.
• Abstract（参考訳）: 屋内で最大87%の時間を過ごすため、建物内のインテリジェントな暖房、換気、空調システム(HVAC)は、居住環境の維持とエネルギー消費の削減に不可欠である。 現代のスマートビルの空調システムは、リアルタイムセンサーによる読み取りに依存している。 このような異常なセンサ入力は、室内環境要件(例えば、温度、湿度など)に違反する可能性がある。 エネルギー消費の増加です HVAC制御を構築するための文献において多くのモデルベースアプローチが提案されているが、その性能を保証するための正確な物理モデルを開発することはコストがかかる。 本研究では, センサフォールトトレラントなHVAC制御のための新しい学習フレームワークを提案する。1) センサフォールトを考慮した温度提案を生成するための深層学習ベースの3つのコンポーネント,2) 精度の評価に基づく提案の1つを選択する,3) 選択した温度提案による強化学習を適用する。 さらに,建築関連課題におけるデータ不足の訓練の課題に対処するために,物理力学構築の抽象モデルを活用したモデル支援学習手法を提案する。 大規模数値実験により,提案する耐故障性hvac制御フレームワークは,エネルギー効率を維持しつつ,様々なセンサ故障パターン下での建築温度違反を著しく低減できることを実証した。

関連論文リスト

• One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
  マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。 提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。 提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
  論文  参考訳（メタデータ） (2024-03-24T13:44:57Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• Novel Physics-Based Machine-Learning Models for Indoor Air Quality Approximations [0.5249805590164902]
  機械学習モデルは、空気品質の"ahead-of-time"近似を実行することができる。 本研究では,室内汚染物質濃度の正確な近似のための物理に基づく6つの新しいMLモデルを提案する。 提案したモデルは、類似の最先端トランスモデルよりも複雑で、計算効率が良く、正確であることが示されている。
  論文  参考訳（メタデータ） (2023-08-02T21:22:17Z)
• Autonomous Payload Thermal Control [65.268245109828]
  提案するフレームワークは,運用範囲の温度を維持するためにペイロード処理能力の制御を学べる。 このフレームワークは将来のIMAGIN-eミッションで出荷され、ISSでホストされる。
  論文  参考訳（メタデータ） (2023-07-28T09:40:19Z)
• Domain Knowledge Aids in Signal Disaggregation; the Example of the Cumulative Water Heater [68.8204255655161]
  住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。 本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。 我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
  論文  参考訳（メタデータ） (2022-03-22T10:39:19Z)
• Co-designing Intelligent Control of Building HVACs and Microgrids [2.180133426539068]
  建設負荷は先進国で生産されるエネルギーの約40%を消費する。 再生可能資源ベースのマイクログリッドは、より緑で安価な代替品を提供する。
  論文  参考訳（メタデータ） (2021-07-18T06:39:52Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• One for Many: Transfer Learning for Building HVAC Control [24.78264822089494]
  本稿では,この課題を克服するために,トランスファーラーニングに基づく新しいアプローチを提案する。 本手法は,ソースビルディング用に訓練されたDRLベースのHVACコントローラを,最小限の労力で目標ビルディング用のコントローラに効果的に転送し,性能を向上する。
  論文  参考訳（メタデータ） (2020-08-09T01:32:37Z)
• Multi-Agent Deep Reinforcement Learning for HVAC Control in Commercial Buildings [38.326533494236266]
  商業ビルでは、総電力の約40%-50%が暖房、換気、空調システムによるものである。 本稿では, ゾーンの占有, 熱的快適さ, 室内空気質の快適さをともなう動的価格の下で, マルチゾーンビルにおけるHVACシステムのエネルギーコストを最小化することを目的としている。
  論文  参考訳（メタデータ） (2020-06-25T03:41:42Z)
• Data-driven control of micro-climate in buildings: an event-triggered reinforcement learning approach [56.22460188003505]
  半マルコフ決定過程に基づく微小気候制御問題を定式化する。 建物内の微小気候のイベントトリガー制御のための2つの学習アルゴリズムを提案する。 スマートなサーモスタットを設計することで,提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2020-01-28T18:20:43Z)
• 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。