Fugu-MT 論文翻訳(概要): Enhancing personalised thermal comfort models with Active Learning for improved HVAC controls

論文の概要: Enhancing personalised thermal comfort models with Active Learning for improved HVAC controls

arxiv url: http://arxiv.org/abs/2309.09073v1
Date: Sat, 16 Sep 2023 18:42:58 GMT
ステータス: 処理完了
システム内更新日: 2023-09-19 17:31:28.814365
Title: Enhancing personalised thermal comfort models with Active Learning for improved HVAC controls
Title（参考訳）: HVAC制御改善のためのアクティブラーニングによるパーソナライズされた熱快適性モデルの強化
Authors: Zeynep Duygu Tekler, Yue Lei, Xilei Dai, Adrian Chong
Abstract要約: 本研究では,アクティブラーニング(AL)によって強化された熱的嗜好に基づくHVAC制御フレームワークを提案する。予備的な結果から, AL対応OCCと従来のOCCとのラベリング効果は著しく低下するが, 省エネ効果はわずかであった。
参考スコア（独自算出の注目度）: 0.8192907805418583
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Developing personalised thermal comfort models to inform occupant-centric controls (OCC) in buildings requires collecting large amounts of real-time occupant preference data. This process can be highly intrusive and labour-intensive for large-scale implementations, limiting the practicality of real-world OCC implementations. To address this issue, this study proposes a thermal preference-based HVAC control framework enhanced with Active Learning (AL) to address the data challenges related to real-world implementations of such OCC systems. The proposed AL approach proactively identifies the most informative thermal conditions for human annotation and iteratively updates a supervised thermal comfort model. The resulting model is subsequently used to predict the occupants' thermal preferences under different thermal conditions, which are integrated into the building's HVAC controls. The feasibility of our proposed AL-enabled OCC was demonstrated in an EnergyPlus simulation of a real-world testbed supplemented with the thermal preference data of 58 study occupants. The preliminary results indicated a significant reduction in overall labelling effort (i.e., 31.0%) between our AL-enabled OCC and conventional OCC while still achieving a slight increase in energy savings (i.e., 1.3%) and thermal satisfaction levels above 98%. This result demonstrates the potential for deploying such systems in future real-world implementations, enabling personalised comfort and energy-efficient building operations.
Abstract（参考訳）: 建物内の占有者中心制御(occ)を知らせるパーソナライズされた熱快適モデルの開発には、大量のリアルタイム占有者嗜好データを収集する必要がある。このプロセスは、大規模な実装において非常に侵入的かつ労働集約的であり、現実世界のOCC実装の実用性を制限する。この問題に対処するため,本研究では,実世界のoccシステム実装に関するデータ課題に対処するために,アクティブラーニング(al)により拡張された熱選好ベースのhvac制御フレームワークを提案する。提案したALアプローチは,ヒトのアノテーションに最も有意な温度条件を積極的に同定し,教師付き熱快適モデルを繰り返し更新する。得られたモデルはその後、建物内のHVAC制御に統合された異なる温度条件下での乗員の熱的嗜好を予測するために使用される。提案したAL対応OCCの有効性は,58人の被験者の熱嗜好データを補足した実世界のテストベッドのEnergyPlusシミュレーションで実証された。予備実験の結果, AL対応OCCと従来のOCCとの間には, 全体のラベリング効果(31.0%)が著しく減少し, 省エネ効果(1.3%)と熱満足度(98%)はわずかに増加した。この結果は、このようなシステムを将来の現実的な実装に展開する可能性を示し、パーソナライズされた快適さとエネルギー効率の高い建築作業を可能にする。

関連論文リスト

vHeat: Building Vision Models upon Heat Conduction [63.00030330898876]
vHeatは、高い計算効率とグローバルな受容場の両方を同時に達成する、新しいビジョンバックボーンモデルである。基本的な考え方は、画像パッチを熱源として概念化し、それらの相関の計算を熱エネルギーの拡散としてモデル化することである。
論文参考訳（メタデータ） (2024-05-26T12:58:04Z)
Go Beyond Black-box Policies: Rethinking the Design of Learning Agent for Interpretable and Verifiable HVAC Control [3.326392645107372]
熱力学モデルと過去のデータから抽出した決定木を用いてHVACコントローラを再設計することでボトルネックを克服する。本手法は68.4%のエネルギーを節約し, 人間の快適度を14.8%向上させる。
論文参考訳（メタデータ） (2024-02-29T22:42:23Z)
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)
Model-based Causal Bayesian Optimization [74.78486244786083]
乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
論文参考訳（メタデータ） (2023-07-31T13:02:36Z)
Toward A Dynamic Comfort Model for Human-Building Interaction in Grid-Interactive Efficient Buildings: Supported by Field Data [0.7789893087517803]
最も暑い日に自動的にサーモスタットを温めるアプローチは、ヒューマンビルディングインタラクション(HBI)を無視して効果を損なう本研究の目的は、グリッド・インタラクティブ・ビルディング(GEB)の制御設計に使用されるHBIの工学モデルを開発する上での課題と機会を定義することである。
論文参考訳（メタデータ） (2023-03-10T14:50:26Z)
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)
Your Autoregressive Generative Model Can be Better If You Treat It as an Energy-Based One [83.5162421521224]
本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。 E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
論文参考訳（メタデータ） (2022-06-26T10:58:41Z)
Intelligent Building Control Systems for Thermal Comfort and Energy-Efficiency: A Systematic Review of Artificial Intelligence-Assisted Techniques [3.2926483061955922]
建設作業は、ほとんどの国で消費される総一次エネルギーのかなりの割合を占める。 HVACシステムにおけるエネルギー使用と適切な室内快適度との間のスイートスポットを見つけるために、さまざまなAI技術が展開されている。建築制御におけるAI技術の適用は有望な研究分野であり、AIベースの制御の性能はまだ十分に満足していない。
論文参考訳（メタデータ） (2021-04-06T01:04:28Z)
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)
Transfer Learning for Thermal Comfort Prediction in Multiple Cities [8.759740337781526]
本研究の目的は、データ短絡問題に取り組み、熱的快適性予測の性能を高めることである。我々は、同じ気候圏の複数の都市からのセンサデータを利用して、熱快適なパターンを学習する。本研究では,同じ気候帯からの転写学習に基づく多層パーセプトロンモデルを提案する。
論文参考訳（メタデータ） (2020-04-29T11:42:02Z)
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。