論文の概要: Data-driven adaptive building thermal controller tuning with
constraints: A primal-dual contextual Bayesian optimization approach
- arxiv url: http://arxiv.org/abs/2310.00758v1
- Date: Sun, 1 Oct 2023 18:33:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 02:09:29.415303
- Title: Data-driven adaptive building thermal controller tuning with
constraints: A primal-dual contextual Bayesian optimization approach
- Title（参考訳）: 制約付きデータ駆動適応型建物熱制御器--初歩的文脈ベイズ最適化アプローチ
- Authors: Wenjie Xu, Bratislav Svetozarevic, Loris Di Natale, Philipp Heer,
Colin N Jones
- Abstract要約: 室内温度制御器のパラメータを調整してエネルギー消費を最小化する問題について検討する。
本稿では,比例積分 (PI) 加熱制御器のパラメータと予熱時間を調整するためにアルゴリズムを適用した。
以上の結果から,PDCBOは他のベイズ最適化手法と比較して最大4.7%の省エネが可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 7.191676230288263
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We study the problem of tuning the parameters of a room temperature
controller to minimize its energy consumption, subject to the constraint that
the daily cumulative thermal discomfort of the occupants is below a given
threshold. We formulate it as an online constrained black-box optimization
problem where, on each day, we observe some relevant environmental context and
adaptively select the controller parameters. In this paper, we propose to use a
data-driven Primal-Dual Contextual Bayesian Optimization (PDCBO) approach to
solve this problem. In a simulation case study on a single room, we apply our
algorithm to tune the parameters of a Proportional Integral (PI) heating
controller and the pre-heating time. Our results show that PDCBO can save up to
4.7% energy consumption compared to other state-of-the-art Bayesian
optimization-based methods while keeping the daily thermal discomfort below the
given tolerable threshold on average. Additionally, PDCBO can automatically
track time-varying tolerable thresholds while existing methods fail to do so.
We then study an alternative constrained tuning problem where we aim to
minimize the thermal discomfort with a given energy budget. With this
formulation, PDCBO reduces the average discomfort by up to 63% compared to
state-of-the-art safe optimization methods while keeping the average daily
energy consumption below the required threshold.
- Abstract（参考訳）: 本研究では, 室内温度計のパラメータを調整し, エネルギー消費を最小限に抑えるという課題について検討する。
我々は,オンライン制約付きブラックボックス最適化問題として定式化し,関連する環境条件を観察し,制御パラメータを適応的に選択する。
本稿では,この問題を解決するためにデータ駆動型Primal-Dual Contextual Bayesian Optimization (PDCBO)アプローチを提案する。
単室でのシミュレーションケーススタディでは、比例積分(pi)加熱制御器のパラメータと予熱時間の調整にアルゴリズムを適用した。
以上の結果から, PDCBOは従来のベイズ最適化手法と比較して最大4.7%の省エネが可能であり, 日常的な熱的不快感は許容しきい値以下であることがわかった。
さらにpdcboは、既存の方法が失敗している間に、許容可能な許容しきい値を自動的に追跡することができる。
次に、エネルギー予算に対する熱的不快感を最小限に抑えるための代替的な制約付きチューニング問題について検討する。
この定式化により、PDCBOは最先端の安全な最適化手法と比較して平均的な不快感を最大63%減らし、平均的な日エネルギー消費を必要閾値以下に抑える。
関連論文リスト
- Which price to pay? Auto-tuning building MPC controller for optimal economic cost [7.400001848945602]
建物内の温度管理にはモデル予測制御(MPC)が用いられる。
最先端の効率的な制約付きベイズ最適化アルゴリズムに基づく,効率的な性能指向型MPCコントローラチューニング手法を提案する。
その結果、最適化されたシンプルなMPCでは、基本ルールベースのコントローラによって制御される場合と比較して、家庭の月々の電力コストを最大26.90%削減できることがわかった。
論文 参考訳（メタデータ） (2025-01-18T19:52:27Z) - Learning Model Predictive Control Parameters via Bayesian Optimization for Battery Fast Charging [0.0]
モデル予測制御(MPC)のチューニングパラメータは、特に制御器の予測と閉ループプラントの挙動に顕著な相違がある場合、重要な課題を示す。
本研究では,バッテリ高速充電の閉ループ性能向上を目的とした,未知のモデルパラメータとパラメータ化された制約バックオフ項の効率的な学習にベイズ最適化を適用した。
論文 参考訳（メタデータ） (2024-04-09T08:49:41Z) - Efficient Data-Driven MPC for Demand Response of Commercial Buildings [0.0]
小型商業ビルにおけるエネルギー管理のためのデータ駆動型・混合整数入札戦略を提案する。
屋上ユニットの暖房, 個別制御による空調システムについて検討し, 商業ビルの運転を正確にモデル化する。
当社のアプローチをいくつかの需要応答(DR)設定に適用する。
論文 参考訳（メタデータ） (2024-01-28T20:01:44Z) - Violation-Aware Contextual Bayesian Optimization for Controller
Performance Optimization with Unmodeled Constraints [1.8730951928453339]
非モデル化力学を用いた閉ループ制御システムの性能最適化問題について検討する。
本稿では,制約対応ソリューションを学習しながらクローズドループ性能を最適化する,違反認識型コンテキストBOアルゴリズム(VACBO)を提案する。
本研究では, 産業用蒸気圧縮システムの時変温度および湿度下でのエネルギー最小化のためのVACBO法の有効性を実証する。
論文 参考訳（メタデータ） (2023-01-28T05:48:40Z) - Differentially Private Adaptive Optimization with Delayed
Preconditioners [44.190582378775694]
補助データのないトレーニングにおいて適応幾何学を推定する手法を探索する。
適応的手法が古いプレコンディショナーを許容できるという観察に感銘を受けて、我々は微分適応型プライベートトレーニングを提案する。
実験的にDP2を探索し、非適応ベースラインに対して最大4倍の収束速度を向上できることを実証した。
論文 参考訳（メタデータ） (2022-12-01T06:59:30Z) - Movement Penalized Bayesian Optimization with Application to Wind Energy
Systems [84.7485307269572]
文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。
この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。
標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
論文 参考訳（メタデータ） (2022-10-14T20:19:32Z) - On Controller Tuning with Time-Varying Bayesian Optimization [74.57758188038375]
制御対象とその変更に関する適切な事前知識を用いて、時間変化最適化(TVBO)を用いて、変更環境におけるコントローラのオンラインチューニングを行う。
本研究では,不確実性注入(UI)を用いたTVBO戦略を提案する。
我々のモデルはTVBOの最先端手法よりも優れており、後悔の軽減と不安定なパラメータ構成の低減を実現している。
論文 参考訳（メタデータ） (2022-07-22T14:54:13Z) - Tuning Particle Accelerators with Safety Constraints using Bayesian
Optimization [73.94660141019764]
粒子加速器の機械パラメータのチューニングは反復的で時間を要する作業である。
我々は、安全なベイズ最適化のステップサイズ制限版を提案し、評価する。
論文 参考訳（メタデータ） (2022-03-26T02:21:03Z) - Posterior temperature optimized Bayesian models for inverse problems in
medical imaging [59.82184400837329]
本研究は, 医用画像における逆問題に対する非教師的ベイズ的アプローチである。
最適化後温度が精度の向上と不確実性評価に繋がることを示す。
ソースコードは calibrated.com/Cardio-AI/mfvi-dip-mia で公開されています。
論文 参考訳（メタデータ） (2022-02-02T12:16:33Z) - Regret-optimal Estimation and Control [52.28457815067461]
後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。
非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
論文 参考訳（メタデータ） (2021-06-22T23:14:21Z) - 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。