論文の概要: Improving Building Temperature Forecasting: A Data-driven Approach with
System Scenario Clustering
- arxiv url: http://arxiv.org/abs/2402.13628v1
- Date: Wed, 21 Feb 2024 09:04:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 16:20:46.829840
- Title: Improving Building Temperature Forecasting: A Data-driven Approach with
System Scenario Clustering
- Title（参考訳）: 建築温度予測の改善: システムシナリオクラスタリングによるデータ駆動アプローチ
- Authors: Dafang Zhao, Zheng Chen, Zhengmao Li, Xiaolei Yuan, Ittetsu Taniguchi
- Abstract要約: 暖房、換気、空調のシステムは、建築セクターにおけるエネルギー使用量の約40%を消費する。
大規模HVACシステム管理では,各サブシステムに対して詳細なモデルを構築することは困難である。
k平均クラスタリング法に基づく新しいデータ駆動室温予測モデルを提案する。
- 参考スコア（独自算出の注目度）: 3.2114754609864695
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Heat, Ventilation and Air Conditioning (HVAC) systems play a critical role in
maintaining a comfortable thermal environment and cost approximately 40% of
primary energy usage in the building sector. For smart energy management in
buildings, usage patterns and their resulting profiles allow the improvement of
control systems with prediction capabilities. However, for large-scale HVAC
system management, it is difficult to construct a detailed model for each
subsystem. In this paper, a new data-driven room temperature prediction model
is proposed based on the k-means clustering method. The proposed data-driven
temperature prediction approach extracts the system operation feature through
historical data analysis and further simplifies the system-level model to
improve generalization and computational efficiency. We evaluate the proposed
approach in the real world. The results demonstrated that our approach can
significantly reduce modeling time without reducing prediction accuracy.
- Abstract（参考訳）: 暖房・換気・空調システム(HVAC)は、快適な温熱環境を維持する上で重要な役割を担い、建築セクターにおけるエネルギー使用量の約40%を消費する。
建物におけるスマートエネルギー管理では、使用パターンとそのプロファイルにより、予測機能を備えた制御システムの改善が可能になる。
しかし,大規模hvacシステム管理では,サブシステムごとに詳細なモデルを構築することは困難である。
本稿では,k-meansクラスタリング法に基づく新しいデータ駆動室温予測モデルを提案する。
提案したデータ駆動温度予測手法は,履歴データ解析によりシステム動作特性を抽出し,さらにシステムレベルモデルを単純化し,一般化と計算効率を向上させる。
提案手法を実世界で評価する。
その結果,予測精度を低下させることなく,モデリング時間を大幅に削減できることがわかった。
関連論文リスト
- Weather Prediction Using CNN-LSTM for Time Series Analysis: A Case Study on Delhi Temperature Data [0.0]
本研究では,デリー地域の温度予測精度を高めるために,ハイブリッドCNN-LSTMモデルを提案する。
モデルの構築とトレーニングには,包括的データ前処理や探索分析など,直接的および間接的手法を併用した。
実験結果から,CNN-LSTMモデルが従来の予測手法よりも精度と安定性の両面で優れていたことが示唆された。
論文 参考訳（メタデータ） (2024-09-14T11:06:07Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。
FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。
シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文 参考訳（メタデータ） (2023-12-16T02:07:56Z) - 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) - Data-driven HVAC Control Using Symbolic Regression: Design and
Implementation [0.0]
本研究では,データ駆動加熱・換気・空調制御の設計と実装手法を提案する。
熱力学の構築は、収集されたデータから構築されたシンボリック回帰モデル(SRM)を用いてモデル化される。
提案フレームワークは、広く使われているサーモスタットコントローラと比較してピーク電力を16.1%削減する。
論文 参考訳（メタデータ） (2023-04-06T13:57:50Z) - A Dynamic Feedforward Control Strategy for Energy-efficient Building
System Operation [59.56144813928478]
現在の制御戦略と最適化アルゴリズムでは、そのほとんどはリアルタイムフィードバックから情報を受け取ることに依存している。
本稿では,システム制御のためのシステム特性を同時に構築することによる,ダイナミックな事前知識を組み込む,エンジニアフレンドリな制御戦略フレームワークを提案する。
典型的な制御戦略でシステム制御を加熱するケースでテストしたところ、我々のフレームワークは15%の省エネ性を持っていることがわかった。
論文 参考訳（メタデータ） (2023-01-23T09:07:07Z) - GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。
全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。
我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-12-24T18:15:39Z) - Reservoir Computing as a Tool for Climate Predictability Studies [0.0]
我々は、Reservoir Computingが線形逆モデリングアプローチの予測スキルを改善する代替非線形アプローチを提供することを示す。
RC手法の幅広い条件に対する予測能力の向上は、この機械学習技術が気候予測可能性研究に有効である可能性を示唆している。
論文 参考訳（メタデータ） (2021-02-24T22:22:59Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳（メタデータ） (2020-06-13T20:53:17Z) - A latent variable approach to heat load prediction in thermal grids [10.973034520723957]
この方法はスウェーデンのルリアにある1つの多層住宅に適用される。
結果は、人工ニューラルネットワークを用いた予測と比較される。
論文 参考訳（メタデータ） (2020-02-13T09:21:17Z)
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。