論文の概要: Predicting Solar Heat Production to Optimize Renewable Energy Usage
- arxiv url: http://arxiv.org/abs/2405.09972v1
- Date: Thu, 16 May 2024 10:32:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-17 14:41:47.966329
- Title: Predicting Solar Heat Production to Optimize Renewable Energy Usage
- Title（参考訳）: 再生可能エネルギー利用の最適化に向けた太陽熱生産予測
- Authors: Tatiana Boura, Natalia Koliou, George Meramveliotakis, Stasinos Konstantopoulos, George Kosmadakis,
- Abstract要約: 本稿では、機械学習を用いて、熱生産を予測するモデルを自動的に構築し、継続的に適用するアプローチを提案する。
本稿では,ソリューションの予測精度について実証実験を行い,これらの結果がエンド・ツー・エンドシステムに与える影響について考察する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Utilizing solar energy to meet space heating and domestic hot water demand is very efficient (in terms of environmental footprint as well as cost), but in order to ensure that user demand is entirely covered throughout the year needs to be complemented with auxiliary heating systems, typically boilers and heat pumps. Naturally, the optimal control of such a system depends on an accurate prediction of solar thermal production. Experimental testing and physics-based numerical models are used to find a collector's performance curve - the mapping from solar radiation and other external conditions to heat production - but this curve changes over time once the collector is exposed to outdoor conditions. In order to deploy advanced control strategies in small domestic installations, we present an approach that uses machine learning to automatically construct and continuously adapt a model that predicts heat production. Our design is driven by the need to (a) construct and adapt models using supervision that can be extracted from low-cost instrumentation, avoiding extreme accuracy and reliability requirements; and (b) at inference time, use inputs that are typically provided in publicly available weather forecasts. Recent developments in attention-based machine learning, as well as careful adaptation of the training setup to the specifics of the task, have allowed us to design a machine learning-based solution that covers our requirements. We present positive empirical results for the predictive accuracy of our solution, and discuss the impact of these results on the end-to-end system.
- Abstract（参考訳）: 太陽エネルギーを宇宙暖房や家庭の温水需要に充てることは非常に効率的であるが(環境のフットプリントやコストの観点からも)、年間を通じてユーザー需要を完全にカバーするためには、ボイラーやヒートポンプといった補助暖房システムと補完する必要がある。
当然、このようなシステムの最適制御は太陽熱生産の正確な予測に依存する。
実験と物理に基づく数値モデルは、太陽放射やその他の外部条件から熱生産へのマッピングであるコレクタのパフォーマンス曲線を見つけるために使用されるが、コレクタが屋外条件に晒されると、この曲線は時間とともに変化する。
国内小規模施設に高度制御戦略を展開させるため、機械学習を用いて、熱生産を予測するモデルを自動的に構築し、継続的に適用するアプローチを提案する。
私たちのデザインは必要によって駆動されます
(a)極度の正確性及び信頼性要件を回避し、低コストの計器から抽出できる監督を用いたモデルの構築及び適用
b) 推定時刻において、一般に公開されている天気予報に提供される入力を使用する。
注目に基づく機械学習の最近の発展と、タスクの特定の部分にトレーニング設定を慎重に適応させることにより、我々の要求をカバーする機械学習ベースのソリューションを設計できるようになった。
本稿では,ソリューションの予測精度について実証実験を行い,これらの結果がエンド・ツー・エンドシステムに与える影響について考察する。
関連論文リスト
- Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning [0.0]
我々は,グローバル水平照度と太陽光発電のアンサンブル後予測のための統計的および機械学習手法を開発した。
その結果, 後処理が発電予測を大幅に改善すること, 特に後処理が発電予測に応用されることが示唆された。
論文 参考訳（メタデータ） (2024-06-06T18:08:50Z) - Advanced simulation-based predictive modelling for solar irradiance sensor farms [0.5292801941204784]
この研究は、CAIDE(Cloud-based Analysis and Integration for Data efficiency)と呼ばれる新しいフレームワークを紹介している。
CAIDEは、太陽放射センサファームのリアルタイム監視、管理、予測のために設計されている。
この枠組みは、太陽光発電の展開と再生可能エネルギー源の将来に重要な意味を持っている。
論文 参考訳（メタデータ） (2024-04-05T15:44:51Z) - 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) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - Interpreting Machine Learning Models for Room Temperature Prediction in
Non-domestic Buildings [0.0]
本研究では,非住宅の室温予測を目的とした解釈可能な機械学習モデルを提案する。
提案モデルでは, 室温をリアルタイムで8時間前に正確に予測できることを実験的に実証した。
論文 参考訳（メタデータ） (2021-11-23T11:16:35Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳（メタデータ） (2021-02-16T16:56:27Z) - Energy Aware Deep Reinforcement Learning Scheduling for Sensors
Correlated in Time and Space [62.39318039798564]
相関情報を利用するスケジューリング機構を提案する。
提案したメカニズムは、センサが更新を送信する頻度を決定することができる。
我々は,センサの寿命を大幅に延長できることを示した。
論文 参考訳（メタデータ） (2020-11-19T09:53:27Z) - Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic
Models [14.579720180539136]
我々は、SURFRADネットワーク内の7つの局の公開データを用いてモデルを訓練し、評価する。
NGBoostは, 太陽放射予測モデルよりも, 時間内解像度で高い性能が得られることを示す。
論文 参考訳（メタデータ） (2020-10-09T17:57:59Z) - Simulation and Optimisation of Air Conditioning Systems using Machine
Learning [4.511561231517167]
建物の管理において、通常、静的な温度設定は、その占有の有無にかかわらず、建物の内部温度を快適に維持するために用いられる。
本稿では,機械学習のアプローチを用いて,特定の部屋における未占有時間における集合点の最適化方法について検討する。
論文 参考訳（メタデータ） (2020-06-27T06:42:25Z) - 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。