論文の概要: Data-driven operator learning for energy-efficient building control

• arxiv url: http://arxiv.org/abs/2504.21243v1
• Date: Wed, 30 Apr 2025 00:45:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 22:56:58.630263
• Title: Data-driven operator learning for energy-efficient building control
• Title（参考訳）: エネルギー効率の高い建物制御のためのデータ駆動型演算子学習
• Authors: Yuexin Bian, Yuanyuan Shi,
• Abstract要約: 本稿では,CFDの物理精度と機械学習の計算効率を組み合わせ,エネルギー効率の高い建築換気制御を実現するためのデータ駆動型フレームワークを提案する。 我々は,高分解能CFDデータを用いて,制御動作から気流分布へのマッピングを学習するために,ニューラル演算子変換器を訓練する。 提案手法は, 地域平均CO2予測に基づく最大流量制御, ルールベース制御, およびデータ駆動制御と比較して, 大幅な省エネを実現していることを示す。
• 参考スコア（独自算出の注目度）: 2.3326951882644553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Energy-efficient ventilation control plays a vital role in reducing building energy consumption while ensuring occupant health and comfort. While Computational Fluid Dynamics (CFD) simulations offer high-fidelity modeling of airflow for building HVAC design, their high computational cost makes them impractical for practical adoption in real-time building management system. In this work, we present a data-driven framework that combines the physical accuracy of CFD with the computational efficiency of machine learning to enable energy-efficient building ventilation control. Our method jointly optimizes airflow supply rates and vent angles to reduce energy use and adhere to air quality constraints. We train a neural operator transformer to learn the mapping from building control actions to airflow field distributions using high-resolution CFD data. This learned operator enables a gradient-based control framework capable of optimal decision-making. Experimental results demonstrate that our approach achieves substantial energy savings compared to maximum airflow rate control, rule-based control, and data-driven control based on regional average CO2 predictions, while consistently maintaining safe indoor air quality. These results highlight the practicality and scalability of our method for enabling safe and energy-efficient building management.
• Abstract（参考訳）: エネルギー効率のよい換気制御は、居住する健康と快適さを確保しつつ、建築エネルギー消費を減らす上で重要な役割を担っている。 計算流体力学(CFD)シミュレーションは、HVAC設計のための気流の高忠実性モデリングを提供するが、その高い計算コストは、リアルタイムなビル管理システムにおいて実践的に採用するには実用的ではない。 本研究では,CFDの物理精度と機械学習の計算効率を組み合わせ,エネルギー効率の高い建築換気制御を実現するためのデータ駆動型フレームワークを提案する。 本手法は, 気流の供給速度と通気角度を協調的に最適化し, エネルギー消費を低減し, 空気質の制約に順応する。 我々は,高分解能CFDデータを用いて,制御動作から気流分布へのマッピングを学習するために,ニューラル演算子変換器を訓練する。 この学習演算子は、最適意思決定が可能な勾配に基づく制御フレームワークを実現する。 実験により, 室内空気質の安全を維持しつつ, 地域平均CO2予測に基づく最大空気流量制御, ルールベース制御, およびデータ駆動制御と比較して, かなりの省エネ効果が得られた。 これらの結果は,安全かつ省エネな建築管理を実現するための手法の実用性と拡張性を強調した。

関連論文リスト

• 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)
• 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)
• Hybrid Reinforcement Learning for Optimizing Pump Sustainability in Real-World Water Distribution Networks [55.591662978280894]
  本稿では,実世界の配水ネットワーク(WDN)のリアルタイム制御を強化するために,ポンプスケジューリング最適化問題に対処する。 我々の主な目的は、エネルギー消費と運用コストを削減しつつ、物理的な運用上の制約を遵守することである。 進化に基づくアルゴリズムや遺伝的アルゴリズムのような伝統的な最適化手法は、収束保証の欠如によってしばしば不足する。
  論文  参考訳（メタデータ） (2023-10-13T21:26:16Z)
• Laxity-Aware Scalable Reinforcement Learning for HVAC Control [2.0625936401496237]
  我々は,各操作要求の緊急レベルを定量化するために,遅延の概念を活用することにより,モデリングと制御における次元問題の呪いに取り組む。 本研究では,多くのHVACシステムに対する2段階のエネルギー最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-06-29T01:28:14Z)
• 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)
• Machine Learning for Mechanical Ventilation Control (Extended Abstract) [52.65490904484772]
  機械的換気はICUで最も広く用いられている治療法の1つである。 人工呼吸器は、所定の気道圧の軌跡に従って患者の肺に空気を注入しなければならない。 データ駆動型アプローチは、人工呼吸器から収集したデータに基づいて訓練されたシミュレーターをトレーニングすることで、侵襲的人工呼吸器を制御することを学ぶ。 この方法は、一般的な強化学習アルゴリズムより優れており、PIDよりも正確で堅牢な物理的換気装置も制御できる。
  論文  参考訳（メタデータ） (2021-11-19T20:54:41Z)
• Enforcing Policy Feasibility Constraints through Differentiable Projection for Energy Optimization [57.88118988775461]
  本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。 エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
  論文  参考訳（メタデータ） (2021-05-19T01:58:10Z)
• Development of a Soft Actor Critic Deep Reinforcement Learning Approach for Harnessing Energy Flexibility in a Large Office Building [0.0]
  本研究は,Soft Actor Critic'(SAC)に基づくDeep Reinforcement Learning(DRL)の新規適用と研究に関するものである。 SACは、連続的なアクションスペースを処理できるモデルフリーのDRL技術です。
  論文  参考訳（メタデータ） (2021-04-25T10:33:35Z)
• 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)
• 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。