論文の概要: OccuEMBED: Occupancy Extraction Merged with Building Energy Disaggregation for Occupant-Responsive Operation at Scale

• arxiv url: http://arxiv.org/abs/2505.05478v1
• Date: Wed, 23 Apr 2025 10:49:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-18 22:55:23.144542
• Title: OccuEMBED: Occupancy Extraction Merged with Building Energy Disaggregation for Occupant-Responsive Operation at Scale
• Title（参考訳）: OccuEMBED:大規模作業におけるエネルギー分散を考慮した作業抽出
• Authors: Yufei Zhang, Andrew Sonta,
• Abstract要約: 自動化の構築は、中央集権的な運用を通じて効率性と柔軟性を高める上で重要な役割を担います。 本研究では,全体のスマートメータデータを用いて,占有率とシステム操作量の両方を推定する可能性について検討する。 我々は,OccuEMBEDを提案する。OccuEMBEDは,占有率推定とシステムレベルの負荷解析のための統合されたフレームワークである。
• 参考スコア（独自算出の注目度）: 3.1755820123640612
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Buildings account for a significant share of global energy consumption and emissions, making it critical to operate them efficiently. As electricity grids become more volatile with renewable penetration, buildings must provide flexibility to support grid stability. Building automation plays a key role in enhancing efficiency and flexibility via centralized operations, but it must prioritize occupant-centric strategies to balance energy and comfort targets. However, incorporating occupant information into large-scale, centralized building operations remains challenging due to data limitations. We investigate the potential of using whole-building smart meter data to infer both occupancy and system operations. Integrating these insights into data-driven building energy analysis allows more occupant-centric energy-saving and flexibility at scale. Specifically, we propose OccuEMBED, a unified framework for occupancy inference and system-level load analysis. It combines two key components: a probabilistic occupancy profile generator, and a controllable and interpretable load disaggregator supported by Kolmogorov-Arnold Networks (KAN). This design embeds knowledge of occupancy patterns and load-occupancy-weather relationships into deep learning models. We conducted comprehensive evaluations to demonstrate its effectiveness across synthetic and real-world datasets compared to various occupancy inference baselines. OccuEMBED always achieved average F1 scores above 0.8 in discrete occupancy inference and RMSE within 0.1-0.2 for continuous occupancy ratios. We further demonstrate how OccuEMBED integrates with building load monitoring platforms to display occupancy profiles, analyze system-level operations, and inform occupant-responsive strategies. Our model lays a robust foundation in scaling occupant-centric building management systems to meet the challenges of an evolving energy system.
• Abstract（参考訳）: ビルは世界のエネルギー消費と排出量のかなりの割合を占めており、効率的に運用することが重要である。 再生可能エネルギーの浸透により電力網が揮発性になるにつれて、ビルはグリッドの安定性をサポートする柔軟性を提供しなければならない。 自動化は、中央集権的な運用を通じて効率性と柔軟性を高める上で重要な役割を担っているが、エネルギーと快適な目標のバランスをとるために、占領者中心の戦略を優先する必要がある。 しかし、データ制限のため、大規模で集中的な建物の運用に占有情報を組み込むことは依然として困難である。 本研究では,全体のスマートメータデータを用いて,占有率とシステム操作量の両方を推定する可能性について検討する。 これらの洞察をデータ駆動型建築エネルギー分析に統合することで、占有者中心の省エネと規模での柔軟性が向上する。 具体的には,OccuEMBEDを提案する。OccuEMBEDは,占有率推定とシステムレベルの負荷解析のための統合されたフレームワークである。 確率的占有プロファイル生成器と、KAN(Kolmogorov-Arnold Networks)がサポートする制御可能で解釈可能な負荷分散器である。 この設計は、ディープラーニングモデルに、占有パターンの知識と、負荷-占有関係の知識を組み込む。 各種の占有率推定基準と比較し, 総合的な評価を行い, 合成および実世界のデータセット間での有効性を実証した。 OccuEMBEDは常に、離散占有率の0.8以上と、連続占有率の0.1-0.2未満のRMSEを達成している。 さらに,OccuEMBEDがビルディング負荷監視プラットフォームとどのように統合されているかを示す。 我々のモデルは、進化するエネルギーシステムの課題を満たすために、占有者中心のビル管理システムをスケールする上で、堅牢な基盤を築き上げています。

関連論文リスト

• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [49.75068823009836]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Explainable AI for building energy retrofitting under data scarcity [40.14307808809578]
  本研究では,人工知能(AI)と機械学習(ML)を基盤として,住宅のエネルギー効率対策を推奨する枠組みを提案する。 ラトビアをケーススタディとして、この方法論は限られたデータセット、クラス不均衡、データ不足に関連する課題に対処する。 このアプローチの評価は、データ制限を顕著に克服し、精度、リコール、F1スコアの最大54%の改善を実現していることを示している。
  論文  参考訳（メタデータ） (2025-04-08T14:00:08Z)
• Empowering Aggregators with Practical Data-Driven Tools: Harnessing Aggregated and Disaggregated Flexibility for Demand Response [37.69303106863453]
  本研究は,要求応答(DR)プログラムを通じて,アグリゲータと建物利用者の柔軟性の活性化における相互作用について検討する。 限られたデータを持つ環境において、集約された柔軟性の提供戦略を最適化する手法を導入する。
  論文  参考訳（メタデータ） (2024-01-19T14:43:04Z)
• 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)
• A Framework for Energy and Carbon Footprint Analysis of Distributed and Federated Edge Learning [48.63610479916003]
  本稿では,分散学習政策の環境フットプリントに影響を与える要因を概説し,分析する。 バニラとコンセンサスによって駆動される分散FLポリシーの両方をモデル化する。 その結果、flは低ビット/ジュール効率を特徴とするワイヤレスシステムにおいて、顕著なエンドツーエンドの省エネ(30%-40%)が可能となった。
  論文  参考訳（メタデータ） (2021-03-18T16:04:42Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)
• 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。