論文の概要: A novel approach of day-ahead cooling load prediction and optimal control for ice-based thermal energy storage (TES) system in commercial buildings
- arxiv url: http://arxiv.org/abs/2509.13371v1
- Date: Tue, 16 Sep 2025 04:40:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.570621
- Title: A novel approach of day-ahead cooling load prediction and optimal control for ice-based thermal energy storage (TES) system in commercial buildings
- Title（参考訳）: 氷熱エネルギー貯蔵システム(TES)の日頭冷却負荷予測と最適制御の新しいアプローチ
- Authors: Xuyuan Kang, Xiao Wang, Jingjing An, Da Yan,
- Abstract要約: 熱エネルギー貯蔵(TES)は、建物の負荷シフトと需要応答に有効な方法である。
本研究は, 商業ビルにおける氷床型TESの負荷予測と最適制御手法を提案する。
- 参考スコア（独自算出の注目度）: 9.411623976714562
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thermal energy storage (TES) is an effective method for load shifting and demand response in buildings. Optimal TES control and management are essential to improve the performance of the cooling system. Most existing TES systems operate on a fixed schedule, which cannot take full advantage of its load shifting capability, and requires extensive investigation and optimization. This study proposed a novel integrated load prediction and optimized control approach for ice-based TES in commercial buildings. A cooling load prediction model was developed and a mid-day modification mechanism was introduced into the prediction model to improve the accuracy. Based on the predictions, a rule-based control strategy was proposed according to the time-of-use tariff; the mid-day control adjustment mechanism was introduced in accordance with the mid-day prediction modifications. The proposed approach was applied in the ice-based TES system of a commercial complex in Beijing, and achieved a mean absolute error (MAE) of 389 kW and coefficient of variance of MAE of 12.5%. The integrated prediction-based control strategy achieved an energy cost saving rate of 9.9%. The proposed model was deployed in the realistic building automation system of the case building and significantly improved the efficiency and automation of the cooling system.
- Abstract（参考訳）: 熱エネルギー貯蔵(TES)は、建物の負荷シフトと需要応答に有効な方法である。
最適TES制御と管理は,冷却システムの性能向上に不可欠である。
既存のTESシステムの多くは、負荷シフト機能を完全に活用できない固定されたスケジュールで運用されており、広範な調査と最適化が必要である。
本研究は, 商業ビルにおける氷床型TESの負荷予測と最適制御手法を提案する。
冷却負荷予測モデルを開発し, 予測モデルにミッドデイ修正機構を導入し, 精度を向上した。
予測に基づいて、利用時関税に基づいてルールベースの制御戦略が提案され、中間日予測修正に従って、中間日制御調整機構が導入された。
提案手法は北京の商業複合施設の氷系TESシステムに適用され,平均絶対誤差(MAE)は389kW,分散係数(MAE)は12.5%であった。
統合予測に基づく制御戦略はエネルギーコストの9.9%を削減した。
提案手法は, ケースビルの現実的な建物自動化システムに導入され, 冷却システムの効率と自動化を著しく改善した。
関連論文リスト
- Partially stochastic deep learning with uncertainty quantification for model predictive heating control [0.0]
建物固有の室内温度モデリングのための部分深層学習(DL)アーキテクチャを提案する。
DLアーキテクチャは、MPC溶液の加熱における熱的快適性とエネルギー効率を向上させる重要な可能性を示している。
この研究は、特に様々な気象条件下での熱的挙動に関する包括的なデータセットを持つ建物において、MPCの加熱を前進させる。
論文 参考訳（メタデータ） (2025-04-04T11:07:23Z) - Feature Engineering Approach to Building Load Prediction: A Case Study for Commercial Building Chiller Plant Optimization in Tropical Weather [1.9182246029051933]
本研究では,ニューラルネットワークとK-meansクラスタリングを組み合わせた冷却負荷予測モデルを提案する。
シンガポールの中央ビジネス地区の商業超高層ビルの現実世界のデータに応用され、予測精度は46.5%向上した。
論文 参考訳（メタデータ） (2025-02-17T10:22:43Z) - 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) - Forecast-PEFT: Parameter-Efficient Fine-Tuning for Pre-trained Motion Forecasting Models [68.23649978697027]
Forecast-PEFTは、モデルのパラメータの大部分を凍結し、新しく導入されたプロンプトとアダプタの調整に集中する微調整戦略である。
実験の結果,Forecast-PEFTは動作予測タスクにおいて従来のフルチューニング手法よりも優れていた。
Forecast-FTは予測性能をさらに改善し、従来のベースライン法よりも最大9.6%向上した。
論文 参考訳（メタデータ） (2024-07-28T19:18:59Z) - Efficient mid-term forecasting of hourly electricity load using generalized additive models [0.0]
本稿では,解釈可能なP-スプラインから構築したGAMを用いた新しい予測手法を提案する。
提案手法は,9年以上にわたる欧州24カ国の負荷データを用いて評価した。
論文 参考訳（メタデータ） (2024-05-27T11:41:41Z) - Improving Building Temperature Forecasting: A Data-driven Approach with
System Scenario Clustering [3.2114754609864695]
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。
論文 参考訳（メタデータ） (2024-02-21T09:04:45Z) - 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) - A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。
本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
論文 参考訳（メタデータ） (2022-05-20T22:13:25Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z) - 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。