文献

J-GLOBAL ID：201802211705650244   整理番号：18A1908903

M&VからM&Tへ:需要側省エネルギーの実時間性能検証のための人工知能ベースフレームワーク【JST・京大機械翻訳】

From M&V to M&T: An artificial intelligence-based framework for real-time performance verification of demand-side energy savings

著者 (5件)： Gallagher Colm V. (Intelligent Efficiency Research Group, University College Cork, Cork, Ireland) ,  OrDonovan Peter (Intelligent Efficiency Research Group, University College Cork, Cork, Ireland) ,  Leahy Kevin (Intelligent Efficiency Research Group, University College Cork, Cork, Ireland) ,  Bruton Ken (Department of Mechanical, Biomedical and Manufacturing Engineering, Cork Institute of Technology, Cork, Ireland) ,  OrSullivan Dominic T.J. (Intelligent Efficiency Research Group, University College Cork, Cork, Ireland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SEST  ページ： 1-6  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 欧州連合のエネルギー効率指令は,需要側エネルギー節約の測定と検証(M&V)に焦点を置いている。M&Vの目的は,最小の不確実性でエネルギー節約を定量化することである。M&Vは現在,M&V2.0として知られている実践への移行を行っている。これは,性能を検証するために自動化された先進解析を用いている。これは,産業施設における短期的なM&Vから長期モニタリングと目標(M&T)への移行を効果的に管理する機会を提供する。本論文のオリジナルの貢献は,M&V2.0の要求を満たすだけでなく,節約の持続性を確保することによって,M&VとM&Tの間のギャップを橋渡しする,新しい,ロバストで技術的なアグノスティックなフレームワークから成る。このアプローチは,ユニークな機械学習ベースのエネルギーモデリング方法論,モデル展開,および性能劣化の早期同定を保証する例外報告システムを特徴とする。事例研究はこのアプローチの有効性を実証した。実世界プロジェクトからの節約は,90%信頼区間で177,962+/-122,334kWhであることが分かった。節約に関連する不確実性は許容不確実性の8.6%であり,信頼できる有効なツールとしてのフレームワークの実行可能性を強調する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 欧州連合 ,  ロバスト性 ,  自動化 ,  事例研究 ,  エネルギー効率 ,  信頼区間 ,  *省エネルギー ,  *人工知能 ,  不確実性 ,  機械学習 ,  忍容性
準シソーラス用語： 許容性 ,  エネルギーモデリング ,  持続性 ,  工業設備 ,  指令 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 需要 ,  省エネルギー ,  実時間 ,  性能検証 ,  人工知能 ,  フレームワーク