文献

J-GLOBAL ID：201802232879672415   整理番号：18A0853787

強化学習による自然換気のためのHVACと窓システムの最適制御【JST・京大機械翻訳】

Optimal control of HVAC and window systems for natural ventilation through reinforcement learning

著者 (7件)： Chen Yujiao (Harvard Graduate School of Design, Cambridge, MA, United States) ,  Chen Yujiao (Harvard Center for Green Buildings and Cities, Cambridge, MA, United States) ,  Chen Yujiao (Harvard John A. Paulson School of Engineering and Applied Sciences, Cambridge, MA, United States) ,  Norford Leslie K. (Massachusetts Institute of Technology, Cambridge, MA, United States) ,  Samuelson Holly W. (Harvard Graduate School of Design, Cambridge, MA, United States) ,  Malkawi Ali (Harvard Graduate School of Design, Cambridge, MA, United States) ,  Malkawi Ali (Harvard Center for Green Buildings and Cities, Cambridge, MA, United States)
資料名： Energy and Buildings  (Energy and Buildings)
巻： 169  ページ： 195-205  発行年： 2018年 
JST資料番号： A0199A  ISSN： 0378-7788  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自然換気は,建物エネルギー効率,室内熱環境,および大気質を改善するグリーン建築戦略である。しかし,実際には,自然換気を利用し,その運転をHVACシステムと協調させるとき,常に明確ではない。本論文では,特にモデルフリーQ学習による強化学習制御戦略を導入し,エネルギー消費と熱不快感の両方を最小化するために,HVACと窓システムに対する最適制御決定を行った。この制御システムは,各時間ステップにおける屋外および屋内環境(温度,湿度,太陽放射および風速)を評価し,即時および長期目標の両方を目標とする最良の制御決定に応答する。強化学習制御を,建築熱モデルに関する数値シミュレーションを通して評価し,ルールベースの発見的制御戦略と比較した。温湿度と温湿度のMiamiと温暖・穏やかなロサンゼルスにおける事例研究は,強化学習制御の優れた性能を示した。それは,発見的制御と比較して,13%と23%低いHVACシステムエネルギー消費,62%と80%の低い不快度時間,63%と77%の高湿度時間をもたらした。個々の建物の特定知識を必要とする発見的制御と性能を改善するための徹底的意思決定シナリオの作成とは異なり,強化学習制御は与えられた目標と費用関数に対する自己進歩を通して最適性を保証し,確率的占有と居住者行動に適応できる。これは発見的制御により適応することが困難である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 費用関数 ,  シミュレーション ,  湿度 ,  事例研究 ,  意思決定 ,  *HVAC ,  制御系 ,  エネルギー消費 ,  屋内環境 ,  *強化学習 ,  *自然換気 ,  風速 ,  温熱環境 ,  *最適制御
準シソーラス用語： 制御戦略 ,  HVACシステム , 【Automatic Indexing@JST】

分類 (1件)： 空気調和装置一般  (PC02010U)

タイトルに関連する用語 (5件)： 強化学習 ,  自然換気 ,  HVAC ,  窓システム ,  最適制御