多くのための一つ:HVAC制御のための移動学習【JST・京大機械翻訳】

Xu Shichao; Wang Yixuan; Wang Yanzhi; O'Neill Zheng; Zhu Qi

プレプリント

J-GLOBAL ID：202202209081733938 整理番号：22P0179723

多くのための一つ:HVAC制御のための移動学習【JST・京大機械翻訳】

One for Many: Transfer Learning for Building HVAC Control

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年08月08日プレプリントサーバーでの情報更新日： 2020年10月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

建築暖房,換気,空調(HVAC)システムの設計は,建物のエネルギー消費の約半分を占め,居住者の快適性,生産性,健康に直接影響するので,非常に重要である。伝統的なHVAC制御法は,通常,建築熱動力学のための明示的物理モデルの作成に基づいており,それは,しばしば,フィールド実装のためのランタイムビル制御とスケーラビリティのための十分な精度と効率を達成するのに,しばしば重要な努力を必要とする。最近,深層強化学習(DRL)は,実行時間で物理モデルを解析することなく良好な制御性能を提供する有望なデータ駆動方法として浮上している。しかし,DRL(および多くの他のデータ駆動学習法)に対する大きな課題は,望ましい性能に達する長い訓練時間である。本研究では,この課題を克服するための新しい転送学習ベースアプローチを示した。提案手法は,ニューラルネットワークコントローラの設計を,各特定の建物に対して効率的に訓練できる,建物診断行動とバックエンドネットワークを捉える移動可能なフロントエンドネットワークに分解することにより,最小努力と性能改善で,目標建物のためのコントローラに,ソースビルのために訓練されたDRLベースのHVACコントローラを効果的に転送できる。異なるサイズ,熱ゾーン数,材料およびレイアウト,空調機タイプ,および周囲気象条件を有する建物間の様々な移動シナリオについて実験を行った。実験結果は,訓練時間,エネルギーコスト,および温度違反を大幅に削減する著者らのアプローチの有効性を実証した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

エネルギー消費,省エネルギー , 空気調和一般

前のページに戻る