AI 赋能绿色制冷,香港岭南大学开发 DEMMFL 模型进行建筑冷负荷预测

近年来,城市化进程加速所带来的碳排放量骤增,已经严重威胁到了全球环境。多个国家均已给出了「碳达峰,碳中和」的明确时间点,一场覆盖全球、全行业的「绿色革命」已经拉开序幕。在一众行业中,建筑是当之无愧的能耗大户,其中又以暖通空调 (Heating, ventilation, and air-conditioning, HVAC) 系统为「重灾区」。相关数据显示,供暖、通风和空调 (HVAC) 占全球建筑物能源消耗的 38%。

针对居高不下的建筑能耗,业内往往通过优化设备运行效率,以及智能控制来实时调控能耗。其中,针对冷水机组运行控制方面,冷负荷预测是优化冷水机组排序控制的重要途径,其能够忽略冷负荷的临时变化,避免不必要地开关暖通空调设备和冷水机组,从而减少由于启停引起的消耗。

此外,不同地区的气候条件不同,导致其在 HVAC 方面的消耗亦有所不同,例如香港处于热带气候条件,HVAC 的能耗占比更高。在香港特别行政区机电工程署举办的「建造机电设施的全球人工智能挑战」中,来自香港岭南大学和香港城市大学的研究人员,提出了一种新的动态工程化多模态特征学习 (DEMMFL, dynamically engineered multi-modal feature learning) 模型,用于长期准确预测建筑冷负荷,从而达到节能的目标

在这里插入图片描述

获取论文:

https://www.sciencedirect.com/science/article/pii/S0306261923015477

后台回复「冷负荷」获取完整论文PDF

数据集:两栋办公楼的冷负荷数据

在本研究中,研究人员聚焦于香港两座办公大楼 (South_Tower 和 North_Tower,ST&NT) 的建筑能耗问题,建立了一个详细的数据集,涵盖了 2020 年 4 月 1 日至 2021 年 9 月 30 日的时间范围。该数据集通过每 15 分钟的采样间隔收集数据,确保了对建筑能耗动态的细致捕捉。

在这里插入图片描述

用以收集数据的两栋办公楼

模型架构:DEMMFL 模型

如下图所示,为了预测建筑冷负荷,将收集到的数据特征输入 DEMMFL 模型和 Deep Learning 模型,输出 ST 和 NT 共同的冷负荷数据。

在这里插入图片描述

利用 DEMMFL 模型的输入和输出

在本研究中,研究团队开发了一种称为 DEMMFL(动态工程化多模态特征学习)的预测模型,专门用于预测建筑冷负荷。该模型结构是在没有自回归输出项的情况下,利用过去输入数据的卷积构建的。

为了实现长期预测的准确性,DEMMFL 模型采用正则化的统计学习方法以实现预测的最佳方差和偏差权衡。研究中使用了 Lasso、ridge 以及最近开发的 Lasso-ridge 回归,通过交叉验证(CV)来优化学习超参数。通过这种方法,研究团队能够对包括冷负荷在内的所有特征和数据进行有效的缩放和处理,从而提升模型的准确性和效率。

此外,本研究还探索了多种深度学习模型,包括通过 AutoGluon 实现的 XGBoost 和 LightBoost,以及 LSTM 和 GRU。所有这些模型的训练方法均采用平均平方误差作为损失函数,训练方法为 ADAM。

整体性能最好:Lasso-ridge 回归

研究人员对比了 DEMMFL 模型在训练集和测试集上的统计学习性能,结果显示,Lasso-ridge 在除非运营时段外的所有模式中均优于其他三种技术,并且在测试集上的整体性能比排名第二的方法提高了4.2%。

在这里插入图片描述

Lasso-ridge 回归性能优越

这一结果表明,在利用 Lasso-ridge 方法时,DEMMFL 模型在建筑冷负荷的长期预测方面表现出色,不仅在精度上有显著提升,而且在变量选择上更为高效,这为建筑能耗管理提供了一个有效的工具

预测敏感性:冷负荷与 OAT

在对 NT 和 ST 的工作日运营时段模式进行分析时,研究人员发现 OAT(室外气温)特征在冷负荷预测中起着主导作用

建立模型后,研究团队对每个模型中冷负荷相对于 OAT 的敏感性进行了评估。在保持其余变量不变的情况下,他们将 OAT 增加一摄氏度,并相应地计算其他与 OAT 相关的变量。

在这里插入图片描述

测试数据集的四个模型的详细预测结果

实验结果表明,不同建筑的冷负荷对 OAT 的敏感性存在显著差异。南塔由于其较大的规模,其冷负荷对 OAT 的变化更为敏感。此外,除了在运营时段模式外,两座塔楼的敏感性差异在其他所有模式中都有所增加,这可能与建筑的不同特性和运营模式有关。

DEMMFL 模型:高精度、低误差

研究人员使用 LSTM、GRU 和 AutoGluon 等深度学习模型对同一训练数据集进行了优化,并在 2021 年 9 月的同一测试集上与 DEMMFL 模型进行比较。由于采用了知识驱动的工程化特征,DEMMFL 模型展现出了明显的优势,实现了最佳的 RMSE,而 AutoGluon 模型取得了次优。

在这里插入图片描述

模型比较结果

比较实际与四个模型预测的冷负荷数据,结果如下图。

在这里插入图片描述

预测结果

LSTM 和 GRU 在月初的前三天显示出明显较差的预测结果,在 9 月 22 日(中秋节假期)时,深度学习模型出现了很大的预测误差,而 DEMMFL 模型则预测得非常准确。

综上,DEMMFL 模型在预测建筑冷负荷方面预测精度更高,误差更小

从能源管理出发:AI 与城市建设的未来

利用 DEMMFL 模型,无论是商业大厦、住宅区还是公共设施,都能够实现准确的能耗预测与优化,这一技术的扩展将帮助我们更好地理解和管理城市建筑群的整体能耗,从而促进更高效、更可持续的城市发展。

关乎全球环境,降碳降耗需要每个家庭、每个企业、每个行业共同努力。近年来,快速增长的能耗优化需求也催生一批成熟解决方案,并在落地中持续迭代。IBM、谷歌 DeepMind、施耐德电气,以及国内的商汤科技、美的楼宇科技等企业均利用人工智能协助能源管理

例如,谷歌 DeepMind 将机器学习算法应用于美国中部地区 700 兆瓦的风电场,基于神经网络,利用广泛可用的天气预报和历史涡轮机数据进行训练,在实际发电前 36 小时,预测风力输出,从而提前一天建议工作人员基于每小时交付多少电力,制定更加准确的能源供应计划。

商汤科技基于其大装置 SenseCore 和商汤日日新 SenseNova 大模型体系强大的架构底座,持续输出高质量的AI算法和算力赋能电力系统多域智能化升级。

美的楼宇科技结合 AI 技术与暖通领域专家经验,开发了一款面向暖通空调系统运行优化的算法引擎 Smart Control,可以精准匹配冷热需求,结合 iBUILDING 云平台,可以实现节能减碳 15%-30%、舒适性提升 30%以上的优化效果。

在未来,AI 技术将与城市规划和管理紧密结合,打造一个高度集成、智能互联的生态系统,在其中 AI 扮演的角色不仅是技术的应用者,更是城市发展的引领者。

随着 AI 技术的不断发展,我们期待着一个更加高效、可持续和包容的城市未来

参考文献:

https://www.sciencedirect.com/science/article/pii/S0306261923015477?via%3Dihub
https://www.marketsandmarkets.com/industry-news/AI-Powered-Energy-Sector-in-2023-Products-Companies-and-Innovations

https://tech.chinadaily.com.cn/a/202308/04/WS64ccbca7a3109d7585e47fbf.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/643789.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

15 # 类型检查机制:类型推断

类型检查机制 类型检查机制:TypeScript 编译器在做类型检查时,所秉承的一些原则,以及表现出的一些行为。 作用:辅助开发,提高开发效率。 类型推断类型兼容性类型保护 类型推断 不需要指定变量的类型(函…

初识node.js(使用)

文章目录 项目目录介绍和运行流程1.index.html&#x1f447;2.整个项目的核心入口文件其实是main.js3.App.vue 组件化开发 和 根组件普通组件的注册1.局部注册2.全局注册 综合案例 项目目录介绍和运行流程 1.index.html&#x1f447; <!DOCTYPE html> <html lang&quo…

Android 13.0 去掉音量键电源键组合键的屏幕截图功能

1.概述 在13.0的产品rom定制化开发中,系统默认可以通过音量键和电源键来截图的,但是产品不需要截图功能,所以要求去掉音量和电源键的截图功能,所以要分析组合键截图功能屏蔽掉就好了 2.去掉音量键电源键组合键的屏幕截图功能的核心代码 frameworks/base/services/core/j…

Kafka集群的安装与配置(二)

2.2.2 生产者命令行操作 1 &#xff09;查看操作生产者命令参数 [atguiguhadoop102 kafka]$ bin/ kafka-console-producer.sh 2 &#xff09;发送消息 [atguiguhadoop102 kafka]$ bin/kafka-console-producer.sh --bootstrap-server hadoop102:9092 --topic first >h…

宠物互联网医院系统

在数字时代&#xff0c;宠物医疗迎来了一场革新&#xff0c;动物互联网医院系统以其先进的技术和智能的特性成为宠物护理的领军者。本文将介绍宠物互联网医院系统的一些关键技术和代码示例&#xff0c;揭示这一科技奇迹的实现原理。 1. 远程医疗服务的实现 远程医疗服务是宠…

国标GB28181协议EasyCVR启动失败报错“Local Machine Check Error”的解决方法

国标GB28181安防监控系统EasyCVR平台采用了开放式的网络结构&#xff0c;可支持4G、5G、WiFi、有线等方式进行视频的接入与传输、处理和分发。安防视频监控平台EasyCVR还能支持GIS电子地图模式&#xff0c;基于监控摄像头的经纬度地理位置信息&#xff0c;将场景中的整体安防布…

当pytest遇上poium会擦出什么火花

当pytest遇上poium会擦出什么火花 首先&#xff0c;创建一个test_sample/test_demo.py 文件&#xff0c;写入下面三行代码。 def test_bing(page):page.get("https://www.bing.com")assert page.get_title "必应"不要问题 page 从哪里来&#xff0c;打开…

什么是lustre文件系统

参考&#xff1a; https://blog.csdn.net/weixin_43912621/article/details/134215133 Lustre架构是用于集群的存储架构。Lustre架构的核心组件是Lustre文件系统&#xff0c;它在Linux操作系统上得到支持&#xff0c;并提供了一个符合POSIX *标准的UNIX文件系统接口。 Lustre…

浅谈DNS的工作原理及其作用

DNS&#xff0c;全称为Domain Name System&#xff0c;即域名系统&#xff0c;是一种用于将域名和IP地址相互映射的分布式数据库系统。它将可读的域名转换为对应的IP地址&#xff0c;使得用户可以更方便地通过域名来访问网络上的资源。今天锐成就简单探讨一下DNS的工作原理及其…

Hudi0.14.0 集成 Spark3.2.3(IDEA编码方式)

本次在IDEA下使用Scala语言进行开发,具体环境搭建查看文章 IDEA 下 Scala Maven 开发环境搭建。 1 环境准备 1.1 添加maven依赖 创建Maven工程,pom文件: <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apa…

数据采集与预处理02 :网络爬虫实战

数据采集与预处理02 &#xff1a;网络爬虫实战 爬虫基本知识 1 HTTP的理解 URL uniform resource locator. 是统一资源定位符&#xff0c;URI identifier是统一资源标识符。几乎所有的URI都是URL。 URL前部一般可以看到是HTTP还是HTTPS&#xff0c; 这是访问资源需要的协议…

Kafka-服务端-KafkaController

Broker能够处理来自KafkaController的LeaderAndIsrRequest、StopReplicaRequest、UpdateMetadataRequest等请求。 在Kafka集群的多个Broker中&#xff0c;有一个Broker会被选举为Controller Leader,负责管理整个集群中所有的分区和副本的状态。 例如&#xff1a;当某分区的Le…

使用Electron打包vue文件变成exe应用程序

文章目录 一、下载Electron二、修改下载的Electron项目1.修改index.html文件2.修改main.js文件3.修改package.json文件 三、修改vue项目1.修改vite.config.js文件2.修改.env.production文件3.修改auth.js文件4.修改router下得index.js文件6.修改Navbar.vue文件 四、Electron打包…

数据结构:3_栈和队列

栈和队列 一.栈 1. 栈的概念及结构 栈&#xff1a;一种特殊的线性表&#xff0c;其只允许在固定的一端进行插入和删除元素操作。**进行数据插入和删除操作的一端称为栈顶&#xff0c;另一端称为栈底。**栈中的数据元素遵守后进先出LIFO&#xff08;Last In First Out&#x…

模型部署flask学习篇(一)---- flask初始及创建登录页面

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、Flask快速使用二、快速使用flask三、创建登录页面 前言 在学习机器学习或者深度学习后&#xff0c;我们常常会将自己训练好的模型来进行部署或者可视化出来…

粒子类特效SDK,电影级的逼真特效

美摄科技&#xff0c;作为技术创新的先驱&#xff0c;开发了一款独特的粒子类特效SDK&#xff0c;为专业内容创作者提供了一种全新的工具&#xff0c;以实现电影级的逼真特效。 一、技术背景与挑战 随着移动设备的普及和性能的提升&#xff0c;越来越多的视觉内容在移动端呈现…

MSP430仿真器使用常见问题

一、 主要是驱动安装问题 有用户反应驱动安装不上&#xff0c;按照用户手册操作一直不能安装成功。 可以尝试如下步骤进行安装。 1. 双击设备管理器中无法安装或者提示有错误的430仿真器设备 选择驱动程序——更新驱动程序 选择手动安装 选择从电脑设备驱动列表中安装 弹出下…

C++从零开始的打怪升级之路(day19)

这是关于一个普通双非本科大一学生的C的学习记录贴 在此前&#xff0c;我学了一点点C语言还有简单的数据结构&#xff0c;如果有小伙伴想和我一起学习的&#xff0c;可以私信我交流分享学习资料 那么开启正题 今天分享的是关于vector的题目 1.只出现一次的数字2 137. 只出…

春节要来了,可是电视家却走了,没有春晚看了

春节马上就要到来&#xff0c;可是随着时代越来越进步&#xff0c;年味也越来越淡了&#xff0c;尤其在海外&#xff0c;更没有国内的气氛浓郁&#xff0c;所以只有每年看春晚才会让我感觉到今天又是新的一年了。 而且长大后会发现更有年味的不是新年&#xff0c;而是新年前…

SpringBoot里MyBatis - SQL执行过程

在SpringBoot整合MyBatis的环境中&#xff0c;执行SQL的过程可以分为以下几个步骤&#xff1a; 配置数据源&#xff08;DataSource&#xff09;&#xff1a; SpringBoot通过application.properties或application.yml配置数据库连接信息&#xff0c;创建并配置DataSource。 配…