AI Chiller：一种基于开放物联网云的机器学习框架，通过 BMS 与环境数据融合的大数据分析实现建筑 HVAC 系统节能
其他计算机科学
2020-11-03 v1 机器学习
最优化与控制
摘要
建筑中的节能与碳减排是应对气候变化的关键措施之一。供暖、通风与空调（HVAC）系统占建筑环境能耗的大部分，其中冷水机组机房占比最高。冷水机组系统功耗的优化已在机械工程与建筑设备领域被广泛研究。许多工作采用来自领域知识的物理模型。随着大数据与人工智能的发展，将机器学习用于优化问题变得流行。尽管许多研究与项目转向该方向以节能，其在优化问题中的应用仍具挑战性。本工作旨在为此类问题勾勒一个框架，说明节能应如何基准化、应采用整体还是独立建模、优化应如何进行、为何初始部署时的数据模式增强必不可少、为何必须使用渐进式增量变化策略。文中给出了历史数据分析结果与实时数据实证实验的结果。
引用
@article{arxiv.2011.01047,
title = {AI Chiller: An Open IoT Cloud Based Machine Learning Framework for the Energy Saving of Building HVAC System via Big Data Analytics on the Fusion of BMS and Environmental Data},
author = {Yong Yu},
journal= {arXiv preprint arXiv:2011.01047},
year = {2020}
}