居住者温控器行为动力的数据驱动辨识
系统与控制
2019-12-17 v1 系统与控制
摘要
建筑居住者行为导致建筑能耗的显著差异，即使在自动化建筑中也是如此。用户对自动化的不信任导致他们覆盖设定值。这导致响应既不能满足居住者和/或建筑自动化的目标。随着向电网交互高效建筑的转型，这一点将变得更为重要，因为复杂的建筑控制系统不仅优化舒适度，还优化变化的电力成本。本文提出一种数据驱动方法来研究标准稳态舒适度模型（如预测平均投票数）未捕捉到的热舒适度行为动态。所提模型将用户覆盖温控器设定值变化所需的时间刻画为手动设定值变化幅度的函数。该模型使用来自 27,764 个智能温控器和占用传感器的分辨率为 5 分钟的 ecobee Donate Your Data 数据集进行训练。所得群体水平模型显示，平均而言，2°F 的覆盖将在约 30 分钟后发生，而 8°F 的覆盖仅在约 15 分钟内发生，表明不适程度是覆盖迅速与否的关键驱动因素。此类模型可通过个性化控制改进需求响应程序。
引用
@article{arxiv.1912.06705,
title = {Data-driven Identification of Occupant Thermostat-Behavior Dynamics},
author = {Michael B. Kane and Kunind Sharma},
journal= {arXiv preprint arXiv:1912.06705},
year = {2019}
}