用于多层住宅建筑热动力学灰箱建模的数字孪生
应用统计
2024-02-06 v1 机器学习
摘要
建筑能效是一个被广泛研究的课题，由于日益增长的环境担忧和对能源独立的需求，其受欢迎程度迅速提升。在北欧，仅供暖能耗就占建筑总能耗的 70%。工业 4.0 技术（如物联网、大数据、云计算和机器学习）以及预测性和主动性数字孪生的创建，有助于降低这一数值。然而，建筑热动力学是一个非常复杂的过程，取决于许多变量。因此，常用的基于物理的白箱模型耗时且需要大量专业知识。相反，主要依赖建筑能耗数据的黑箱预测模型缺乏基本见解且阻碍复用。在本研究中，我们提出了一种架构，旨在促进建筑热动力学的灰箱建模，同时将实时物联网数据与建筑的 3D 表示相结合。该架构在一个案例研究中得到验证，创建了一个数字孪生平台，使用户能够基于物理定律和真实数据定义建筑的热动力学，从而为最佳供暖能源优化策略的明智决策提供便利。此外，所创建的用户界面使设施经理、能源供应商或管理机构等利益相关者能够在无需大量专业知识或时间资源的情况下分析、比较和评估建筑的热动力学。
引用
@article{arxiv.2402.02909,
title = {Digital Twin for Grey Box modeling of Multistory residential building thermal dynamics},
author = {Lina Morkunaite and Justas Kardoka and Darius Pupeikis and Paris Fokaides and Vangelis Angelakis},
journal= {arXiv preprint arXiv:2402.02909},
year = {2024}
}