利用深度学习与数字孪生提升建筑能效
机器学习
2023-12-08 v3 系统与控制
系统与控制
摘要
建筑中的数字化转型积累了海量运行数据,亟需智能方案以利用这些数据改善能源绩效。本研究提出了一种称为 Deep Energy Twin 的方案,将深度学习与数字孪生相集成,以更好地理解建筑用能并识别能效提升潜力。采用本体论创建参数化数字孪生,以统一建筑内不同系统的数据格式。基于所创建的数字孪生与采集的数据,使用深度学习方法进行数据分析,识别模式并为能源优化提供洞见。作为示范,在瑞典 Norrköping 的一栋公共历史建筑中开展了案例研究,比较最先进深度学习架构在建筑能源预测中的表现。
引用
@article{arxiv.2305.04498,
title = {Leveraging Deep Learning and Digital Twins to Improve Energy Performance of Buildings},
author = {Zhongjun Ni and Chi Zhang and Magnus Karlsson and Shaofang Gong},
journal= {arXiv preprint arXiv:2305.04498},
year = {2023}
}
备注
6 pages, 5 figures, accepted in the 3rd IEEE International Conference on Industrial Electronics for Sustainable Energy Systems