基于LSTM的空间占用预测以实现高效建筑能源管理
系统与控制
2020-12-22 v2 机器学习
系统与控制
摘要
建筑能耗占全球总能源使用的很大比例。大量建筑能源用于供暖、制冷、通风和空调（HVAC）。然而，与其重要性相比，当今的建筑能源管理系统在基于简单规则控制（RBC）技术调控HVAC方面十分有限。设计能够高效管理HVAC的系统可降低能源使用和温室气体排放，并最终有助于缓解气候变化。本文提出使用LSTM预测占用模式的时序模型。未来时间段（如下一30分钟）房间占用状态的预测信号可直接用于运行HVAC。例如，基于预测并考虑制冷或制热所需时间，可在房间被使用之前开启HVAC（如提前10分钟开启）。此外，基于下一房间空置的预测时刻，可提前关闭HVAC，从而在不降低舒适度的同时提高HVAC效率。我们利用从某大学建筑多个房间收集的真实世界能源数据展示了方法的能力。结果表明，基于LSTM房间占用预测的HVAC控制相比传统RBC控制可节省50%的能源使用。
引用
@article{arxiv.2012.08114,
title = {LSTM-based Space Occupancy Prediction towards Efficient Building Energy Management},
author = {Juye Kim},
journal= {arXiv preprint arXiv:2012.08114},
year = {2020}
}
备注
6 pages, 1 figures, 2 tables