基于深度神经网络的复杂建筑能源系统建模与优化
最优化与控制
2017-11-08 v1
摘要
现代建筑包含多种电气、机械与控制系统的复杂动态。将传统基于模型的优化与控制方法应用于建筑能源管理时，最大的障碍之一是捕捉多样且时间相关的动态所需的高昂成本与工作量。本文提出一种无模型且数据驱动的替代方法。通过利用来自先进传感器的大量数据，我们训练了一个深度循环神经网络（RNN），能够准确表示建筑群运行的时间动态。随后将该训练好的网络直接嵌入有限时域的约束优化问题中。通过将约束优化重构为无约束优化问题，我们采用带动量的迭代梯度下降法求解最优控制输入。仿真结果表明，所提方法在建筑系统建模与控制两方面均优于基于模型的方法。
引用
@article{arxiv.1711.02278,
title = {Modeling and Optimization of Complex Building Energy Systems with Deep Neural Networks},
author = {Yize Chen and Yuanyuan Shi and Baosen Zhang},
journal= {arXiv preprint arXiv:1711.02278},
year = {2017}
}