NeurOpt：基于神经网络的建筑能源管理与气候控制优化
系统与控制
2020-05-05 v2 机器学习
系统与控制
摘要
模型预测控制（MPC）可通过节能控制以更好的居住者舒适度、更低的峰值需求费用以及无风险的需求响应参与，在建筑运行中提供显著的能源成本节约。然而，获取建筑基于物理的模型所需的工程投入被视为使MPC可扩展至真实建筑的最大瓶颈。在本文中，我们提出一种基于神经网络的数据驱动控制算法，以降低模型辨识的成本。我们的方法不需要建筑领域专业知识或对现有供暖与制冷系统进行改造。我们在位于意大利的一栋两层、含十个独立控制区的建筑上验证了学习与控制算法。我们以高精度学习了能耗与区域温度的动力学模型，并相较于默认系统控制器展示了节能与更好的居住者舒适度。
引用
@article{arxiv.2001.07831,
title = {NeurOpt: Neural network based optimization for building energy management and climate control},
author = {Achin Jain and Francesco Smarra and Enrico Reticcioli and Alessandro D'Innocenzo and Manfred Morari},
journal= {arXiv preprint arXiv:2001.07831},
year = {2020}
}