面向 HVAC 系统最优控制的互联神经网络在线学习
系统与控制
2021-01-12 v1 系统与控制
摘要
优化供暖、通风与空调 (HVAC) 系统的运行是一项具有挑战性的任务，需要对 HVAC 负荷、室内温度与室外环境之间复杂的非线性关系进行建模。本文提出一种商业建筑中 HVAC 系统最优运行的新策略。将室内温度控制系统划分为三个子系统，每个子系统使用人工神经网络 (ANN) 建模。随后将这些 ANN 互联并整合为一个用于温度设定点调度的优化问题。该问题被重新表述，以使用确定性搜索算法确定最优设定点。在最优调度启动后，ANN 进行反复在线学习，缓解过拟合。通过案例研究分析了所提策略的性能，并与预定温度设定点策略、理想基于物理的建筑模型以及传统基于 ANN 的建筑模型进行比较。案例研究结果证实，所提策略在 HVAC 能耗成本、实际适用性与训练数据需求方面均有效。
引用
@article{arxiv.2101.03653,
title = {Online Learning of Interconnected Neural Networks for Optimal Control of an HVAC System},
author = {Youngjin Kim},
journal= {arXiv preprint arXiv:2101.03653},
year = {2021}
}