面向节能 ACMV 系统的预测与优化：计算智能方法
系统与控制
2022-05-03 v1 人工智能
机器学习
神经与进化计算
系统与控制
摘要
在本研究中，提出一种预测居住者热舒适状态的神经网络新应用，准确率超过95%，并提出两种优化算法并在新加坡两个真实案例（普通办公室和讲堂/会议室场景）下评估。两种优化算法为贝叶斯高斯过程优化（BGPO）和增强萤火虫算法（AFA）。基于我们早前研究，能耗模型已通过神经网络建立并充分训练。本研究聚焦于使用新颖主动方法评估居住者热舒适，从而解决一个多目标问题，旨在平衡集中式空调系统的能效与居住者热舒适。研究结果显示 BGPO 与 AFA 均可行以有效解决这一无先验知识的优化问题。然而在给定样本量下，AFA 的最优解比 BGPO 更具一致性。在案例1与案例2的节能用户偏好下，BGPO 与 AFA 的最佳节能率（ESR）分别约为 -21% 与 -10%。因此，新加坡该实验实验室级别每年可实现 S$1219.1 的潜在收益。
引用
@article{arxiv.2205.00833,
title = {Predicting and Optimizing for Energy Efficient ACMV Systems: Computational Intelligence Approaches},
author = {Deqing Zhai and Yeng Chai Soh},
journal= {arXiv preprint arXiv:2205.00833},
year = {2022}
}