AI がグリーン冷凍を強化、香港の嶺南大学が建物冷却負荷予測用の DEMMFL モデルを開発
近年、都市化の加速により炭素排出量が急増し、地球環境が深刻な脅威となっています。多くの国が「カーボンピーキングとカーボンニュートラル」の明確な時期を定め、世界と業界全体をカバーする「グリーン革命」が始まった。多くの業界の中で、建物が間違いなく最大のエネルギー消費者であり、その中でも暖房、換気、空調 (HVAC) システムは「最も大きな打撃を受ける分野」です。関連データによると、暖房、換気、空調 (HVAC) が世界の建物のエネルギー消費量の 38% を占めています。
建物のエネルギー消費量の多さに対応して、業界では機器の動作効率を最適化したり、インテリジェントな制御を行ったりして、エネルギー消費をリアルタイムで規制することがよくあります。中でも冷凍機の運転制御においては、冷却負荷予測は冷凍機のシーケンス制御を最適化するための重要な手段であり、一時的な冷却負荷の変化を無視し、空調設備や冷凍機の不要な切り替えを回避し、起動リスクを低減することができます。消費の問題をやめる。
さらに、地域ごとに気候条件が異なるため、HVAC 消費量も異なります。たとえば、香港は熱帯気候であり、HVAC エネルギー消費の割合が高くなります。香港特別行政区電気機械サービス局が主催する「電気機械設備建設のためのグローバル人工知能チャレンジ」において、香港の嶺南大学と香港城市大学の研究者は、長期的に建物の冷却負荷を正確に予測し、それによって省エネ目標を達成するための新しい動的に設計されたマルチモーダル特徴学習 (DEMMFL) モデルを提案しました。。
紙を入手してください:
https://www.sciencedirect.com/science/article/pii/S0306261923015477
バックグラウンドで「Cooling Load」に返信して、全文の PDF を入手してください
データセット: 2 つのオフィスビルの冷房負荷データ
この研究では、研究者らは香港の 2 つのオフィス ビル (ST&NT の South_Tower と North_Tower) の建物のエネルギー消費量に焦点を当て、2020 年 4 月 1 日から 2021 年 9 月 30 日までの期間をカバーする詳細なデータセットを確立しました。このデータセットは、15 分のサンプリング間隔でデータを収集することで、建物のエネルギー消費ダイナミクスを詳細に把握します。
モデルアーキテクチャ: DEMMFL モデル
下図に示すように、建物の冷房負荷を予測するために、収集したデータの特徴をDEMMFLモデルとDeep Learningモデルに入力し、STとNTの共通の冷房負荷データを出力します。
この研究では、研究チームは特に建物の冷却負荷を予測するために、DEMMFL (Dynamic Engineered Multimodal Feature Learning) と呼ばれる予測モデルを開発しました。モデル構造は、自己回帰出力項を使用せずに、過去の入力データの畳み込みを使用して構築されます。
長期的な予測精度を達成するために、DEMMFL モデルは、予測における最適な分散とバイアスのトレードオフを達成するために、正規化された統計学習手法を採用しています。研究では、Lasso、ridge、および最近開発された Lasso-ridge 回帰を使用して、相互検証 (CV) を通じて学習ハイパーパラメータを最適化しました。このアプローチにより、研究チームは、冷却負荷を含むすべての機能とデータを効果的に拡張および処理することができ、それによりモデルの精度と効率が向上しました。
さらに、この研究では、AutoGluon を通じて実装された XGBoost と LightBoost、LSTM や GRU など、さまざまな深層学習モデルも調査しました。これらすべてのモデルのトレーニング方法は損失関数として平均二乗誤差を使用しており、トレーニング方法は ADAM です。
全体的に最高のパフォーマンス: Lasso-ridge が復活
研究者らは、トレーニング セットとテスト セットでの DEMMFL モデルの統計的学習パフォーマンスを比較しました。その結果、動作期間を除くすべてのモードで Lasso-ridge が他の 3 つの手法よりも優れており、テスト セットでの全体的なパフォーマンスが優れていることがわかりました。 2 番目にランク付けされた方法は、TP3T を 4.21 改善しました。
この結果は、Lasso-ridge 法を使用すると、DEMMFL モデルが建物の冷却負荷の長期予測で良好に機能し、精度が大幅に向上しただけでなく、建物のエネルギー消費量を提供する変数選択の効率も向上したことを示しています。管理は効果的なツールです。
予測感度: 冷却負荷と OAT
研究者らは、NT と ST の平日の運転期間パターンを分析したところ、OAT (外気温度) 特性が冷房負荷の予測に主要な役割を果たしていることを発見しました。
モデルを構築した後、研究チームは各モデルの OAT に対する冷却負荷の感度を評価しました。残りの変数を一定に保ち、OAT を摂氏 1 度増加させ、それに応じて他の OAT 関連変数を計算しました。
実験結果は、OAT に対する建物ごとの冷却負荷の感度に大きな違いがあることを示しています。南タワーのサイズが大きいため、OAT の変化の影響をより受けやすいのが南タワーの冷却負荷です。さらに、2 つのタワー間の感度の差は、稼働時間モードを除くすべてのモードで増加します。これは、建物と稼働モードの異なる特性に関連している可能性があります。
DEMMFL モデル: 高精度、低誤差
研究者らは、LSTM、GRU、AutoGluonなどのディープラーニングモデルを使用して同じトレーニングデータセットを最適化し、2021年9月に同じテストセットのDEMMFLモデルと比較しました。知識主導型エンジニアリング機能の採用により、DEMMFL モデルは明らかな利点を示し、最高の RMSE を達成しましたが、AutoGluon モデルは次善の結果を達成しました。
実際の冷却負荷データと 4 つのモデルによる予測値を比較すると、次の結果が得られます。
LSTM と GRU は、月の最初の 3 日間に著しく悪い予測結果を示し、9 月 22 日 (中秋節の休日) には、ディープ ラーニング モデルの予測誤差が大きかったのに対し、DEMMFL モデルは非常に正確に予測しました。
要約すると、DEMMFL モデルは建物の冷却負荷の予測精度が高く、誤差が小さくなります。
エネルギーマネジメントから始めるAIと都市建設の未来
DEMMFL モデルを使用すると、商業ビル、住宅地、公共施設を問わず、正確なエネルギー消費の予測と最適化を実現できます。この技術の拡張により、都市の建物グループ全体のエネルギー消費をよりよく理解して管理できるようになり、エネルギー消費の促進が可能になります。より効率的で持続可能な都市開発。
地球環境に関しては、二酸化炭素の排出と消費を削減するには、各家庭、各企業、各産業が協力して取り組む必要があります。近年、エネルギー消費の最適化に対する需要が急速に高まっているため、多くの成熟したソリューションも生み出されており、実装の際には引き続きそのソリューションが繰り返されています。 IBM、Google DeepMind、Schneider Electric、さらには SenseTime や Midea Building Technology などの国内企業はすべて、エネルギー管理を支援するために人工知能を使用しています。
たとえば、Google DeepMind は、ニューラル ネットワークに基づいて機械学習アルゴリズムを米国中部の 700 メガワットの風力発電所に適用し、実際の発電の 36 時間前に風力発電量を予測するトレーニングに広く利用可能な天気予報と過去のタービン データを使用しました。そうすることで、風力発電を事前に予測できるようになりました。ある日、スタッフは時間当たりの電力供給量に基づいて、より正確なエネルギー供給計画を立てるよう提案しました。
SenseTime は、大型デバイス SenseCore と SenseTime の新しい SenseNova 大型モデル システムの強力なアーキテクチャ ベースに基づいて、高品質の AI アルゴリズムとコンピューティング能力を出力し続け、電力システムのマルチドメイン インテリジェント アップグレードを強化します。
美的ビルディングテクノロジーは、AIテクノロジーとHVAC分野の専門家の経験を組み合わせて、HVACシステムの動作に最適化されたアルゴリズムエンジンであるSmart Controlを開発し、iBUILDINGクラウドプラットフォームと組み合わせることで、省エネと炭素削減を実現します。 15%～30%の低減、30%以上の快適性向上と最適化効果。
将来的には、AI テクノロジーが都市計画や都市管理と密接に統合され、高度に統合されたインテリジェントで相互接続されたエコシステムが構築され、そこで AI はテクノロジーの適用者としてだけでなく、都市開発のリーダーとしても役割を果たすようになるでしょう。
AI テクノロジーが発展し続けるにつれて、私たちはより効率的で持続可能で包括的な都市の未来を期待しています。
参考文献:
https://www.sciencedirect.com/science/article/pii/S0306261923015477?via%3Dihub
https://www.marketsandmarkets.com/industry-news/AI-Powered-Energy-Sector-in-2023-Products-Companies-and-Innovations
https://tech.chinadaily.com.cn/a/202308/04/WS64ccbca7a3109d7585e47fbf.html