Comfort-Aware节能空调系统基于子空间识别方法

文摘

积极的加热方法提出了旨在降低空调系统的能耗,同时保持乘客的热舒适性。拟议的技术融合时间预测区域的温度,根据一个确定的子空间识别方法,和区域的入住率预测,基于流动模型,在一个决策方案,能够调节总能量消耗之间的平衡和不舒服的总成本。对各种occupation-mobility模型仿真结果证明该技术的效率。

1。介绍

作为能源消耗的控制和限制仍然是一个领域的特殊技术和经济利益,区域被认为是高能源消费者构成非常具有挑战性的研究问题。据美国能源信息管理局从2013年到2040年,电力消费的商业和住宅领域将每年增加了0.5%和0.8%1]。良好的和被广泛接受的主要能源消费国通过研究商业和住宅建筑热通风和空调(HVAC)系统,以及照明系统。

建筑贡献了41%(或4亿亿英热单位)在2014年美国能源消费总量。平均来说,大约43%的能源消耗在一个商业和住宅建筑是由于空调系统(2]。因此,由于能耗高,需求控制在暖通空调系统的必要性已成为不可避免的。在现代建筑应用了一些复杂的系统针对暖通空调系统提供这种类型的控制。暖通空调控制的最先进的技术考虑的入住率地区一个非常重要的参数,发挥关键作用的方法旨在减少能源消耗。检测和预测区域的入住率是一个非常具有挑战性的研究领域和若干技术提出了基于历史统计数据以及概率模型。

另一个同样重要的因素考虑在先进的暖通空调控制系统是乘客的热舒适性。现代暖通空调控制系统的目标是减少能源消耗在不影响居住者的舒适。无线传感器网络,配备了温度、湿度、和占用检测传感器节点,现在基本平台,构建自动空调控制系统。许多方法旨在保持热舒适而提出了节能。有些部分中描述2。朝着这个方向,本文提出了一种新技术,旨在平衡舒适和能源成本在一个多层的系统。决定在加热区或不可能采取集中或分布式的方式通过无线传感器节点分布在多层的系统。在任何情况下温度和区入住率必须一个节点之间交换信息,负责一个区域,周边节点。决策过程本身依赖于两种预测:(a)温度的预测区和(b)区域的入住率。本文的重点是区域的温度预测和为此一个确定的子空间识别方法用于造型每个区域的热动力学。即,每个区域由一个简单的模型能产生准确的预测基于状态空间模型周围的温度,加热区域的力量,和当前状态,总结了温度的历史区。区域的占用我们考虑半马尔科夫模型预测,居住者(移动一群)在区域停留一个随机时间,然后移动到相邻的区域与给定的概率。所需的决策过程是第一个入学时间无人的分布区域。定期针对积极的行动,该方法计算的风险是否激活加热器和决定的行动产生较小的风险。 The computation of the risks relies on the relative weights of the energy and discomfort costs so that the balance between the total energy consumed and the total discomfort cost may be regulated.

论文的结构如下:在部分2之前,和相关工作领域的需求驱动的空调系统,利用入住率和预测方法。节3描述,提出comfort-aware节能机制,随着子空间识别方法,用于获取温度预测,讨论第一个入学时间无人区域的分布。部分4包含仿真结果和评估算法的有效性。最后,部分5总结了论文并提出了未来工作的研究方向。

2。之前的工作

需求的必要性暖通空调系统节能解决方案,面向有研究者对occupancy-based激活系统。在多层的空间的被动和主动激活区域的加热/冷却会导致显著的能源节省和改善乘客的热舒适性。许多研究工作有价值的结果的能源节约利用占用检测和预测,为了适当地控制空调系统。入住率的检测使用几种类型的传感器(CO₂、运动等),同时,预测,组合系统通常应用,利用数学预测模型(例如,马尔可夫链)与检测到的实际数据。

作者在3)提出了一个自动恒温控制系统,是基于一个占用预测方案,预测人的目的地和到达时间在空调领域,为了提供一个舒适的环境。居住者的移动预测的移动电话发射塔信息系统利用和到达时间预测是根据历史分类模式和途径。为目标的预测位置非常接近对方(晶格内的)的time-aided order-Markov预测。作者在4]提出了一种闭环系统的最优控制建筑暖通空调系统,根据实际入住率命名为低功耗Occupancy-Based能源管理(诗)系统。为了准确检测居住者的过渡,他们部署无线网络包括两个部分:入住率估算系统(OPTNet)组成的22个相机节点和一个被动红外(PIR)传感器系统(莎·博内特)。通过融合传感数据从传感器网络(OPTNet和莎·博内特)占用过渡模型的输出在粒子滤波,更准确的估计目前每个房间的入住率。然后,根据目前每个房间的入住率和预测的过渡模式,暖通空调系统的控制计划接管地区目标的预热温度。在[5]作者用现实世界收集的数据从一个无线网络16智能相机称为智能相机占用位置估算系统(范围),通过这种方式,他们开发了入住率模型。三种类型的马尔可夫链(MC)占用模型进行了测试,这些都是单一的MC,最近的距离,最后混合(BMC)。作者得出结论,BMC是最有效的,因此他们体现它的入住率预测方法提出了“观察”算法,它是一个暖通空调系统的温度控制策略。

作者在6)开发了一个集成的系统称为哨兵是暖通空调系统的控制系统利用入住率信息。占用检测和本地化的系统利用现有的无线网络和客户的智能手机。入住率定位机制是基于接入点(AP)沟通与客户的智能手机,所以如果一个主人的电话将数据包发送给一个美联社然后他坐落在美联社的范围。通过分类建筑领域分为两大类,即个人和共享空间,建议的机制激活了暖通空调系统,当一个所有者的个人空间(例如,办公室)被发现在一个他/她的办公室所在区域或者当检测到使用者在共享空间。在[7)一个集成的加热和冷却控制系统的构建提出了旨在减少能源消耗。占用行为预测以及天气预报,作为输入虚拟(基于软件)构建模型,确定空调系统的控制。占用检测技术利用高斯混合模型(GMM)选择的分类特性,收益率最高的信息增益根据不同数量的居住者。这个分类是用于观察到一个隐藏的马尔可夫模型的估计数量的居住者。半马尔科夫模型是基于开发模式由感官数据有限公司₂、音响、运动、光线变化、估算居住者在空间的时间。工作(8)提出了一个模型预测控制(MPC)技术旨在减少能源消耗在暖通空调系统中同时保持居住者舒适的环境。入住率的预测模型是基于两国并存的马尔可夫链,与美国造型占领和占领的地区。作者在9]提出一种反馈控制算法的变风量(VAV)空调系统完整的驱动(区组成的一个房间)和驱动(区组成的多个房间)区。该算法被称为MOBSua (Occupancy-Based挫折后的区域),它利用实时分布数据,通过一个传感器网络,优化能源效率和乘客的热舒适性。此外,该算法可以应用在传统的控制系统不需要占用信息,它是可伸缩的任意大小的建筑。

3所示。Comfort-Aware节能机制

我们考虑一个多层的暖通空调系统组成的区,。每个区域都配备了无线传感器节点能够传达区域的温度和入住率信息邻国或中央处理单元。入住率信息可能非常简单,也就是说,二进制信息显示区个人的存在与否,或者更高级的乘客的数量。目标是最小化总能量和不适成本定义为 注意,只有加热的问题是解决了。因此,能源开支的情况下冷却区和保持温度在一定的舒适区并不是治疗简单。在(1)表示需要的指标函数值1或0取决于条件是真或假。的力量是加热器覆盖区吗和加热器的状态;也就是说,打开或关闭加热器。因此,第一项(1)是由多层的系统总能量消耗。不适的成本我们定义单位时间成本和目标舒适阈值。只要欧元区的温度高于人不会感到不适。的参数可能取决于区域,乘客的数量(例如,系统的不适总成本成正比的人数经历不适),和不同区域的温度和舒适阈值。值得注意的是,有一个权衡节约能源成本和不适。我们可能预热区舒适度从而呈现不适成本等于零。这一政策效率低下是由于大量的能源消耗。在另一个极端,我们可以通过加热区只有在行为反应性地检测居住者。在这种情况下,能源成本将尽可能小但不适成本可以显著增加。在续集,我们将描述一个方法行为主动通过定期决定是否加热区。如果入口的一个区域被延迟然后我们推迟加热,直到下一个时代的决定。相反,如果预计区域将占领区域的温度达到舒适水平之前,然后预热区。

决定是否加热器的无人地带应该打开取决于(a)的当前状态区,(b)的相对价值的能源成本()和不适成本(单位时间),(c)周围区域的温度,和(d)估计的时间区将成为占领。这个决定可以被集中的中央处理单元通过所有区域或在一个分布式的方式收集信息之后,每个区域的节点收集的相关信息。也有分裂的可能性之间的决策过程功能中央单位和无线传感器网络节点。例如,第一个入学时间无人区域的预测可能是由中央单位意识到人的位置在多层的系统,然后是预测值可能会传回给区域的节点最终决定。决策过程的具体实现与本文无关,它将不会进一步分析。

我们假设时间是离散,是采样周期,每个节点将其决定定期每采样周期。注意,不需要节点同步。让表示随机变量模型当前时间的剩余时间直到入口空置区。很明显,随机变量,各种各样的无人地带,不遵循相同的分布。我们进一步假设节点能够使所花费的时间超过预测舒适阈值。为此,我们表示超过所需的时间如果加热器立即打开。同样,我们定义随着预测时间达到舒适阈值如果加热器保持一段时间然后,在下一个决定的时代,它是打开。上述参数的关系如图1。

假设现在时刻节点的无人地带必须决定是否打开或欧元区的加热器保持关闭状态。在时代的决定打开加热器的风险 也就是说,如果,有足够的时间达到舒适阈值即使我们开始加热下一个决定时代因此我们不必要的消费单位的能量(这是描绘在图1)。类似地,如果我们浪费单位的能量。注意,没有打开加热器的风险如果入口区发生早于预计。以类似的方式计算的风险保持加热器。在这种情况下 使用(2)和(3)的决策标准 目前没有考虑随机性,严格的时间计划占领的区域。典型的例子是教室在一个大学校园躲避。在这种情况下,标准(4)一个非常简单的形式由于之一涉及概率等于1,其余假设的价值为零。因此,如果然后打开加热器,如果,加热器仍掉,如果加热器将开启/关闭取决于能量的值相对成本和不适。这两个成本之间的平衡是由权重和。

如果是随机的,那么标准(4)需要稍微修改的值是未知的。在这种情况下,我们替换其条件考虑到期望值。因此,在标准(4),我们的替代品通过。

从之前的讨论,就会清楚觉察到决策过程需要估计,和分布的过程。前者是下一个小节的主题,而讨论的分布剩下的部分3.2。

3.1。温度预测基于SID

可想而知,为了使预测区域的温度演变我们需要一个模型能够捕捉标记区域的热动力学。为此,我们求助于确定性的子空间识别方法。每个区分开处理,由离散时间表示,线性、时不变,状态空间模型。也就是说, 在哪里区温度的时间吗一般来说一个维向量,如果温度传感器分散的区域部署。假设一个统一的区域温度,因此我们只使用一个传感器节点是标量。代表了测量噪声由于传感器的缺陷。是一个向量的输入测量及其维度区不同区域。这个向量包含的可测量的输出来源,影响区域的温度。这样的来源是一个加热器位于区域,区域外的空气温度在不同的位置,等等。向量的状态向量离散时间过程吗。美国只有一个概念性的相关性,他们不是指定的物理解释。当然一个相似变换可以将状态转换为物理意义的。不可测的矢量信号代表噪声区由于人类的存在,灯的开关,等等。剩下的纸我们忽视状态和输出噪声的影响,因此我们处理一个确定性的识别问题,矩阵的计算,,,从给定的输入-输出数据。没有噪声的假设是合理的,因为我们只需要对空区温度预测的“免费”从使用者和其他干扰。

为了估计了状态矩阵,,,每个区域的,我们需要一个训练阶段中所有节点结构报告他们的相对测量一个中央计算机系统。这些测量包括区域的温度和加热器的电源,如果传感器节点负责一个加热区,或只有温度传感器节点监测面积非物质相关的决策过程,但其他区域,也就是说,建筑的外观。训练阶段只应该执行一次但受控条件下,例如,没有额外的加热的来源和关闭的窗口。此外,这一时期的长度应该相当大为了展示一些变体在输入信号激励的模式系统。在模拟部分我们认为是24小时的培训期间,也就是说,86400个样本采样周期1秒。1秒的采样周期太小,容不下所有的现实原因。然而,随着性能下降的主要因素是剩余的估计到达时间我们认为一个理想的温度预测模型(高精度温度传感器和无噪声区域),我们只获得职业的不确定性模型。

在收到所有的测量,中央系统组织每个区输入-输出数据。例如,如果一个区域命名,邻居区命名,,和外部建筑区命名,然后带的温度系统的输出是识别,而区域的温度吗,,,以及功率的加热器区系统的输入数据。一个确定的子空间识别过程,描述在接下来的段落,然后为每个区域运行。相关矩阵,,,每个区域的状态空间模型的传回给传感器节点负责监测区域。

符号和后的推导10我们定义块汉克尔矩阵 表示“过去”和“未来”输入对目前即时。叠加的基础上我们有块汉克尔矩阵 也可以划分为哪一个 通过移动“现在”的时间领先一步。同样,我们定义的输出块汉克尔矩阵,,,,和输入-输出数据矩阵 状态序列被定义为 和“过去”和“未来”的状态序列和,分别。(状态空间模型与13),(15)我们将扩展的可观测性矩阵和反向延长可控性矩阵,在那里 子空间识别方法依赖于确定的状态序列和扩展的可观测性矩阵直接从输入输出数据,基于他们,下一步,提取矩阵,,,。为此我们定义的行空间的斜投影的行空间的行空间: 在哪里表示Moore-Penrose伪逆矩阵和是一个缩写的投影矩阵的行空间吗上的正交补矩阵的行空间;也就是说, 因为它是证明(10]矩阵等于产品的扩展可观测性矩阵和“未来”状态向量 在我们处理矩阵我们使用它的奇异值分解 我们确定延长观测矩阵和状态向量作为 在哪里是一个任意满秩矩阵相似变换。

一个方法(10)提取矩阵,,,使用除了斜投影 在哪里是获得通过删除最后一个行(在我们的例子中)。类似于前面的推导 和矩阵,,,得到解决(以最小二乘法的方式)系统

完成后的状态空间模型训练阶段矩阵,,,每个区传回给节点负责区域。在接收节点矩阵的输入一个“收敛”阶段;也就是说,从一个初始状态,他们更新状态(5)预定的一段时间,使用测量周围的区域和带加热器的状态。注意培训和收敛阶段之前只需要执行一次节点的正常运行。收敛后阶段的节点进入“决定”阶段。在这个阶段的节点更新模型的状态(如收敛阶段)和定期他们决定是否打开欧元区的加热器。假设在时代的决定标记空闲的节点的状态。节点决定估计的基础和。回想一下,所需的时间及舒适度如果加热器。也就是说, 节点“冻结”输入向量它的当前值(最近周围区域的温度和标记区域的加热器)和从状态重复(5),(6),直到超过价值。请注意, 和我们获得 如果我们将和 然后(23)的形式 我们已经考虑了矩阵的对角化在哪里作为,对角矩阵的特征值和相应的特征向量矩阵。数值方法可以用于解决(25)。以类似的方式计算。然而,在这种情况下,我们第一个重复(5)次输入向量反映的加热器,然后从这个新国家我们估计所需的时间如果加热器。

3.2。上的分布

随机变量从当前时间即时表达了剩下的时间直到入口区。我们假设使用者移动作为一个群体,参观区预先确定的顺序或随机的方式,最后他们最终在区。每次使用者访问区域他们呆在一个非零时间本身是一个随机变量的分布。我们使用的变量指定日历时间,时间运行进程启动以来,指定的时间自进入区域。欧元区占领时间分布参数化可以先验或推断从考试的历史数据合适的拟合分布的参数。我们可以用经验分布函数(e.d.f)相反的非参数估计。也就是说,如果一个样本占领时期的区,是可用的,那么 在哪里指标函数。

让我们考虑两个调整区域的简单例子,与区被占领,没人住的,因为它显示在图2。我们假设使用者保持区对于一个随机的时间分布式的根据是什么然后在离开他们进入区。在这种情况下表达了剩下的等待时间和之前所定义的剩余寿命分布

接下来我们考虑居住者的情况目前在区(叫它),在离开他们在瀑布区参观因为它是图所示3。然后 在哪里剩下的时间区吗和占领的区域吗。众所周知,的分布随机变量的分布的卷积是吗。这是 与。更紧凑的形式是通过考虑变换分布,也就是说,拉普拉斯变换,生成函数,或者特征函数。使用矩生成函数(mgf)的分布的非负随机变量被定义为 (29日)的形式 在某些情况下(不幸的是)(26)可以使倒转分析以计算分布。例如,如果占领时期,指数分布与相应的参数,然后也呈指数分布参数由于指数分布的无记忆特性,和的概率密度函数(假设的参数都是不同的) (一般情况下的表达式,nondistinct参数,稍微涉及但仍然存在。)如果一个封闭形式的密度不存在或很难获得,我们求助于saddlepoint近似(11)反。为此,一个随机变量累积分布函数(cdf),我们定义了累积生成函数(方法)相应的对数制造;也就是说, 然后,saddlepoint近似的概率密度函数(pdf)是 在哪里saddlepoint方程的解决方案吗 估计(34基于cgf)依赖于数值计算,反过来取决于。注意,我们可以使用实证mgf相反,这样一个非参数估计的pdf是可能的。

更一般的情况是模型的运动居住者在多层的系统作为半马尔科夫过程。过程的状态是系统的区域,在过渡时期形成嵌入式马尔可夫链的转移概率。给定一个过渡区对区占领的时间有分布函数。矩阵与元素是所谓的半马尔科夫内核。占领时间分布区域独立的状态的转换是由。考虑现在的情况人存在于区和节点的区域必须做出决定是否开始加热区。的决策过程时间分布的入口区,,是必要的。是两项的总和。第一项是残余占领时间区域第二项是到达的时间在离开区。分布第一项是由(27),而第二项我们不得不考虑采取的各种路径在离开状态。因此,如果带邻居区,即,,然后到达区域的时间在分布式根据离职 在哪里第一段的分布是带人吗对区。·派克(12和梅森13,14)提供解决方案第一段分布在半马尔科夫过程。例如,州·派克的公式,的elementwise变换矩阵的话,是 在哪里透射系数矩阵与变换吗的分布。符号表示矩阵的对角元素所形成的。一个简化版的(37如果我们让获得)和,th代数余子式的。使用这个符号,半马尔科夫过程州,我们得到 靠贴上美国的过程中我们可以找到变换从任何区域,区域第一段。

总之, 与计算使用(38)。接下来,saddlepoint近似技术可以用来计算密度。

我们不得不提到估计第一段分布的过程只需要执行前决策过程。因此,考虑到多层的系统的拓扑结构,我们假定一个参数家庭占领时间分布和我们估计从样本数据分布的参数。然后,过渡概率估计基于数据和占领mgf是获得。在我们的处理转换我们可以形成透射系数矩阵和解决第一通道变换使用(38)。最后,数值方法可用于转化这些转换为了获得必要的概率密度函数。

4所示。仿真结果

我们模拟一个多层的系统组成的方安排的房间(区域),每个房间(区域)是配备了无线传感器节点,如图4。我们假设之间的热传递发生房间的空气和墙壁之间,以及房间的空气和屋顶。此外,我们忽视地面在室温的影响。南北墙在室温和同样的效果我们假设相同的东部和西部墙壁。根据这些假设,有一个对称的动力区。例如,带我,第三,第七和第九表现出不同的行为。注意,多层的系统图4几个状态变量,比如墙温度,是常见的个人区域系统。在模拟我们对待多层的系统作为一个系统42个州和9输出(区域的温度)。这个集总容量区域模型的参数值被从[15)(参见[16])。

在图4,表示假定是统一的室外温度,没有普遍性的损失。用于模拟日常使用沃尔特斯的模型获得外部温度变化(17]。对于这个模型,白天的最高温度的最低温度,24小时的平均气温需要提供以估计。作为一个例子,如果°C,°C,°C,每日温度变化如图5获得,这表明2:00-3:00点温度较高。

4.1。培训阶段

确定子系统的识别与采样周期我们使用86400个样本秒。我们使用的室外温度沃尔特的模型参数在表的第一行1和一个加热器获得等于600 W。我们区域的目标温度的表2(第一行),利润等于°C。即为一个特定的区域加热,直到温度是达到了。在这一点上加热器关闭,直到温度达到阈值越低和重复整个过程。

在收集的数据在此期间24小时,测量区域的温度、外温度,每个区域的热量收益被组织成子系统的输入-输出数据识别过程。例如,对于带我,外面的温度,加热得到的带我,第二区域的温度和静脉输入数据识别过程而带的温度我本身是输出数据。注意,输入信号的数量不同于带区。第九区我三世,七世,使用4输入信号,而其余的区域使用5输入信号。基于输入-输出数据识别矩阵,,,为每个区节中描述3。在这个过程中我们必须决定子系统的顺序。这是通过看圣言的奇异值分解(20.),占主导地位的数量决定的。图6描绘了奇异值区域,II,诉所有子系统表现出类似的行为有关的奇异值,因此我们将所有子系统等于2的顺序。

接下来,我们运行测试得到状态空间模型。我们设置外温度参数表的第二行1和目标温度如表的第二行2。子系统的初始状态设置为模型,而42-state向量的元素的多层的系统设置等于3(初始输出温度)。图7显示的发展实际和预测温度区我和IV。带我加热器(热增量等于700)而第四区域的加热器是。观察到,在5000年之后样品(appoximately 80分钟周期)子系统的状态已经聚集,产生几乎与原系统相同的输出。在这一点上的WSN节点可以进入在“决定”阶段。

我们应该注意在这一点上,“原始”模拟系统(42-state-space模型)也是线性,因此使用线性子空间识别可能有问题可能更复杂、非线性系统。仿真结果表明,尽管每个区更为复杂的动态(包括屋顶温度,例如),较低的维度可以捕获其二阶子系统的行为。对于更复杂的系统我们可以选择的顺序识别子系统是足够高的。时变的非线性系统识别系统可能使用递归模型的更新。

接下来,我们模拟的场景图2。我们假设使用者输入区我(在时间即时5000),然后一个随机时间后他们进入第四区,在那里他们仍为3600秒。带我从一开始加热过程(吸热900 W),直到乘客离开第四区进入第四区。区使用加热器获得1200 W,是打开(或关闭)根据节点的决策。目标温度区我和四17°C和16°C,分别。第一组实验的占领时期带我伽马分布,也就是说, 与形状参数和这样的期望值,3600年和7200年。决定了每一个秒。图8展示了各种价值观的舒适总成本达到舒适的重量。结果平均超过200运行的仿真。的情况下第四是完全被动的情况下加热区是推迟到使用者输入区。在另一个极端,高的值。决策过程的行为主动消费能源以减少不适的水平。

图9显示了千瓦时的能源总成本为图的两种情况8。观察到,价值越高更多的能源消耗之后加热区第四早些时候开始。图的两条曲线之间的差别9合情合理的差异意味着占领时期,和的两种情况。

在图10我们把温度资料区,第四,两个不同的值。因为它是观察到的价值对应于反应情况;加热器的第四区仍掉,直到检测到使用者的区域。在另一个极端的一个较大的值(10000)将迫使加热器的第四区尽快打开,以减轻处罚的不适。

的场景图2帕累托分布占领时期也模拟区。帕累托分布的pdf是吗 与预期值 图11显示了帕累托pdf的四值(),适当的选择,以便占领时期的平均值是7200在所有情况下。

数据12和13显示安慰总成本和总能量消耗,分别针对各种安慰增益值。观察到,安慰成本提高了50%(相对于被动的情况下)可以实现的价值等于1000。然而,有一个性能地板(这是明显的例子),这是由于帕累托分布的性质。大多数的样品占领时期集中接近因此没有足够的时间来预热下参观区,进而意味着不适成本高。此外,沉重的尾巴的帕累托分布原因占领时期的一些非常高的值导致增加总消耗的能源,因为它从图可以清楚的观察到13。

接下来,我们模拟的场景图3。居住者在级联从区移到区是描绘在图14。的目标温度区域给出了表的第一行3的得热量,而每个区都将在第二排表3。占用时间的每个区域中提供我们认为是指数分布随机变量的意思是表的最后一行3。注意,这个假设是最有利于邻区由于指数分布的无记忆特性。总安慰和能源成本对于这个场景绘制在图15针对各种舒适的重量值。结果平均超过100分。每个成本的两条曲线对应和,分别。观察到,相当舒适收益实现适度增长的能源消耗。在图15我们也显示“固定”的成本主动场景的加热区域开始一旦检测到居住者邻国区。例如,当人进入第四区,区V的加热器,等等。

表4显示了舒适和能源成本获得当没有随机性的占用时间的不同价值观安慰重量和两个不同的值(和167年)。占用时间的区域将提供的平均值表的最后一行3。观察,可以实现舒适成本极低,在这种情况下这意味着正确的造型的占用时间是至关重要的过程。

最后,图16显示了一个示例区域的温度曲线。注意,第二区域的温度,虽然区二世是最后区,开始增加更早(以较慢的速度)。这是因为二区邻居带我和V在早期阶段的加热过程。

5。结论和未来的工作

温度和入住率的预测方法,融合为了平衡热舒适条件,提出了一种多层的暖通空调系统的能源消耗。温度的预测是基于子空间识别技术用于每个区域独立的热动力学模型。这种技术很健壮和准确的预测是可能的在收敛时间可能持续1 - 2小时。关于入住率预测的决策过程利用分布首次通过时间从一个无人的居住地区。仿真结果为不同的第一通道分布证明了该技术的有效性。

该方法的几个扩展和修改是有可能的。舒适参数可能取决于区域,乘客的数量,和区域的现状。此外,这个参数可能是时间变量,也就是说,不同的值可以用于日夜小时。关于决策过程本身,没有必要在常规时间执行时期。如果无线传感器节点能量消耗的一个问题,我们可能会决定在不规则的时代,根据入住率的预测区。使用的计算的风险,决策过程,可以考虑其他参数影响能源消耗和/或乘客的热舒适性。例如,打开的窗口的情况可能会很容易发现和注册适当的决策过程。

利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. 美国能源信息管理局,“年度能源展望2015年,”能源部/ eia - 0383, 2015年4月,http://www.eia.gov/。视图:谷歌学术搜索
2. 2015年6月,美国能源信息管理局http://www.eia.gov。
3. r . s . Lee y分,y Kim哈,和h Cha”入住率预测算法使用移动设备、恒温器控制系统”IEEE智能电网,4卷,不。3、1332 - 1340年,2013页。视图:出版商的网站|谷歌学术搜索
4. 诉l·埃里克森,美国阿赫莱特纳,a . e . Cerpa”诗:occupancy-based能源管理系统”学报》第12届国际会议在传感器网络的信息处理(IPSN 13)ACM,页203 - 216年,费城,宾夕法尼亚州,美国,2013年4月。视图:出版商的网站|谷歌学术搜索
5. 诉l·埃里克森·m·A。Carreira-Perpinan, a . e . Cerpa”观察:occupancy-based系统有效减少空调能源”第十届ACM / IEEE国际研讨会论文集在传感器网络的信息处理(IPSN 11)芝加哥,页258 - 269年,生病,美国,2011年4月。视图:谷歌学术搜索
6. 巴拉吉,j . Xuy a . Nwokafory r . Guptay y Agarwal,”哨兵:基于入住率在商业建筑空调驱动使用现有的无线网络基础设施,”第11届ACM学报》会议上嵌入式网络化传感器系统(SenSys 13),罗马,意大利,2013年11月。视图:谷歌学术搜索
7. b .董和k·p·林,”一个实时模型预测控制为建筑供暖和冷却系统基于居住行为模式的检测和当地的天气预报,“建筑模拟,7卷,不。1,第106 - 89页,2014。视图:出版商的网站|谷歌学术搜索
8. j·r·多布斯和b . m . Hencey”使用马尔可夫预测HVAC控制占用模式”诉讼的美国控制(ACC会议上的14)俄勒冈州波特兰市,页1057 - 1062,美国2014年6月。视图:出版商的网站|谷歌学术搜索
9. j·布鲁克斯,美国Kumar s Goyal r . Subramany和p . Barooah”节能控制数学模型在商业建筑空调区,“能源和建筑卷,93年,第168 - 160页,2015年。视图:出版商的网站|谷歌学术搜索
10. p . Van Overschee和b . De沼泽,子空间辨识线性系统,Theory-Implementation-ApplicationsKluwer学术,纽约,纽约,美国,1996年。
11. h·e·丹尼尔斯,“Saddlepoint近似统计,“《数理统计25卷,第650 - 631页,1954年。视图:出版商的网站|谷歌学术搜索|MathSciNet
12. r·派克,”马尔可夫更新过程与有限许多州,”《数理统计32卷,第1259 - 1243页,1961年。视图:出版商的网站|谷歌学术搜索|MathSciNet
13. s . j .梅森“反馈信号流图的理论特性,”无线电工程师学会学报》上第41卷。。9日,第1156 - 1144页,1953年。视图:出版商的网站|谷歌学术搜索
14. s . j .梅森”理论进一步的反馈信号流图的性质,《愤怒,44卷,不。7,920 - 926年,1956页。视图:出版商的网站|谷歌学术搜索
15. b . Tashtoush, m . Molhim和m . Al-Rousan”空调系统的控制分析,动态模型”能源,30卷,不。10日,1729 - 1745年,2005页。视图:出版商的网站|谷歌学术搜索
16. d . Sklavounos e . Zervas o . Tsakiridis, j . Stonham”子空间辨识方法检测异常行为在暖通空调系统中,“能源杂志文章ID 693749卷,2015年,12页,2015。视图:出版商的网站|谷歌学术搜索
17. 答:沃尔特,”笔记记录的利用率从三阶气候站对农业的目的,“农业气象学,4卷,不。2、137 - 143年,1967页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 o . Tsakiridis et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。