Leveraging Deep Learning and Digital Twins to Improve Energy Performance of Buildings

要約

タイトル：建物のエネルギー性能を向上させるためのディープラーニングとデジタルツインの活用

要約：建物のデジタル変革により、膨大な運用データが蓄積されるようになったため、これらのデータを活用してエネルギー性能を向上させるスマートなソリューションが求められている。この研究では、ディープラーニングとデジタルツインを統合したDeep Energy Twinというソリューションを提案している。オントロジーを採用して、パラメトリックデジタルツインを作成し、建物内のさまざまなシステムでデータフォーマットの一貫性を提供することができるようにしている。作成されたデジタルツインと収集されたデータに基づいて、データ解析を行い、エネルギー最適化のためのパターンを特定し、洞察を提供するためにディープラーニング手法を使用している。デモンストレーションとして、スウェーデンのノルシェーピングにある公共の歴史的建物で、建物のエネルギー予測のための最新のディープラーニングアーキテクチャの性能を比較するケーススタディが行われた。

要点：
– 建物のデジタル変革が進展しており、エネルギー性能の向上に向けたスマートなソリューションが必要
– Deep Energy Twinという解決策が提案されており、ディープラーニングとデジタルツインが統合されている
– オントロジーを採用して、パラメトリックデジタルツインが作成され、異なるシステム間でデータフォーマットの一貫性が提供される
– データ解析を行い、エネルギー最適化のためのパターンを特定し、洞察を提供するためにディープラーニング手法を活用している
– 公共の歴史的建物で建物のエネルギー予測のための最新のディープラーニングアーキテクチャの性能を比較するケーススタディが行われた

要約(オリジナル)

Digital transformation in buildings accumulates massive operational data, which calls for smart solutions to utilize these data to improve energy performance. This study has proposed a solution, namely Deep Energy Twin, for integrating deep learning and digital twins to better understand building energy use and identify the potential for improving energy efficiency. Ontology was adopted to create parametric digital twins to provide consistency of data format across different systems in a building. Based on created digital twins and collected data, deep learning methods were used for performing data analytics to identify patterns and provide insights for energy optimization. As a demonstration, a case study was conducted in a public historic building in Norrk\’oping, Sweden, to compare the performance of state-of-the-art deep learning architectures in building energy forecasting.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI