Global Transformer Architecture for Indoor Room Temperature Forecasting

要約

建物のエネルギー システムを徹底的に規制することにより、関連するエネルギーが節約され、居住者の快適さが向上します。
効果的な制御システムの実装には、特定の期間における建物の熱状態を高い信頼性で予測するアルゴリズムが不可欠です。
この研究では、エネルギー消費を最適化し、HVAC システムに関連する温室効果ガス排出量を削減することを目的として、複数の部屋を持つ建物の室内温度を予測するためのグローバルな Transformer アーキテクチャを紹介します。
深層学習の最近の進歩により、従来のフィードバック制御システムと比較して、より洗練された予測モデルの開発が可能になりました。
提案されているグローバル Transformer アーキテクチャは、すべての部屋を含むデータセット全体でトレーニングできるため、部屋固有の複数のモデルが不要になり、予測パフォーマンスが大幅に向上し、展開とメンテナンスが簡素化されます。
注目すべきは、この研究が、複数部屋の建物の屋内温度予測に変圧器アーキテクチャを適用した最初の研究であるということです。
提案されたアプローチは、温度予測の精度と効率を向上させる新しいソリューションを提供し、建築部門におけるエネルギー消費を最適化し、温室効果ガス排出量を削減するための貴重なツールとして機能します。

要約(オリジナル)

A thorough regulation of building energy systems translates in relevant energy savings and in a better comfort for the occupants. Algorithms to predict the thermal state of a building on a certain time horizon with a good confidence are essential for the implementation of effective control systems. This work presents a global Transformer architecture for indoor temperature forecasting in multi-room buildings, aiming at optimizing energy consumption and reducing greenhouse gas emissions associated with HVAC systems. Recent advancements in deep learning have enabled the development of more sophisticated forecasting models compared to traditional feedback control systems. The proposed global Transformer architecture can be trained on the entire dataset encompassing all rooms, eliminating the need for multiple room-specific models, significantly improving predictive performance, and simplifying deployment and maintenance. Notably, this study is the first to apply a Transformer architecture for indoor temperature forecasting in multi-room buildings. The proposed approach provides a novel solution to enhance the accuracy and efficiency of temperature forecasting, serving as a valuable tool to optimize energy consumption and decrease greenhouse gas emissions in the building sector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google