【Energy and AI】用于建筑能耗监测的精简和可解释的数字孪生模型 —— 智能恒温散热器阀和气体吸收式热泵的案例研究

文摘   2024-08-27 19:03   天津  




https://doi.org/10.1016/j.egyai.2023.100304

  第一作者: Massimiliano Manfren, University of Southampton, United Kingdom

❖  通讯作者: Massimiliano Manfren, University of Southampton, United Kingdom

  作者邮箱: M.Manfren@soton.ac.uk


摘要

向低碳能源系统的转型过渡在能效方面面临诸多挑战。在建筑物燃料补给项目中,智能控制和热泵等高效技术正日益取代传统技术,旨在减少碳排放并确定运营能源和成本节约,同时带来其他效益。然而,测量的建筑性能往往显示出预测的能源使用(设计阶段)和实际能源使用(运营阶段)之间的巨大差距。因此,需要构建精益且可解释的数字孪生模型来进行建筑能源监测,以实现持续的节约和持续的性能改进。在这项研究中,可解释的回归模型是用多个时间分辨率(每月,每日和每小时)的数据建立的,并与验证智能散热器阀(TRV)和气体吸收式热泵(GAHP)的性能改进以及提供对建筑整体性能的见解的目标无缝集成。此外,作为建模研究的一部分,重新构建了周时和温度(TOWT)方法,并将其与原始实现进行了基准测试。所选的案例研究是位于朴茨茅斯市(英国)的Hale Court庇护住房。该建筑已被用于欧盟“地平线2020”项目THERMOSS中的TRV和GAHP等创新技术的现场测试。研究结果用于说明能源特征建模的潜在扩展应用,并强调对能源管理和创新建筑技术开发的影响。



详情可点击下方“阅读原文

Energy and AI是天津大学与Elsevier共同创办的国际学术期刊,内容涵盖人工智能技术应用于能源领域所取得的最新、最重要的研究进展。期刊最新的影响因子(IF)为9.6,CiteScore为16.5。欢迎广大学者踊跃投稿。我们的网址是:www.journals.elsevier.com/energy-and-ai


EAI能源与人工智能
天津大学官方期刊:Energy and AI
 最新文章