权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Construction of digital twin that fuses AI and physical model to optimize building energy system

构建融合人工智能和物理模型的数字孪生，优化建筑能源系统

基本信息

批准号：
20H00273
负责人：
大岡龍三
金额：
$ 29.12万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2023-03-31
项目状态：
已结题

项目摘要

当該年度は設備機器モデリングと室内環境モデリングを行った。設備機器モデリングについては、ANN等のモデルについて構造や学習パラメータを精査した上で、新たなアプローチとしてフィードフォワード型ANNや再帰型ANN等を組合せたアンサンブル手法の提案し、予測精度ならびにロバスト性を高めた。また、これまでの物理モデル開発の知見を活かし、学習データセットにおける境界条件の設定や実運用時における物理・統計両モデルの自動切替方法について検討した。室内環境モデリングについては、従来の室内環境シミュレーションは空間の代表点の温度変化等を計算するにとどまり、空間分布を詳細に計算するためには必要がある。そこで、CFD (Computational fluid dynamics)を利用して室内環境モデリングのための詳細な空間データベースの作成を行った。またそれに先立ち、CFDの計算精度検証のための室内温熱空気環境の実験を行った。さらにCFDによるデータベースを機械学習を用いて学習し、高速な室内環境予測手法を提案した。本研究では、更なる高精度化・汎用化をおこなうと共に、要素別の畳み込みANNを用いた新しい構造の予測モデルの構築した。これは相互に関係している設備機器のエネルギー消費量と室内環境を同時にモデリングするコンセプトであり、物理モデル化が難しい関係性の精度良いモデル化が期待できる。これらによる室内環境モデリングはリアルタイムの室内環境制御システムとの連動をすることができる。

When the annual モデリ equipment machines モデリグとグと indoor environment モデリグを line った. Equipment machine モデリングについては, ANN のモデルについやて structure learning パラメータを fine check したで, new たなアプローチとしてフィードフォワード ANN や帰 again ANN etc. を combination せたアンサンブルの proposal し, to measure precision ならびにロバストを high めた. また, これまでの physical モデル open 発の knowledge を live かし, learning データセットにおけのる boundary conditions set や be used when における physics, statistical struck モデルの automatic method for cutting について beg し検た. Indoor environment モデリングについては, 従の indoor environment シミュレーションは space の representative point のを calculation, such as temperature variations change するにとどまり, space distribution を detail calculation にするためには necessary がある. そこで, CFD (Computational fluid dynamics) を using して indoor environment モデリングのための detailed な space データベースの made line をった. Youdaoplaceholder0 First, establish ち, CFD <s:1> calculation accuracy 検, <s:1> ため indoor warm and humid air environment <s:1> practical test を and った. さらに CFD によるデータベースを rote learning を with いて learn し, high-speed な indoor environment can be proposed をした. This study では, more なる high-precision fictionalization, domestic をおこなうとに, elements don't の畳み込み ANN を with いた new しのい structure can be モデルの build した. これは mutual に masato is している equipment machine のエネルギー consumption とを indoor environment at the same time にモデリングするコンセプトであり, physical モデル change が difficult しい masato is good sex の precision いモデル change が expect できる. これらによる indoor environment モデリングはリアルタイムの indoor environment suppression システムとの correlation をすることができる.