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

点击翻译按钮获取中文摘要

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。