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。

在财政年度，我们进行了设备建模和室内环境建模。关于设备建模，我们已经仔细研究了模型（例如ANN）的结构和学习参数，并提出了一种合奏方法，该方法将前馈ANN和递归ANN与新方法相结合，从而提高了预测准确性和鲁棒性。此外，利用先前物理模型开发的知识，我们研究了训练数据集中边界条件的设置，以及如何在实际操作过程中自动切换物理和统计模型。关于室内环境建模，常规室内环境模拟仅计算代表空间点的温度变化，对于详细计算空间分布是必不可少的。因此，我们创建了一个详细的空间数据库，用于使用CFD（计算流体动力学）进行室内环境建模。在此之前，我们对室内热空气环境进行了实验，以验证CFD计算的准确性。此外，通过使用机器学习学习CFD数据库，提出了高速室内环境预测方法。在这项研究中，我们进一步提高了准确性和概括，并使用元素特异性卷积ANN构建了一个新的预测模型。这是一个同时建模相关设备和室内环境的能源消耗的概念，并有望产生具有很难在物理建模的关系的高度准确模型。这些室内环境建模可以链接到实时室内环境控制系统。