暖通空调系统是建筑物的重要组成部分,占建筑能耗的40%以上。暖通空调的主要目的是保持适当的热舒适度,这对于最佳利用能源至关重要。此外,热舒适性对幸福,健康和工作效率也至关重要。近年来,数据驱动的热舒适模型比传统的基于知识的方法(如预测平均投票模型)有更好的性能。一个准确的热舒适模型需要大量的室内居住者自我报告的热舒适数据,这无疑是一个挑战。在这项研究中,我们的目标是解决这个数据短缺的问题,提高热舒适预测的性能。我们利用来自同一气候区多个城市的传感器数据来学习热舒适模式。提出了一种基于迁移学习的多层感知器模型(TL-MLP-C*),用于准确预测热舒适性。在ASHRAE RP-884、Scales Project和Medium US Office数据集上的大量实验结果表明,所提出的TL-MLP-C* 在准确度、精度和F1分数方面的性能超过了最先进的方法。
英文摘要:
HVAC (Heating, Ventilation and Air Conditioning) system is an important part of a building, which constitutes up to 40% of building energy usage. The main purpose of HVAC, maintaining appropriate thermal comfort, is crucial for the best utilisation of energy usage. Besides, thermal comfort is also crucial for well-being, health, and work productivity. Recently, data-driven thermal comfort models have got better performance than traditional knowledge-based methods (e.g. Predicted Mean Vote Model). An accurate thermal comfort model requires a large amount of self-reported thermal comfort data from indoor occupants which undoubtedly remains a challenge for researchers. In this research, we aim to tackle this data-shortage problem and boost the performance of thermal comfort prediction. We utilise sensor data from multiple cities in the same climate zone to learn thermal comfort patterns. We present a transfer learning based multilayer perceptron model from the same climate zone (TL-MLP-C*) for accurate thermal comfort prediction. Extensive experimental results on ASHRAE RP-884, the Scales Project and Medium US Office datasets show that the performance of the proposed TL-MLP-C* exceeds the state-of-the-art methods in accuracy, precision and F1-score.
Artificial Intelligence-Assisted Energy and Thermal Comfort Control for Sustainable Buildings: An Extended Representation of the Systematic Review
Mohammed V University of Rabat(拉巴特穆罕默德五世大学);MENTIS SA(MENTIS SA公司);University of Nebraska at Kearney (UNK)(内布拉斯加大学凯尔尼分校);Information Technology University(信息技术大学);Alfaisal University(费萨尔国王大学);Hamad Bin Khalifa University(哈马德·本·哈利法大学);Western Michigan University(西密歇根大学);Alakhawayn University in Ifrane(伊夫兰阿赫瓦因大学);University of Houston(休斯顿大学)
不同的因素,如热舒适度,湿度,空气质量和噪音有显着的综合影响的可接受性和质量的活动进行的建筑物居住者谁花了他们的大部分时间在室内。在所引用的因素中,热舒适性有助于人类的福祉,因为它与人体的温度调节有关。因此,创造热舒适和节能的环境在建筑物的设计中非常重要,因此供暖,通风和空调系统也非常重要。最近的工作已经针对更先进的控制策略,主要是基于人工智能,具有模仿人类行为的能力。本文系统地综述了建筑物内的智能控制策略,并探讨了它们在室内环境中平衡热舒适性和节能优化的能力。方法.系统的文献综述使用ACM数字图书馆,Scopus,Google Scholar,IEEE Xplore(IEOL),Web of Science和Science Direct(SDOL)以及手动搜索的其他来源检查了同行评审的研究作品。包含以下字符串术语:热舒适性、舒适温度、首选温度、智能控制、高级控制、人工智能、计算智能、建筑、室内和建筑环境。入选标准为:英国,研究监测,主要是在建筑物中的人体热舒适性和能源效率同时基于控制策略,使用智能方法。使用系统性综述和荟萃分析指南的首选报告项目。最初,产生了1,077篇文章,最终有120篇符合纳入标准并进行了审查。
Non-invasive thermal comfort perception based on subtleness magnification and deep learning for energy efficiency
Nanjing University of Posts and Telecommunications(南京邮电大学);Xi’an University of Architecture and Technology(西安建筑科技大学);Umeå University(于默奥大学);Royal Institute of Technology (KTH)(瑞典皇家理工学院(KTH));Swiss Federal Institute of Technology (ETH)(瑞士联邦理工学院(ETH))
Intelligent Building Control Systems for Thermal Comfort and Energy-Efficiency: A Systematic Review of Artificial Intelligence-Assisted Techniques
Mohammed V University in Rabat(拉巴特穆罕默德五世大学);MENTIS Consulting SA(MENTIS咨询公司);University of Nebraska at Kearney(内布拉斯加大学科尔尼分校);Information Technology University(信息技术大学);Alfaisal University(费萨尔大学);Hamad Bin Khalifa University(哈马德·本·哈利法大学);Western Michigan University(西密歇根大学);Alakhawayn University in Ifrane(伊夫兰阿赫拉因大学);University of Houston(休斯顿大学)
People detection and social distancing classification in smart cities for COVID-19 by using thermal images and deep learning algorithms
University of Pisa(比萨大学)
COVID-19是一种由严重呼吸道综合征冠状病毒引起的疾病。于2019年12月在中国武汉发现。它导致了一场持续的流行病,造成了感染病例,包括一些死亡。冠状病毒主要在密切接触中在人与人之间传播。基于此概念,本研究提出一个人工智能系统,利用热图像对人进行社会距离分类。通过利用YOLOv 2(你看一下),开发了一种深度学习检测技术,用于检测和跟踪室内和室外场景中的人。还实现了一种算法,用于测量和分类人与人之间的距离,并自动检查是否遵守社交距离规则。因此,这项工作旨在通过评估人们是否以及如何遵守社交距离规则,尽量减少COVID-19病毒的传播。将所提出的方法应用于通过热成像摄像机获取的图像,以建立一个完整的人工智能系统,用于人员跟踪,社交距离分类和体温监测。训练阶段使用从不同热成像相机捕获的两个数据集完成。Ground Truth Labeler应用程序用于标记图像中的人物。所取得的结果表明,所提出的方法适用于在智能城市中创建智能监控系统,用于人员检测,社交距离分类和体温分析。