MIT新技术-让智能恒温器变得更优秀

建筑物约占美国能耗的40％，占全球二氧化碳排放量的三分之一。让建筑物更节能不仅是节省成本的措施，而且是关键的缓解气候变化战略。因此，“智能”建筑的兴起正在日益成为世界各地的规范。

智能建筑可自动化供暖、通风和空调（HVAC）等系统；以及改善灯光、电力和安全性。自动化需要传感数据，例如室内和室外温度和湿度，二氧化碳浓度和占用状态。智能建筑结合了多种技术，可以使数据更加节能。

由于HVAC系统约占建筑物能源消耗的一半，因此智能建筑使用智能恒温器，恒温器可自动执行HVAC控制并可以了解建筑物居住者的温度偏好。

在《应用能源》杂志上发表的一篇论文中，麻省理工学院信息与决策系统实验室（LIDS）的研究人员与Skoltech科学家合作，设计了一种新的智能恒温器，该恒温器使用了数据有效算法，可以在温度范围内了解最佳温度阈值周。

“尽管物联网技术和数据分析最近取得了进步，但是智能建筑的实施却受到了建筑中数据获取过程的耗时的阻碍，”电气工程与计算机科学教授兼主任Munther Dahleh表示，智能恒温器算法使用建筑物数据来学习如何最佳操作，但是收集数据可能要花费数月的时间。

为了加快学习过程，研究人员使用了一种称为“流形（manifolds）”学习的方法，其中，复杂的“高维”函数由称为“流形”的简单和低维函数表示。通过利用多种学习方法和对建筑物热力学的了解，研究人员用一组具有多个，更易于解释的参数的“阈值”策略代替了可以具有许多参数的通用控制方法。为学习最佳而开发的算法需要较少的数据，因此它们的数据效率更高。

为恒温器开发的算法采用一种称为强化学习（RL）的方法，这是一种数据驱动的顺序决策和控制方法，近年来在掌握双陆棋和围棋等游戏方面引起了广泛关注。

该论文的主要作者，LIDS的博士后Ashkan Haji Hosseinloo说：“我们为计算机游戏提供了高效的仿真引擎，可以为RL算法生成大量数据，从而学习良好的游戏策略。” “但是，我们没有大数据可用于建筑物中的微气候控制。”

拥有机械工程学背景和RL等方法的训练，Hosseinloo可以将统计信息和最新计算的见解应用于现实世界的物理系统。他说：“我的主要动机是通过提高这些系统的效率来减缓，甚至预防能源和环境危机。”

（编辑：大连站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!