Model predictive control for commercial buildings: trends and opportunities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AbstractModel predictive control (MPC) is a recent development that uses modelling and simulation with forecast conditions to exploit building thermal mass in an effort to improve indoor thermal comfort and reduce energy use/cost compared with traditional rule-based control strategies. This paper investigates a range of recent MPC strategies and the direction in which this new technology is trending. The findings indicate that there is little evidence that directly compares the performance of specific optimization algorithms, forecast and simulation parameters (timestep, horizon), and climate forecast accuracy for the same scenario. An analysis of 19 case studies highlights the advantages of MPC compared with conventional control strategies, but also identifies areas that need further improvement. These areas include the optimization strategy, the effects of forecast disturbance assessment, and desirable traits of existing buildings under consideration for MPC implementation. This paper develops a set of target parameters for the types of buildings for which MPC will have the most impact and suggests methods for overcoming shortfalls identified in recently published studies.Keywords: predictive controlscommercial buildingsenergy reductionThis article refers to:Addendum AcknowledgementThe authors gratefully acknowledge the assistance and support provided by Green Power Labs Inc. throughout this research.Disclosure statementNo potential conflict of interest was reported by the authors.Additional informationFundingThe authors appreciate major funding support provided by the Atlantic Canadian Opportunities Agency supporting innovative economic growth in Canada's Atlantic Provinces. Additional funding was provided by MITACS.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle