Semantic Digital Twinning for Cost-Optimal HVAC Operation: Real-Time Application to a House with Smart Thermostats and PV/Battery under a Time-of-Use Tariff
Notice bibliographique
Résumé
Semantic digital twinning has traditionally supported design coordination, documentation, and planning during the early stages of building projects. However, its application in building operation and maintenance—particularly in real time—remains limited. This study proposes a methodology for cost-optimal HVAC load management using an operational digital twin, and demonstrates its real-time application under a residential time-of-use pricing scheme. The framework is implemented in a grid-connected single-family house equipped with smart thermostats, rooftop photovoltaic panels, and battery storage, and is evaluated under two progressive layers of control and system integration: predictive thermostat control alone, and combined coordination of thermostats, on-site generation, and battery systems. Each configuration is assessed against a static reference derived from two baseline weeks without energy flexibility. Results show that predictive thermostat control reduced electricity costs by an average of 34.7 %, with a total increase in energy import of approximately 84 kWh, while maintaining average indoor temperature deviations below 0.3 °C. Coordinated control achieved 78.4 % average cost savings, reduced net grid import by 115 kWh, and enabled 25.3 kWh of energy export. Relative demand shift analysis confirmed effective load advancement and midday demand reduction, delivering both economic and grid-responsive outcomes. These findings highlight the feasibility of deploying real-time predictive control in operational residential buildings to enhance load flexibility and improve alignment with dynamic electricity pricing.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».