A Data-driven Study of Connected Residential Thermostats to Investigate user Behavior, Thermal Modelling, and Optimal Control of HVAC Systems
Notice bibliographique
Résumé
Approximately a tenth of North America’s total energy usage is for space conditioning of residential buildings -- the majority of which is controlled by a thermostat. Despite these energy implications, thermostats have been difficult to study and their controls have remained reactive and heuristic-driven. Fortunately, with the latest generation of devices, connected thermostats, it is now possible to address these limitations. This thesis is among the first major bodies of research to exploit the emerging data from connected thermostats. Specifically, we seek to accomplish three main objectives: (1) extend the understanding of how users utilize these devices to manage their preferences, (2) develop predictive models of occupant behavior and thermal response of houses, and (3) optimize the control of residential HVAC systems using only existing available data.For objective (1), we determined that factors such as location and seasonality affected setpoint preferences, but that it was unclear if truly distinct user types emerged -- instead users appeared more on a spectrum of preferences. With schedule overrides, the behavior of users was found to be more complex than previously understood, with ultimately only a small group of users remaining in permanent and energy-intensive overrides. For objective (2), we found standard, well-tuned machine learning models (namely, random forest and ridge regression) were the most robust performers beating simple baseline and deep learning methods for predicting occupancy and thermal responses of the houses. Finally, for objective (3), we found that a data-driven model predictive controller outperforms a model-free reinforcement learning method and a standard deadband controller. In summary, this thesis makes multiple novel and significant contributions which improve the understanding of connected thermostat users, how to develop customized data-driven models, and how to improve the comfort and energy use associated with connected thermostats controlling the HVAC in our homes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».