センサーフュージョンに基づくBIMを活用したディープアクタークリティック強化学習（DACRL）によるエネルギー効率の高い室内環境調整のためのインテリジェント制御システム

科学分野:

• 建築科学工学
• 人工知能
• 制御システム

背景:

• 建築セクターは、増大するエネルギー需要と高い室内環境品質（IEQ）の必要性に直面しています。
• ルールベース制御（RBC）やモデル予測制御（MPC）などの従来の制御方法は、適応性とモデル依存性に限界があります。
• インテリジェント制御戦略は、建物のパフォーマンスを最適化するために不可欠です。

研究 の 目的:

• マルチセンサーフュージョンとビルディング情報モデリング（BIM）を統合したインテリジェントな室内環境制御システムの設計と実装。
• ディープフュージョンアクタークリティック強化学習（DACRL）アルゴリズムを使用したエネルギー効率の高い動的な環境制御戦略の開発。
• 多様な建物タイプにおけるエネルギー消費量の削減とIEQの向上に対するシステムパフォーマンスの評価。

主な方法:

• 4層のクラウドエッジエンド協調アーキテクチャ：認識、フュージョン、意思決定、実行レイヤー。
• 分散データ収集のためのマルチモーダルセンサーネットワーク（温度、湿度、CO2、光、占有状況）。
• スライディングウィンドウ動的重み付けと拡張カルマンフィルター（EKF）を使用した時空間データフュージョン、およびアイソレーションフォレストとワンクラスSVMによる異常検知。
• アクタークリティックアルゴリズム内にLieb-Thirring（L-T）不等式をスペクトル制約として組み込んだ深層強化学習制御モデル。
• BMSプロトコルを介したHVAC、照明、シェーディングのリアルタイムクローズドループ制御。

主要な成果:

• RBCおよびMPCと比較して、単位面積あたりの年間エネルギー消費量を最大63.2%削減しました。 IEQメトリクスの顕著な改善：CO2濃度は91.5%の時間で800 ppm未満、熱的快適性（PMV）は94.2%の時間で±0.3以内に維持されました。 DACRLアルゴリズムは、約15,000回のトレーニングステップで安定した収束を示し、ビル間転送テストではわずか4.9%のパフォーマンス低下でした。

結論:

• 提案されたインテリジェント制御システムは、建物のエネルギー効率とIEQの効果的なバランスをとります。
• L-T不等式スペクトル制約で強化されたDACRLアルゴリズムは、堅牢で汎用性の高い制御パフォーマンスを提供します。
• マルチセンサーフュージョン、BIM、および高度なAIの統合は、スマートビルディング管理のための有望な方向性を示しています。