Synconn_build:基于python的合成数据集生成器,用于测试和验证以控制为导向的神经网络,用于构建动态预测.

科学领域:

• 建筑能源系统 建筑能源系统
• 计算建模计算建模
• 用于建筑环境的数据科学.

背景情况:

• 建筑中的基于模型的预测控制 (MPC) 需要强大的以控制为导向的模型.
• 在高质量,多样化的数据集中存在很大的差距,用于对这些模型进行基准测试.
• 现有的合成数据生成方法可能缺乏灵活性或产生过多的数据.

研究的目的:

• 介绍synconn_build,这是一个新的开源Python工具,用于生成合成建筑操作数据.
• 为了解决目前用于培训和评估建筑控制模型的数据集的局限性.
• 为创建多样化的建筑模拟数据集提供灵活和用户友好的平台.

主要方法:

• 使用EnergyPlus作为核心建筑能源模拟引擎.
• 自动化模拟设置,控制输入信号生成,并为占用提供共模拟.
• 采用基于文本的配置文件,用于用户引导的模拟参数化.
• 获取外部天气数据以增强模拟现实性.

主要成果:

• Synconn_build 自动化复杂的EnergyPlus配置和模拟工作流.
• 该工具为各种操作场景生成独特的随机控制信号和占用时间表.
• 它根据用户输入选择性地生成数据,防止数据过度生产.
• 生成的数据比典型的运营时间表更频繁地变化,覆盖了更广泛的条件.

结论:

• Synconn_build有效地解决了在建筑控制研究中对合成数据集的需求.
• 该工具的自动化和以用户为中心的设计简化了创建有价值的基准测试数据.
• 它为推进以控制为导向的建筑动态预测模型提供了灵活和高效的解决方案.