[論文レビュー] Data-driven Identification of Occupant Thermostat-Behavior Dynamics

Michael B. Kane, Kunind Sharma|arXiv (Cornell University)|Dec 13, 2019

Building Energy and Comfort Optimization参考文献 18被引用数 10

ひとこと要約

本論文は、27,764台のスマートサーモスタットから得た5分間解像度のデータを用いて、設定温度変更に対する居住者のサーモスタット上書き行動をデータドリブンなモデルで同定する。大きな設定温度変更ほど上書きが速くなることが判明し、2°F変更では平均して約30分、8°F変更では約15分で上書きが発生する。これは、不快感の大きさが行動反応の主要因であることを示している。

ABSTRACT

Building occupant behavior drives significant differences in building energy use, even in automated buildings. Users' distrust in the automation causes them to override settings. This results in responses that fail to satisfy both the occupants' and/or the building automation's objectives. The transition toward grid-interactive efficient buildings will make this evermore important as complex building control systems optimize not only for comfort, but also changing electricity costs. This paper presents a data-driven approach to study thermal comfort behavior dynamics which are not captured by standard steady-state comfort models such as predicted mean vote. The proposed model captures the time it takes for a user to override a thermostat setpoint change as a function of the manual setpoint change magnitude. The model was trained with the ecobee Donate Your Data dataset of 5 min. resolution data from 27,764 smart thermostats and occupancy sensors. The resulting population-level model shows that, on average, a 2°F override will occur after ~30 mins. and an 8°F override will occur in only ~15 mins., indicating the magnitude of discomfort as a key driver to the swiftness of an override. Such models could improve demand response programs through personalized controls.

研究の動機と目的

• 実際の建物において、居住者が設定温度変更にどのように動的に反応するかを理解すること。
• PMVなどの標準的な定常状態熱的快適モデルとは異なる行動パターンを同定すること。
• スマートサーモスタットからの実証データに基づき、集団レベルでの上書きタイミングのモデルを構築すること。
• 居住者の行動ダイナミクスをモデル化することで、より効果的な需要応答およびパーソナライズドビルコントロールを支援すること。
• 設定温度変更の大きさと居住者の上書き行動の速さとの関係を定量化すること。

提案手法

• 27,764台のスマートサーモスタットと占有センサーからの5分間解像度データを含む、ecobee Donate Your Dataデータセットを活用した。
• 手動による設定温度変更の大きさを関数として、上書きまでの時間を予測するデータドリブンなモデルを訓練した。
• 統計的モデリングを用いて、実世界の上書きイベントから居住者の時間的ダイナミクスを抽出した。
• 個々の住民に特化した行動ではなく、集団レベルの傾向に焦点を当て、一般化可能な知見を得ることを目的とした。
• 時系列解析を用いて、設定温度変更とその後の上書き行動との相関関係を特定し、応答遅延のパターンを同定した。
• 大規模な現地データを用いてモデルの性能を検証し、妥当性と現実世界への適用可能性を確保した。

実験結果

リサーチクエスチョン

• RQ1 サーモスタット設定温度変更の大きさが、居住者が設定を上書きするまでの時間にどのように影響するか？
• RQ2 居住者の実際の行動は、PMVのような定常状態熱的快適モデルからどの程度逸脱しているか？
• RQ3 広範な建物と居住者タイプの集団において、居住者の上書き行動に支配的な時間的パターンは何か？
• RQ4 行動ダイナミクスをどのようにモデル化すれば、ビルコントロール戦略および需要応答プログラムの改善が可能になるか？
• RQ5 認識された不快感は、迅速なサーモスタット調整を引き起こす要因として果たす役割は何か？

主な発見

• 平均して、2°Fの設定温度変更では、約30分後に上書きが発生する。
• 8°Fの設定温度変更では、約15分後に上書きが発生し、不快感の大きさと応答時間の逆相関関係が明確に示された。
• データから、居住者は好みの温度から大きく逸脱した場合に速やかに反応することが判明し、不快感が主な動機であることが示唆された。
• 本モデルは、PMVのような従来の定常状態快適モデルでは表現されない動的行動を捉えている。
• 集団レベルのモデルは、多様な建物および居住者タイプにわたり一貫した上書き応答パターンを明らかにした。
• これらの発見は、行動ダイナミクスがビルのエネルギー消費に顕著な影響を及ぼし、有効な自動化および需要応答を実現するには、明示的にモデル化する必要があることを示している。