[論文レビュー] IoT for Green Building Management

Wayes Tushar, Nipun Wijerathne+5 more|arXiv (Cornell University)|May 27, 2018

Air Quality Monitoring and Forecasting参考文献 27被引用数 6

ひとこと要約

本論文では、信号処理と機械学習を活用して、低コストでリアルタイムの占有人数検出と建物のエネルギー消費最適化を実現する、IoTベースのビル管理システムを提案する。シンプルなIoTセンサーを導入し、トランスファーラーニングと非教師ありディープラーニング技術を適用することで、正確な占有人数推定が可能となり、HVACのエネルギー消費が占有人数により8.7%増加することが明らかになった。これにより、データ駆動型のエネルギー節約戦略の実現が可能となる。

ABSTRACT

Buildings consume 60% of global electricity. However, current building management systems (BMSs) are highly expensive and difficult to justify for small to medium-sized buildings. As such, the Internet of Things (IoT), which can monitor and collect a large amount of data on different contexts of a building and feed the data to the processor of the BMS, provides a new opportunity to integrate intelligence into the BMS to monitor and manage the energy consumption of the building in a cost-effective manner. Although an extensive literature is available on IoT based BMS and applications of signal processing techniques for some aspects of building energy management separately, detailed study on their integration to address the overall BMS is quite limited. As such, the proposed paper will address this gap by providing an overview of an IoT based BMS leveraging signal processing and machine learning techniques. It is demonstrated how to extract high-level building occupancy information through simple and low-cost IoT sensors and studied the impact of human activities on energy usage of a building, which can be exploited to design energy conservation measures to reduce the building's energy consumption.

研究の動機と目的

• 小規模および中規模の建物における従来のビル管理システム（BMS）の高コストとスケーラビリティの限界を解決すること。
• IoTを信号処理と機械学習と統合して、建物のエネルギー使用状況と占有人数の低コストでリアルタイムな監視を可能とすること。
• トランスファーラーニングと準教師あり学習を活用し、低計算量のIoTデバイスがエッジで機械学習を実行できるように、エッジインテリジェンスを実現すること。
• 占有人数に配慮したエネルギー管理がHVACエネルギー消費と電気料金をどのように削減できるかを実証すること。
• 実際の建物に適用可能な、IoTベースのエネルギー効率向上ソリューションの展開フレームワークを提供すること。

提案手法

• 建物の入り口に低コストのIoTセンサー（例：音声、画像）を設置し、環境および人間の活動データを収集する。
• エントリー・ポイントで撮影された画像から頭数を数えるために、事前学習済みモデルを微調整するトランスファーラーニングを適用する。
• ラベルなしの訓練データを必要とせず、音声センサーのデータを用いた非教師ありディープラーニングにより、占有人数状態を検出する。
• リソース制限のあるIoTデバイス上でエッジベースの機械学習を実装し、ローカル推論を可能とし、遅延を低減する。
• 信号処理技術を用いてマルチセンサーのデータを統合し、占有人数推定の正確性を向上させる。
• 占有人数データとHVACエネルギー消費を関連付けることで、エネルギー使用パターンをモデル化し、節約の機会を同定する。

実験結果

リサーチクエスチョン

• RQ1 IoTベースのシステムは、小規模および中規模の建物において、どのように低コストでリアルタイムの占有人数検出を実現できるか？
• RQ2 人的占有人数は、商業施設のHVACエネルギー消費にどの程度の影響を及ぼすか？
• RQ3 低計算量のIoTデバイスは、トランスファーラーニングと準教師あり学習技術を用いて、正確な機械学習推論を実行できるか？
• RQ4 占有人数に配慮した制御は、全体の建物エネルギー消費と電気料金をどのように削減できるか？
• RQ5 リアルタイムの占有人数データは、HVACシステムの最適化とエネルギーモデリングにどのような影響を及ぼすか？

主な発見

• 部屋が占有人の状態にあると、HVACエネルギー消費が8.7％増加し、平均消費量は占有人でない状態の6.04kWhから6.57kWhに上昇する。
• 人的占有人数により、部屋の温度は平均で0.35°C上昇し、占有人でない状態の25.02°Cから25.37°Cに上昇する。
• 提案されたトランスファーラーニングベースの頭数カウント手法により、建物の入り口に設置された低コストの画像センサーからの正確な占有人数推定が可能となった。
• 音声センサーのデータを用いた非教師ありディープラーニングにより、ラベル付きトレーニングデータを必要とせず、占有人数状態の検出に成功した。
• 占有人数データを活用することで、HVACエネルギー消費を削減し、電気料金を低減できる動的制御戦略の開発が可能となった。
• IoT、信号処理、機械学習の統合により、エネルギー効率向上とビル管理のための実用的インサイトが得られた。