[论文解读] A benchmark for data-based office modeling: challenges related to CO$_2$ dynamics

Riccardo Sven Risuleo, Marco Molinari+3 more|TU/e Research Portal (Eindhoven University of Technology)|Apr 11, 2015

Building Energy and Comfort Optimization参考文献 16被引用 4

一句话总结

本论文利用IDA-ICE软件在模拟办公室环境中生成了二氧化碳（CO2）动态的合成基准数据集，聚焦于仅通过CO2浓度实现对人员数量的盲系统辨识。该研究评估了两种基于数据的建模方法——过度参数化方法与核方法，结果表明，开窗会显著降低人员数量估计的准确性，开窗条件下CO2拟合度降至80.3%–87.2%，人员数量拟合度降至37.9%–67.1%。

ABSTRACT

This paper describes a benchmark consisting of a set of synthetic measurements relative to an office environment simulated with the software IDA-ICE. The simulated environment reproduces a laboratory at the KTH-EES Smart Building, equipped with a building management system. The data set contains records collected over a period of several days. The signals to CO$_2$ concentration, mechanical ventilation airflows, air infiltrations and occupancy. Information on door and window opening is also available. This benchmark is intended for testing data-based modeling techniques. The ultimate goal is the development of models to improve the forecast and control of environmental variables. Among the numerous challenges related to this framework, we point out the problem of occupancy estimation using information on CO$_2$ concentration. This can be seen as a blind identification problem. For benchmarking purposes, we present two different identification approaches: a baseline overparametrization method and a kernel-based method.

研究动机与目标

• 开发用于办公室建筑室内环境动态基于数据建模的标准化基准数据集。
• 解决在无直接人员数量数据可用的情况下，仅通过CO2浓度测量实现人员数量盲辨识的挑战。
• 在包含可变人员数量与开窗等真实办公室条件下，评估并比较不同系统辨识技术的性能。
• 突出未建模动态（尤其是开窗）对人员数量与CO2建模精度的影响。
• 支持面向节能室内气候管理的模型预测控制（MPC）策略的开发。

提出的方法

• 使用IDA-ICE软件对KTH的一间真实实验室进行为期一周的模拟，涵盖可变人员数量、机械通风以及门窗状态。
• 以3分钟采样间隔生成CO2浓度、机械通风量、渗透量和人员数量的合成数据。
• 应用盲辨识框架，仅通过CO2测量值估计人员数量，将其视为具有未知输入的系统辨识问题。
• 采用两种辨识方法：基线过度参数化技术与使用稳定样条核进行正则化的核方法。
• 通过两种拟合度指标评估模型性能：CO2信号预测拟合度与人员数量信号重构拟合度。
• 在工作日（周一至周五）每日进行辨识，排除周末，计算各场景下每日性能的平均值。

实验结果

研究问题

• RQ1 在无直接人员数量测量数据的情况下，能否准确地从CO2浓度数据中估计人员数量？
• RQ2 未建模的动态（如开窗）如何影响基于数据的模型在估计人员数量与CO2水平方面的性能？
• RQ3 在办公室CO2动态的盲系统辨识中，过度参数化方法与核方法的性能表现如何比较？
• RQ4 可变通风与渗透对基于CO2的人员数量估计可靠性的影响程度如何？
• RQ5 该基准数据集能否支持室内环境质量的模型预测控制策略的开发与验证？

主要发现

• 当窗户关闭时，核方法的CO2预测拟合度在89.7%至98.4%之间，表明在受控条件下模型具有较高的准确性。
• 当窗户打开时，CO2预测拟合度下降至80.3%–87.2%，表明未建模的渗透显著降低了模型性能。
• 在开窗条件下，人员数量估计性能显著下降，拟合度范围为37.9%–67.1%，表明人员数量模式的重构效果较差。
• 过度参数化方法无法捕捉CO2动态或重构人员数量，导致负拟合度分数，因此在此任务中无效。
• 基准数据集表明，开窗是基于CO2的人员数量估计中一个关键但常被忽视的因素，严重损害模型精度。
• 该数据集对评估系统辨识算法有效，并支持未来在智能建筑控制与能效方面的研究。