PulseAugur
实时 22:04:04
English(EN) What price to pay? Auto-tuning a building MPC controller for optimal economic cost

研究人员使用贝叶斯优化技术为MPC控制器优化建筑能源成本

研究人员开发了一种自动调整模型预测控制(MPC)系统以最大限度地降低建筑电力成本的方法。通过采用约束贝叶斯优化(CONFIG),该系统显著优于传统控制器。在一项案例研究中,与基于规则的方法相比,优化后的MPC将电力支出降低了26.90%,与手动调整的MPC相比降低了17.46%。研究还表明,最优地选择需求侧管理计划可以带来高达20.18%的月度节省。 AI

影响 建筑能源系统的自动化优化可以带来显著的成本节约和改善电网管理。

排序理由 这是一篇详细介绍优化建筑能源控制系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究人员使用贝叶斯优化技术为MPC控制器优化建筑能源成本

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jiarui Yu, Jicheng Shi, Wenjie Xu, Colin N. Jones ·

    What price to pay? Auto-tuning a building MPC controller for optimal economic cost

    arXiv:2501.10859v2 Announce Type: replace-cross Abstract: Demand-side management (DSM) programs introduce complex pricing, requiring advanced control for cost minimization. Model Predictive Control (MPC) offers a solution but its performance hinges on appropriate hyperparameter t…