神经网络方法估计用于MPC的RC热建筑模型参数

一篇新的研究论文介绍了一种“从头开始估计器”的方法，用于估计RC热建筑模型中的参数，这对于节能模型预测控制（MPC）至关重要。该方法将物理方程嵌入神经网络的训练过程中，以克服传统算法的局限性，例如局部最小值和高计算成本。一个增强版本“预训练估计器”通过在多栋建筑的数据上进行预训练，进一步提高了准确性并消除了对初始猜测的需求，在各种基准测试中展示了卓越的预测性能和更低、更一致的MPC成本。 AI

影响 这项研究为建筑能源系统提供了一种更有效、更准确的控制方法，有望降低能耗和运营成本。

排序理由 研究论文发布在arXiv上，详细介绍了一种用于热建筑模型参数估计的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• artificial neural network
• arXiv
• Estimator from Scratch
• Fabian Raisch
• fully black-box neural network
• genetic-algorithm-based RC estimator
• model predictive control
• Pretrained Estimator
• RC models

• 论文
• 基础设施

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