正在阅读:

把空调遥控器,交给AI

扫一扫下载界面新闻APP

把空调遥控器,交给AI

一个比以往任何天气预报系统都更准确、更智能的预测和控制系统,在建筑物温控和农业灌溉控制等多方面都有巨大应用潜力。

文|知社学术圈

作为智能生物,根据天气预报,我们会在出门前做准备,下雨打伞,天冷带手套。但是现代社会的我们,更多的时候可能身在建筑物里,空调和暖气成了极端天气里的救命稻草,大学里也常开玩笑说:“谁掌握了宿舍遥控器,谁就是这个宿舍里的王者。”

与其争夺遥控器,不如把遥控器交给AI?如果建筑物也能像人一样,智能地根据天气预报提前应对气候变化,天冷的时候生热,天热的时候降温,使得室内温度自动地平衡在一个舒适值,岂不美哉?

但如果天气预报不准确,建筑物的自我调节系统就可能造成能源浪费,并且给人带来不必要的升温或制冷,结果反而适得其反。

康奈尔大学能源系统工程教授尤峰崎开发了一个新的更准确的天气预测系统,他运用机器学习建模,收集了多年天气预报与实际天气情况共同对这个模型进行训练,并将这个预测系统与建筑物的实际情况相结合,包括房间的大小、形状、材料以及预测传感器的位置和窗户的位置等等因素,使得预测准确性极大提高。

图片来自网络

他的团队将这个预测系统在康奈尔90年的老建筑Toboggan Lodge上进行了一次实际运行测试,结果该系统为建筑物省下了高达10%的能耗。

尤峰崎教授关于本项工作的论文A Data-Driven Robust Optimization Approach to Scenario-Based Stochastic Model Predictive Control发表在了 Journal of Process Control,他表示:“如果建筑物本身足以‘智能’到能够准确预测未来的天气,并且自动调节加热或制冷系统,使得温度恒定在某个最舒适的区间,不仅可以节省大量能源,也可以为人提供更加舒适的生活和工作环境。我们的工作核心是试图让能源系统变得智能,让它可以预测未来短期的变化并作出应对,比如我知道马上要出太阳了,那我就减少加热,我知道暴风雨即将来临那我就减少制冷。”

本文的第一作者尚超曾是尤峰崎教授康奈尔实验室的博士后,现在清华大学自动化系任助理教授。他们组织了一个硕士生团队来收集天气和气候的多年历史数据以训练机器学习模型,并协助进行Toboggan Lodge案例研究。基于这些信息,该模型不仅可以检测温度,还可以检测降雨量,阳光值和位置条件的偏差等信息。根据预测的不确定性,模型还会做出相应的自我调整。对此,尤峰崎教授说:“没有任何一个天气预报是100%准确的,而且天气预报往往针对的是某一地区而非特定地点。”因此这个应对机制是很有必要的。

在该成果的实际运用层面,尤峰崎教授表示,这个成果结合机器学习的算法和数学编程方法,创建了一个比以往任何天气预报系统都更准确、更智能的预测和控制系统,它在建筑物温控和农业灌溉控制等多方面都有巨大应用潜力,也可以用于许多对温度有准确要求的环境,比如大城市里逐渐兴起的建筑物形式垂直农场和一些植物工厂中。

最后,尤峰崎教授总结说,我们从未有过非常准确的天气预报系统,所以将AI的智能控制和机械建模结合在一起是目前最好的优化方式,这也是一个开拓性的创新之举,之前从未有人将这二者结合来用。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

把空调遥控器,交给AI

一个比以往任何天气预报系统都更准确、更智能的预测和控制系统,在建筑物温控和农业灌溉控制等多方面都有巨大应用潜力。

文|知社学术圈

作为智能生物,根据天气预报,我们会在出门前做准备,下雨打伞,天冷带手套。但是现代社会的我们,更多的时候可能身在建筑物里,空调和暖气成了极端天气里的救命稻草,大学里也常开玩笑说:“谁掌握了宿舍遥控器,谁就是这个宿舍里的王者。”

与其争夺遥控器,不如把遥控器交给AI?如果建筑物也能像人一样,智能地根据天气预报提前应对气候变化,天冷的时候生热,天热的时候降温,使得室内温度自动地平衡在一个舒适值,岂不美哉?

但如果天气预报不准确,建筑物的自我调节系统就可能造成能源浪费,并且给人带来不必要的升温或制冷,结果反而适得其反。

康奈尔大学能源系统工程教授尤峰崎开发了一个新的更准确的天气预测系统,他运用机器学习建模,收集了多年天气预报与实际天气情况共同对这个模型进行训练,并将这个预测系统与建筑物的实际情况相结合,包括房间的大小、形状、材料以及预测传感器的位置和窗户的位置等等因素,使得预测准确性极大提高。

图片来自网络

他的团队将这个预测系统在康奈尔90年的老建筑Toboggan Lodge上进行了一次实际运行测试,结果该系统为建筑物省下了高达10%的能耗。

尤峰崎教授关于本项工作的论文A Data-Driven Robust Optimization Approach to Scenario-Based Stochastic Model Predictive Control发表在了 Journal of Process Control,他表示:“如果建筑物本身足以‘智能’到能够准确预测未来的天气,并且自动调节加热或制冷系统,使得温度恒定在某个最舒适的区间,不仅可以节省大量能源,也可以为人提供更加舒适的生活和工作环境。我们的工作核心是试图让能源系统变得智能,让它可以预测未来短期的变化并作出应对,比如我知道马上要出太阳了,那我就减少加热,我知道暴风雨即将来临那我就减少制冷。”

本文的第一作者尚超曾是尤峰崎教授康奈尔实验室的博士后,现在清华大学自动化系任助理教授。他们组织了一个硕士生团队来收集天气和气候的多年历史数据以训练机器学习模型,并协助进行Toboggan Lodge案例研究。基于这些信息,该模型不仅可以检测温度,还可以检测降雨量,阳光值和位置条件的偏差等信息。根据预测的不确定性,模型还会做出相应的自我调整。对此,尤峰崎教授说:“没有任何一个天气预报是100%准确的,而且天气预报往往针对的是某一地区而非特定地点。”因此这个应对机制是很有必要的。

在该成果的实际运用层面,尤峰崎教授表示,这个成果结合机器学习的算法和数学编程方法,创建了一个比以往任何天气预报系统都更准确、更智能的预测和控制系统,它在建筑物温控和农业灌溉控制等多方面都有巨大应用潜力,也可以用于许多对温度有准确要求的环境,比如大城市里逐渐兴起的建筑物形式垂直农场和一些植物工厂中。

最后,尤峰崎教授总结说,我们从未有过非常准确的天气预报系统,所以将AI的智能控制和机械建模结合在一起是目前最好的优化方式,这也是一个开拓性的创新之举,之前从未有人将这二者结合来用。

本文为转载内容,授权事宜请联系原著作权人。