Parlons-en

Cadre de prévision de la température de l'air intérieur basé sur LSTM pour les systèmes CVC dans les bâtiments intelligents

Les prévisions précises de la température de l'air intérieur (IAT) pour les systèmes de chauffage, de ventilation et de climatisation (CVC) sont difficiles, en particulier pour les bâtiments multizones et pour différents types de systèmes de CVC. De plus, la non-linéarité de la dynamique thermique des bâtiments rend la prédiction IAT plus difficile car elle est affectée par des facteurs complexes tels que les points contrôlés et non contrôlés, les conditions météorologiques extérieures et le calendrier d'occupation.

Sommaire

Cet article présente un modèle de mémoire longue à court terme (LSTM) pour prédire l'IAT pour la construction multizone basée sur la prédiction directe en plusieurs étapes avec une approche séquence à séquence. Deux stratégies, LSTM-MISO et LSTM-MIMO, sont conçues pour les entrées multiples à sortie unique et les entrées multiples à sorties multiples, respectivement. Les performances de ces deux stratégies ont été évaluées sur la base de deux études de cas sur de vrais bâtiments intelligents utilisant des systèmes à volume d'air variable (VAV) et à volume d'air constant (CAV). Pour les deux bâtiments, les résultats expérimentaux ont montré que les modèles LSTM surpassent les modèles de perceptron multicouches en réduisant l'erreur de prédiction de 50 %.

Accéder au livre blanc