| 講演名 | 2017-02-18 拡張ゴールグラフと異種混合学習を用いたフィールドデータからのビル電力需要予測モデル 久代 紀之(九工大), 福田 亜実(九工大), 妻鹿 利宏(三菱電機ビルテクノサービス), 清水 拓朗(九工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ビル省エネ、デマンドレスポンスの実現に向け、BACnet, OpenADR などのインタフェースの標準化がな され、実際にビルに導入されている。これらを介し、ビル室内環境や機器の運転状況に関する膨大なデータを遠隔で取 得・蓄積できるようになってきている。一方で、省エネやデマンド要求に対応する具体的な制御方式の整備が遅れて いる。整備の遅れの要因として、取得したデータに基づくビル内電力需要予測のためのモデル構築手法と左記モデル に基づく環境・機器の制御方式が確立されていないことが考えられる。本研究では、2年間のフィールドデータを用 いビル内電力需要予測モデルを構築する。膨大なデータを分析シナリオにあわせ分離するための視点とモデルの説明 変数を抽出するために、拡張ゴールグラフを用いた分析手法を導入し、抽出されたデータ分離の視点と説明変数を用い 線形回帰モデルを構築するために、異種混合学習技術を導入した。本論文では、これらの試行結果に関して報告する。 |
| 抄録(英) | For realizing energy management and demand response in buildings, standardized interfaces, e.g. BACnet and OpenADR, are introduced into building management systems. Huge amount of data, including conditions for spaces and equipment in buildings, are collected from each building and accumulated in an aggregation center via the interfaces. However, control methods for the energy management and the demand response are far behind penetration of these interfaces. As the reason for the delay, both methods for constructing prediction model on big field data and for controlling equipment based on the above prediction model, have not been established yet. We tried to establish the prediction model on two years’ field data. Extended goal graph extracting viewpoints for dividing data on analysis scenarios and explanatory variables, and heterogeneous mixture modeling establishing the perdition model with liner regression were introduced in the study. Results of the above trial are described in this paper. |
| キーワード(和) | ビル電力需要予測モデル / 拡張ゴールグラフ / 異種混合学習技術 |
| キーワード(英) | Prediction Model for Electric Power Demand in Building / Extended Goal Graph / Heterogeneous Mixture Modeling |
| 資料番号 | AI2016-31 |
| 発行日 | 2017-02-11 (AI) |
| 研究会情報 | |
| 研究会 | AI |
|---|---|
| 開催期間 | 2017/2/18(から1日開催) |
| 開催地（和） | 就実大学S館 |
| 開催地（英） | |
| テーマ（和） | 「データ市場特集?：コミュニケーションによるデータ価値化とエクスチェンジ」および一般 |
| テーマ（英） | |
| 委員長氏名（和） | 菅原 俊治(早大) |
| 委員長氏名（英） | Toshiharu Sugawara(Waseda Univ.) |
| 副委員長氏名（和） | 峯 恒憲(九大) / 片上 大輔(東京工芸大) |
| 副委員長氏名（英） | Tsunenori Mine(Kyushu Univ.) / Daisuke Katagami(Tokyo Polytechnic Univ.) |
| 幹事氏名（和） | 服部 宏充(立命館大) / 福田 直樹(静岡大) |
| 幹事氏名（英） | Hiromitsu Hattori(Ritsumeikan Univ.) / Naoki Fukuta(Shizuoka Univ.) |
| 幹事補佐氏名（和） | 清 雄一(電通大) |
| 幹事補佐氏名（英） | Yuichi Sei(Univ. of Electro-Comm.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Artificial Intelligence and Knowledge-Based Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 拡張ゴールグラフと異種混合学習を用いたフィールドデータからのビル電力需要予測モデル |
| サブタイトル（和） | |
| タイトル（英） | Prediction Model for Electric Power Demand in Building on Field Data with Extended Goal Graph and Heterogeneous Mixture Modeling |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ビル電力需要予測モデル / Prediction Model for Electric Power Demand in Building |
| キーワード(2)（和/英） | 拡張ゴールグラフ / Extended Goal Graph |
| キーワード(3)（和/英） | 異種混合学習技術 / Heterogeneous Mixture Modeling |
| 第 1 著者 氏名（和/英） | 久代 紀之 / Noriyuki Kushiro |
| 第 1 著者 所属（和/英） | 九州工業大学(略称：九工大) Kyushu Institute of Technology(略称：KIT) |
| 第 2 著者 氏名（和/英） | 福田 亜実 / Ami Fukuda |
| 第 2 著者 所属（和/英） | 九州工業大学(略称：九工大) Kyushu Institute of Technology(略称：KIT) |
| 第 3 著者 氏名（和/英） | 妻鹿 利宏 / Toshihiro Mega |
| 第 3 著者 所属（和/英） | 三菱電機ビルテクノサービス(株)(略称：三菱電機ビルテクノサービス) Mitsubishi Electric Building Techno-Service Corporation(略称：MELTEC) |
| 第 4 著者 氏名（和/英） | 清水 拓朗 / Takuro Shimizu |
| 第 4 著者 所属（和/英） | 九州工業大学(略称：九工大) Kyushu Institute of Technology(略称：KIT) |
| 発表年月日 | 2017-02-18 |
| 資料番号 | AI2016-31 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | AI-460 |
| ページ範囲 | pp.39-44(AI), |
| ページ数 | 6 |
| 発行日 | 2017-02-11 (AI) |